2011年麦肯锡大数据
大数据与云计算的关系及其对通信行业的影响解析
大数据与云计算的关系及其对通信行业的影响以 2011年 5月麦肯锡发布《大数据的下一个前沿：创新、竞争和生产力》为起点，大数据概念开始持续发酵. 2012年，大数据从技术圈进入主流市场,得到许多国家、社会组织和企业的看好和广泛应用. 2012年 1月, 达沃斯世界经济论坛发布了一份题为《大数据, 大影响》 (Big Data， Big Impact的报告， 3月,美国政府发布《大数据开发倡议》 ,之后英国、日本、德国、加拿大等国纷纷效仿，推出与大数据应用相关的战略研究,自此一场关于“大数据" 的战略争夺已经拉开战幕……那么，到底什么是大数据?它与云计算是什么关系? 对通信行业又意味着什么呢?一、认识大数据1.大数据的含义与特征地球上的煤炭、石油、天然气等自然资源在消耗中不断减少, 面临枯竭; 而数据随着应用的不断创新, 在使用中生长和丰富。
大数据的出现，就是数据的快速增长带来质的变化的结果。
对于大数据还没有一个正式的定义，目前最为普遍的定义就是“用传统方法或工具不能处理或分析的数据" .大数据具有大量、速度快和多样性三大特征,这些特征是传统数据处理方法和工具所无法胜任的.大量 (V olume 是指数据量非常庞大, 主要体现在数据存储量大和计算量大. 根据 IDC 《数字宇宙膨胀:到 2010年全球信息增长预测》中统计的数据， 2006年全球每年制造、复制出的数字信息量共计 16。
1万 PB , 当年信息产生量大约是历史上图书信息总量的 3000倍; 至 2010年，数字信息总量达 98.8万 PB 。
专家指出，2020年年度数据将增加 43倍.因此，大数据中的数据不再以几个 GB 或几个 TB 为单位来衡量，而是以 PB （1千个 T 、 EB (1百万个 T 或 ZB (10亿个 T 为计量单位.速度 (Velocity 一方面是指数据在不断更新，增长的速度快，另一方面是指数据存储、传输等处理速度很快。
大数据概念最初起源于美国
大数据概念最初起源于美国，是由思科、威睿、甲骨文、IBM 等公司倡议发展起来的。
大约从2009年始，“大数据”成为互联网信息技术行业的流行词汇。
事实上，大数据产业是指建立在对互联网、物联网、云计算等渠道广泛、大量数据资源收集基础上的数据存储、价值提炼、智能处理和分发的信息服务业，大数据企业大多致力于让所有用户几乎能够从任何数据中获得可转换为业务执行的洞察力，包括之前隐藏在非结构化数据中的洞察力。
最早提出“大数据时代已经到来”的机构是全球知名咨询公司麦肯锡。
2011 年，麦肯锡在题为《海量数据，创新、竞争和提高生成率的下一个新领域》的研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。
大数据是一个不断演变的概念，当前的兴起，是因为从IT技术到数据积累，都已经发生重大变化。
仅仅数年时间，大数据就从大型互联网公司高管嘴里的专业术语，演变成决定我们未来数字生活方式的重大技术命题。
2012年，联合国发表大数据政务白皮书《大数据促发展：挑战与机遇》；EMC、IBM、Oracle 等跨国IT 巨头纷纷发布大数据战略及产品；几乎所有世界级的互联网企业，都将业务触角延伸至大数据产业；无论社交平台逐鹿、电商价格大战还是门户网站竞争，都有它的影子；美国政府投资2亿美元启动“大数据研究和发展计划”，更将大数据上升到国家战略层面。
2013年，大数据正由技术热词变成一股社会浪潮，将影响社会生活的方方面面。
关于“大数据”概念产生的来龙去脉1.“大数据”的名称来自于未来学家托夫勒所著的《第三次浪潮》尽管“大数据”这个词直到最近才受到人们的高度关注，但早在1980年，著名未来学家托夫勒在其所著的《第三次浪潮》中就热情地将“大数据”称颂为“第三次浪潮的华彩乐章”。
《自然》杂志在2008年9月推出了名为“大数据”的封面专栏。
