随着近年來企業信息化建設的不斷深化、社會化網絡的興起，以及移動互聯網等新一(yī)代信息技術的廣泛應用，全球數據規模及其存儲容量正在迅速增長，數據的類型也變得複雜多樣。海量多樣化的數據對信息的有效存儲、快速讀取、檢索提出了挑戰；且其中(zhōng)所蘊藏的巨大(dà)商(shāng)業價值也引發了對數據處理、分(fēn)析的巨大(dà)需求。當前，大(dà)數據已逐漸滲透到各個行業和業務職能領域，數據成爲企業戰略資(zī)産，企業戰略逐漸從"業務驅動"轉向"數據驅動"。如何通過收集和分(fēn)析大(dà)量内部和外(wài)部的數據，獲取有價值的信息将成爲指導企業經營決策、業務運作中(zhōng)的核心環節。
什麽是大(dà)數據（Big Data）
大(dà)數據技術的戰略意義不在于掌握龐大(dà)的數據信息，而在于對這些含有意義的數據進行專業化處理。換而言之，如果把大(dà)數據比作一(yī)種産業，那麽這種産業實現盈利的關鍵，在于提高對數據的“加工(gōng)能力”，通過“加工(gōng)”實現數據的“增值”。
從技術上看，大(dà)數據與雲計算的關系就像一(yī)枚硬币的正反面一(yī)樣密不可分(fēn)。大(dà)數據必然無法用單台的計算機進行處理，必須采用分(fēn)布式架構。它的特色在于對海量數據進行分(fēn)布式數據挖掘。但它必須依托雲計算的分(fēn)布式處理、分(fēn)布式數據庫和雲存儲、虛拟化技術。
随着雲時代的來臨，大(dà)數據也吸引了越來越多的關注。大(dà)數據通常用來形容一(yī)個公司創造的大(dà)量非結構化數據和半結構化數據，這些數據在下(xià)載到關系型數據庫用于分(fēn)析時會花費過多時間和金錢。大(dà)數據分(fēn)析常和雲計算聯系到一(yī)起，因爲實時的大(dà)型數據集分(fēn)析需要像MapReduce一(yī)樣的框架來向數十、數百或甚至數千的電腦分(fēn)配工(gōng)作。
大(dà)數據需要特殊的技術，以有效地處理大(dà)量的容忍經過時間内的數據。适用于大(dà)數據的技術，包括大(dà)規模并行處理（MPP）數據庫、數據挖掘、分(fēn)布式文件系統、分(fēn)布式數據庫、雲計算平台、互聯網和可擴展的存儲系統。
數據采集：實現将異構數據從系統外(wài)部采集并傳輸到大(dà)數據平台的過程，包括數據爬取、提取、清洗、轉換和裝載等，保證數據獲取和驗證數據的有效性。
數據存儲與分(fēn)析：負責海量多态數據的存儲及處理，以混搭架構模式實現多種數據存儲策略；對經過存儲和處理後的數據進行分(fēn)析，主要包括自然語言處理、數據統計分(fēn)析以及數據挖掘。
數據服務：将屏蔽底層針對各類數據服務需求的數據處理過程，将加工(gōng)後的數據、應用等通過集中(zhōng)的數據服務提供功能，爲外(wài)部合作夥伴提供數據服務能力，簡化數據共享邏輯，集約化數據分(fēn)析能力。
數據應用：通過固定報表、多維分(fēn)析等方式展現數據，對内支撐企業管理分(fēn)析、經營分(fēn)析、服務分(fēn)析、銷售分(fēn)析及産品開(kāi)發；對外(wài)支撐産品化的數據服務以及數據提供。
數據管控：實現數據全生(shēng)命周期管理，提升企業數據标準、數據質量、數據安全、元數據管理等基礎數據管控能力。
大(dà)數據的價值體(tǐ)現
（1）對大(dà)量消費者提供産品或服務的企業可以利用大(dà)數據進行精準營銷；
（2）做小(xiǎo)而美模式的中(zhōng)小(xiǎo)微企業可以利用大(dà)數據做服務轉型；
（3）面臨互聯網壓力之下(xià)必須轉型的傳統企業需要與時俱進充分(fēn)利用大(dà)數據的價值。
不過，“大(dà)數據”在經濟發展中(zhōng)的巨大(dà)意義并不代表其能取代一(yī)切對于社會問題的理性思考，科學發展的邏輯不能被湮沒在海量數據中(zhōng)。著名經濟學家路德維希·馮·米塞斯曾提醒過：“就今日言，有很多人忙碌于資(zī)料之無益累積，以緻對問題之說明與解決，喪失了其對特殊的經濟意義的了解。”這确實是需要警惕的。
在這個快速發展的智能硬件時代，困擾應用開(kāi)發者的一(yī)個重要問題就是如何在功率、覆蓋範圍、傳輸速率和成本之間找到那個微妙的平衡點。企業組織利用相關數據和分(fēn)析可以幫助它們降低成本、提高效率、開(kāi)發新産品、做出更明智的業務決策等等。例如，通過結合大(dà)數據和高性能的分(fēn)析，下(xià)面這些對企業有益的情況都可能會發生(shēng)：
（1）及時解析故障、問題和缺陷的根源，每年可能爲企業節省數十億元。
（2）爲成千上萬的快遞車(chē)輛規劃實時交通路線，躲避擁堵。
（3）分(fēn)析所有SKU，以利潤最大(dà)化爲目标來定價和清理庫存。
（4）根據客戶的購買習慣，爲其推送他可能感興趣的優惠信息。
（5）從大(dà)量客戶中(zhōng)快速識别出金牌客戶。
（6）使用點擊流分(fēn)析和數據挖掘來規避欺詐行爲。