从2009年开始“大数据”才成为互联网技术行业中的热门词汇。
大数据与营销案例
在休闲零食行业， 按照地域、年龄、 性别的不同，解码 消费者的口味、偏 好、购买习惯，是 通用打法。但在良 品铺子看来，这只 是“Level1”。
除了基础的客户属性，良品铺 子电商将数据维度延展至顾客 的收藏、加购、浏览等行为。 这些行为意味着潜在的购买 力。举个例子，当顾客将一款 产品加入收藏夹，却迟迟不下 单，可能是在价格上犹豫，此 时，系统推送一张优惠券，就 有可能帮他们下了决心。这 是”Level2”。
大数据的意义
因此，“用数据说话”、“让数据发声”，已成为人类认知世 界的一种全新方法。”
规模性Volume 多样性Variety 价值性Value 高速性Velocity
2016年，脉动通过支付宝口碑 的“支付即会员“ 服务，让脉 动在短短的5天内销量提升了 3.45 倍。 不仅如此，每笔销 售的背后能够沉淀品牌会员， 让品牌能够使用会员数据，更 了解自己的用户。同时，支付 宝口碑更向品牌商提供了一个 获取精准即时数据报告的渠 道，让品牌商第一次体验到了 互联网的线下零售魅力。
在支付即会员里，口碑可 以在支付宝支付时将顾客 沉淀为商家会员。商家通 过数据分析可以知道顾客 群整体的年龄分布、消费 习惯和购买能力分布。在 此基础上，商家就可以针 对不同顾客群进行精准的 会员营销。
精准择时 精物兼体验中心的朝阳大悦城， 通过“布局大数据”分析顾客购 买行为、商家销售行为总结并推 导出零售商业演变规律，以此提 升购物体验和销售业绩。2012年 销售额近15亿元，同比增长40%， 开业不足三年便实现了盈利，其 经营模式受到业界普遍关注。
通过对车流数据的采集分析和 数据监测，朝阳大悦城发现平 均每部车带来的消费客单超过 700元，商场销售额的变化与车 流变化幅度有将近92%的相关 度。
第1章 大数据介绍
非结构化数据
另一类称为非结构化数据，是指数据结构不规则或不完整，甚至没有预定义的
文本数据比结构化数据要占用更多的内存，比如“hello！”这样一个简单的 单词，计算机用二进制表示出来，会看到一长串数字。那么可想而知，大量的 文本将占用更多的存储空间，表示起来也更加复杂。
图像是另一种非结构化数据。一张标有数字8的图像，大家看到它可能会想到 马路上各种各样的广告牌和数字显示LED屏。这个图像是由很多小方格组成的， 小方格被称为像素点。
（2）非结构化数据常指不规则或不完整的数据，包括所有格式的办公文档、 XML、HTML、各类报表、图片、图像以及咅频、视频信息等。企业中80%的数 据都是非结构化数据，这些数据每年都按指数增长60%。相对于以往便于存储的
语音是第三种非结构化数据形式。例如人说话的声音、唱歌，都是由于空气 震动而产生的声波。除了空气以外，在固体和液体中声音也是可以传播的。
第四类非结构化数据是视频，它是由一系列的静态影像与声音组合而成的。 视频按照一定的刷新频率进行刷新和播放，利用了人眼的视觉暂留原理，当播 放的速率超过每秒24帧以上时，可以给人一种平滑连续变化的动态视觉效果。
“大数据”一词在1980年未来学家阿尔文·托夫勒著的《第三次浪潮》书中将 “大数据”称为“第三次浪潮的华彩乐章”。
1997年美国宇航局研究员迈克尔·考克斯和大卫·埃尔斯沃斯首次使用“大数据” 这一术语来描述20世纪90年代的挑战。
2007–2008年随着社交网络的激增，技术博客和专业人士为“大数据” 概念注 入新的生机。
将大数据提升为国家战略
将大数据提升为国家战略作者：***来源：《中国经济报告》2014年第01期在信息社会，随着社交网站、微博、微信等互联网应用不断加快，海量数据正在行政管理、生产经营、商务活动等众多领域不断产生、积累、变化和发展，大数据由此也从概念走向实践。
数据资源正和土地、劳动力、资本等生产要素一样，成为促进经济增长的基本要素。
大数据引领新经济革命浪潮2010年，美国总统科学技术顾问委员会呈给奥巴马总统和国会的报告——《规划数字化的未来》是全球首次在政府层面将大数据作为国家战略的里程碑事件。
2011年5月，全球知名咨询公司麦肯锡全球研究院发布了一份题为《大数据：创新、竞争和生产力的下一个新领域》的报告。
该报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素，人们对于海量数据的运用将预示着新一波生产率增长浪潮的到来。
大数据即将带来一场颠覆性的革命，它将推动社会生产取得全面进步，助推医疗、零售业、制造业、金融、能源等各行各业产生根本性变革。
大数据在临床诊断、研发、付款和定价、新运营模式等方面发挥了显著效果；零售行业中，在市场分析、销售规划、运营以及供应链等方面利用大数据进行分析优化；制造业中，大数据可以有助于了解客户的需求，全面提升产品设计、研发和销售等；金融行业中，大数据发挥处理海量数据时快速、准确的优势，在较短的时间内构建准确的、实时的、贴切市场需求的模型；能源行业中，随着传感器的广泛引入，大数据对传感器创造的海量数据进行快速、及时地分析。
中国发展大数据的现实意义1.大数据有助于破解中国社会转型中的难题。
中国经济已进入转型期，社会进入矛盾凸显期，改革进入攻坚期，增长进入换档期。
宏观经济形势错综复杂、各种社会改革盘根错节、群体性事件频发等突出问题，仅仅依靠现有的管理手段与方法已明显落后。
大数据能高效处理瞬息万变的海量信息，能有效破解转型中的社会难题。
比如，2008年马云利用淘宝网的海量数据早半年成功地预测到了金融危机，大数据可以提高宏观经济预测的准确性。
大数据：技术与应用实践指南
赵刚 博士 北京赛智时代信息技术咨询有限公司（CIOManage ） 总经理
作者简介
赵刚，博士。北京赛智时代信息技术咨询有限公司创始人。 历任国内著名信息化咨询公司赛迪顾问股份有限公司高级副总裁、首 席信息化咨询顾问，国内计算机系统集成一级资质企业北京赛迪时代 信息产业股份有限公司总经理、首席架构师，2012年获得中国电子 信息产业发展研究院十大“赛迪学者”称号，兼任中国信息化推进联 盟专家、中国电子学会高级会员。 近2年，主持和参与过的信息化咨询和集成项目有：国家新 一代信息技术应用战略研究、亚太地区智慧城市指标体系研究、中国 －欧盟信息社会研究、天津市智慧城市规划、国土资源部分布式国土 资源信息共享服务平台、国家图书馆文津馆智能搜索集群平台、公安 部虚拟化数据平台、中海油企业级数据中心和灾备中心规划、国药集 团私有云计算平台规划、北京市物联网应用示范项目初步设计、鄂尔 多斯市人口基础数据库建设等。 在信息化领域耕耘10余年，服务的政府、企业客户超过100 家，发表文章若干篇，著有专著《IT管理体系－战略、管理和服务》， 参与编写《智慧城市：规划、建设和评估》、《信息化基本知识》、 《信息系统审计》等。
社交网络等多方面应用。指出大
数据对于联合国和各国政府来说 是一个历史性的机遇，联合国还
探讨了如何利用包括社交网络在
内大数据资源造福人类。
/sites/default/files/BigDataforDevelopment-GlobalPulseMay2012.pdf
1. Volume 2. Variety
数据量巨大
全球在2010 年正式进入ZB 时代， IDC预计到2020 年，全球将总共拥有 35ZB 的数据量。
大数据是重要生产力
大数据是重要生产力在互联网经济时代，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力。
信息经济阶段将迎来大数据时代，数据的收集、挖掘、连接、分析和运用，成为国家综合竞争力的新标志。
■欧阳日辉5月26日在贵阳开幕的国际大数据产业博览会，把已经火了很久的大数据及其产业推向一个新高潮，成为继“互联网+”之后社会各界热议的话题。
李克强总理专门为大会发去贺信，提出“数据是基础性资源，也是重要生产力”的重要论断，强调中国“发展大数据产业空间无限”。
那么，为什么数据会成为重要生产力？大数据到底如何改变我们的生活？其未来在哪里？数据是基础性资源，也是重要生产力数据是基础性资源。
伴随着多媒体、社会媒体以及物联网的发展，大数据规模及其存储容量正在呈指数级增长。
“大数据”包括以公众互联网、社交媒体、政府数据库、地理空间数据、电子商务等方式形成的商业数据库、电子文献、各类调查以及其他富有洞察力和具有即时性的数据源。
据国际数据资讯公司统计，2013年全球产生的数据达到3.5ZB，到2020年产生的数量将增至44ZB，超出存储空间6ZB（1ZB相当于343.6亿部32GB智能手机的存储容量）。
数据已经成为可以与土地、资金、物质资产和人力资本相提并论的重要基础性资源，可以提高企业和公共部门的生产率和竞争力，并大幅提高消费者福利。
2011年麦肯锡的研究显示，充分利用大数据的零售商能够将营业利润率提高60%以上；如果欧洲发达国家政府行政管理利用大数据，将节省至少1000亿欧元的成本，而利用个人位置数据提供的服务，将可以创造6000亿美元的消费者经济剩余。
数据是战略性资源。
人类文明经历农业经济和工业经济之后，将进入一种新的社会经济发展形态——互联网经济。
当前，“互联网+”就是依托移动互联网、云计算、大数据、物联网等信息网络技术的渗透和扩散，以信息互联互通和信息能源的开发利用为核心，促进信息网络技术与传统产业的深度融合，优化重组设计、生产、流通、消费全过程，创新生产方式和企业组织形式，推动传统产业转型升级和经济发展方式转变。
大数据--下一个创新、竞争和生产力的前沿
低I类型（误报）和II
类型（假阴性）错误
的可能性。
从一组训练数据集推
断一个函数或关系的
分类和支持向量机。
机器学习技术。
用于找到未标记数据 中的隐形结构的机器 学习技术。
聚类分析属于无监督 式学习。
‐ 10 ‐
名称
定义
示例
备注
模拟
例如，蒙特卡罗模拟，
为复杂系统的行为建 估计不同措施在不确 是一类依赖重复随机
成一系列的趋势，季
系列的时间序列值来 预测未来的模型。
预测销售规模或传染 性病人就诊的数量。
节性和剩余组件，可 以用于识别数据的周
这些技术被经常描述 为监督式学习，因为
上，识别新的数据点 属于哪种类别的一组
测（例如购买决策、流 失率、消费率等），有 一个明确的假设或客
有一个训练集的存 在，他们与聚类分析
技术。
观的结果。
形成对比，聚类分析 是一类无监督学习。
数据聚类
划分对象的统计学方
法，将不同的集群划 分成有相似属性的小 群体，而这些相似属
（三）现有趋势将继续推动数据增长 在各部门和地区之间，企业正在加快收集数据的步 伐，推动了传统的事务数据库的增长；医疗卫生等面向消 费者的行业中，多媒体的广泛使用刺激了大数据的持续扩 张；社交媒体的广泛普及以及物联网中应用的不断创新都 进一步推动了大数据不断增长……这些相互交叉的动力 刺激了数据的增长，并将继续推动数据池的迅速扩张。
网 络与 不同的 地理 位 址或纬度/经度坐标。
置结合起来）。
统计技术经常用于判
断变量之间发生关系
的概率（“零假设”），
收集、组织和说明数 据的科学，包括设计
通过A/B测试判断哪种 类型的营销材料会最
商业银行应用大数据优化经营管理相关问题分析
商业银行应用大数据优化经营管理相关问题分析①摘要：银行业已步入大数据的初级阶段，对数据的分析和利用能力将逐步成为商业银行的核心竞争力之一。
大数据在商业银行经营管理中的运用全面涵盖客户营销、产品创新和精细化管理等领域。
商业银行在利用大数据优化经营管理方面，对于数据分析的思维，数据的存储，数据的分析技术和人才储备等方面仍然存在一定的问题，需要及时改进以提高数据分析运用的成效，并最终进一步提高商业银行的经营管理水平。
关键词：商业银行；大数据；经营管理随着信息技术、存储技术的进步，人类社会已步入大数据时代。
大数据的发展趋势不可逆转，数据是重要资产的理念已基本在社会各界达成共识，通过大数据分析发现事物的内部规律并以此服务于经营管理，将成为商业银行的核心竞争力之一。
对此，商业银行有必要认真研究大数据给银行业经营管理所带来的变化，大数据在银行业经营管理中运用的领域，分析目前利用大数据所存在的问题并采取积极的应对措施，从而获得更好的发展。
基于以上考虑，本文主要分析讨论大数据对商业银行经营管理的相关影响，并提出商业银行在大数据时代优化经营管理的相关建议。
一、大数据的内涵及特点2011年5月，麦肯锡首次提出大数据（柴洪峰，2013）。
一般认为，大数据就是规模巨大、结构复杂，采用传统数据处理方法无法很好地在合理的时间和成本范围内进行存储和处理的数据。
大数据的产生主要源于数据的爆发式增长，其核心理念是一切皆可数据化。
国际数据公司（IDC）将大数据的特点归纳为4V，即数据规模大(volume)，数据量通常都是PB（1PB=250字节）级别的；数据类型多(variety)，既包括结构化数据，也包括半结构化和非结构化数据；数据增长快(velocity)，数据量较大且增速快，需要有较高的数据处理技术及时处理；数据价值大(value)，虽然数据的①原文发表于《南方金融》，2014年第5期，第92-95、26页。
价值密度较低，特别是非结构化数据，但通过大数据分析可以发现极具价值的信息（周林，2012）。
高校图书馆大数据应用的SWOT分析与对策研究
高校图书馆大数据应用的SWOT分析与对策研究作者：李寅来源：《河南图书馆学刊》 2017年第11期1 高校图书馆大数据应用概况2011年5月，麦肯锡首次提出“大数据”的概念。
2012年3月，美国奥巴马政府推出的“大数据的研究和发展计划”掀起了大数据应用和研究的热潮。
英国哈德斯菲尔德大学图书馆、澳大利亚卧龙岗大学图书馆、美国哈佛大学图书馆等高校图书馆先后对大数据展开了深浅不一、角度各异的尝试和探索。
我国的清华大学图书馆、复旦大学图书馆、厦门大学图书馆等高校图书馆也开始关注并应用大数据开展服务。
2 高校图书馆大数据应用的SWOT分析2.1优势2.1.1 初具大数据特征。
当前，大数据虽无统一、标准的定义，却具有公认的“4V”特征：①数据(Vol-ume)规模大。
高校图书馆的新购纸质文献、新增数据库及各类音视频数据、传感器数据、交互数据、体验数据等数据量激增，以TB甚至PB为单位。
②数据类型( Variety)多。
随着微博、微信、博客等社交平台的广泛应用，半结构化、非结构化数据日益增多，高校图书馆的数据类型已由单一的结构化数据向全数据转化。
③时效性( Velocity)强。
专家、学者、教师及学生借助社交网络交流时迸发的某些新思想或新观点可能对学科发展具有重要意义，若不及时处理就会失去价值。
④价值密度( Value)低。
智能手机、平板电脑等移动终端的普及在方便图书馆与用户、用户与用户交流的同时，也会导致数据急剧增长，从而使真正有价值的数据被海量、无用、甚至是错误的数据淹没。
2.1.2 良好的基础条件。
随着我国高等教育事业的快速发展及“985工程”“211工程”、本科教学评估等项目的不断推进，高校图书馆初步具备大数据应用所需的人才、设备及技术。
大数据与移动互联网、物联网、云计算等技术密切相关，而这些技术在高校图书馆早已被广泛应用。
如：2003年，北京理T大学图书馆开通了移动图书馆服务；2006年，集美大学诚毅学院图书馆建设了国内首家“RFID智能馆藏系统”并投入运行；2010年，中国高等教育文献保障系统( CALIS)构建的分布式的数字图书馆云服务平台投入使用。
【独家原文翻译56页版】麦肯锡大数据：创新、竞争和生产力的下一个前沿(原文翻译)
大数据：创新、竞争和生产力的下一个前沿（原文翻译）麦肯锡在2011年5月发布了一个关于大数据方面的报告：《Big data: The next frontier for innovation, competition, and productivity》，虽然是6年前的报告，但是今天读来，还是非常用指导意义。
报告分为两个版本，一个是概要版20页，一个是完整版156页。
正好最近看了一遍概要版，觉得收益甚大。
所以试着翻译一下，仅供参考。
标题：Big data: The next frontier for innovation, competition, and productivity译文：大数据：创新、竞争和生产力的下一个前沿第二页是关于MGI（麦肯锡全球研究院）的介绍，就不翻译了。
略。
Data have become a torrent flowing into every area of the global economy. 1 Companies churn out a burgeoning volume of transactional data, capturing trillions of bytes of information about their customers, suppliers, and operations. millions of networked sensors are being embedded in the physical world in devices such as mobile phones, smart energy meters, automobiles, and industrial machines that sense, create, and communicate data in the age of the Internet of Things. 2 Indeed, as companies and organizations go about their business and interact with individuals, they are generating a tremendous amount of digital“exhaust data,”i.e., data that are created as a by-product of other activities. Social media sites, smartphones, and other consumer devices including PCs and laptops have allowed billions of individuals around the world to contribute to the amount of big data available. And the growing volume of multimedia content has played a major role in the exponential growth in the amount of big data (see Box 1, “What do we mean by ‘big data’?”). Each second of high-definition video, for example, generates more than 2,000 times as many bytes as required to store a single page of text. In a digitized world, consumers going about their day—communicating, browsing, buying, sharing, searching—create their own enormous trails of data.译文：数据已成为流入全球经济各个领域的激流。
大数据的经济学研究文献综述
大数据的经济学研究文献综述学院:金融学院班级：13金融学硕姓名：熊美兰摘要:本文从传媒经济本体研究、产业经济学视角下的传媒经济研究、传媒经济研究工具的创新等方面来管窥近年来该领域的主要关注点以及新趋势和新突破,同时关注传媒经济学科体系研究的最新发展。
本年度传媒经济研究主题较为集中，主要是探讨传媒产业的数字化生存、全媒体转型策略与路径。
演化经济学、制度经济学、计算机和通信技术等视角和方法的引人,更加凸显了传媒经济学“跨学科”和“融合”的特征。
关键字:全媒体；三网联合；大数据；云计算;传媒经济学一、引言2012年,Tｗitter上每天发布超过4亿条微博，Ｆacebｏｏk上每天更新的照片超过1０00万张，Fareｃasｔ公司用将近10万亿条价格记录来预测机票价格,准确率高达７5％,采用该系统购票,平均每张机票可节省５０美元Ｇartner 预测未来5年全球大数据将会增加8倍，其中８0%是非结构化数据2０1３年世界上存储的数据将达到1.2ZB（1ZB＝1024ＥB,１EB=1024PB,1PB=1024TB,1TB=1024GＢ),如果将这些数据刻录到ＣDＲ只读光盘上,并堆起来，其高度将是地球到月球距离的５倍2０11年,麦肯锡公司对全世界大数据的分布作了一个研究和统计,中国２０10年新增的数据量约为250PB，而欧洲约为20００PB，美国约为3500ＰB,大数据已经深深地充斥了人类经济社会的许多角落。
著名未来学家阿尔文托夫勒(１980)［1]很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为第三次浪潮的华彩乐章，但是大数据成为高频词是最近一两年的事情。
随着社交网络“物联网”云计算的兴起，数据规模越来越大，2011年5月,全球知名咨询公司麦肯锡(Ｍckinsey aｎｄCｏmpaｎy)发布了《大数据: 创新、竞争和生产力的下一个前沿领域》[2]报告,标志着“大数据”时代的到来，指出数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素; 而人们对于海量数据的运用,将预示着新一波生产率增长和消费者盈余浪潮的到来，２0１2年世界经济论坛发布了《大数据、大影响》[3]的报告,从金融服务、健康教育农业、医疗等多个领域阐述了大数据给世界经济社会发展带来的机会。
智慧树知到《大数据工具应用》章节测试答案
绗竴绔?1銆?011骞撮害鑲敗鐮旂┒闄㈡彁鍑虹殑澶ф暟鎹畾涔夋槸锛氬ぇ鏁版嵁鏄寚鍏跺ぇ灏忚秴鍑轰簡甯歌鏁版嵁搴撳伐鍏疯幏鍙栥€佸偍瀛樸€佺鐞嗗拰锛? 锛夎兘鍔涚殑鏁版嵁闆嗐€?A:璁＄畻B:璁块棶C:搴旂敤D:鍒嗘瀽绛旀: 鍒嗘瀽2銆佺敤4V鏉ユ鎷ぇ鏁版嵁鐨勭壒鐐圭殑璇濓紝涓€鑸槸鎸囷細Value銆乂elocity 銆乂olume鍜岋紙锛夈€?A:VarietyB:VainlyC:VagaryD:Valley绛旀: Variety3銆佸ぇ鏁版嵁鍒嗘瀽鍥涗釜鏂归潰鐨勫伐浣滀富瑕佹槸锛氭暟鎹垎绫汇€侊紙锛夈€佸叧鑱旇鍒欐寲鎺樺拰鏃堕棿搴忓垪棰勬祴銆?A:鏁版嵁缁熻B:鏁版嵁璁＄畻C:鏁版嵁鑱氱被D:鏁版嵁娓呮礂绛旀: 鏁版嵁鑱氱被4銆佹柊娴拰浜笢鑱斿悎鎺ㄥ嚭鐨勫ぇ鏁版嵁鍟嗗搧鎺ㄨ崘锛屾槸鐢变含涓滅洸鐩帹閫佸埌褰撳墠娴忚鏂版氮缃戠珯鐨勭敤鎴风殑椤甸潰涓婄殑銆?A:瀵?B:閿?绛旀: 閿?5銆佺洰鍓嶇殑澶ф暟鎹鐞嗘妧鏈彧鑳藉鐞嗙粨鏋勫寲鏁版嵁銆?A:瀵?B:閿?绛旀: 閿?绗簩绔?1銆佹垜浠父鐢ㄧ殑寰蒋Office濂椾欢涓殑Access鏁版嵁搴撹蒋浠剁殑鏁版嵁搴撴枃浠舵牸寮忓悗缂€鍚嶆槸锛? 锛夈€?A:mdfB:mdbC:dbfD:xls绛旀: mdb2銆佸ぇ澶氭暟鏃ュ織鏂囦欢鐨勫悗缂€鍚嶆槸锛? 锛夈€?A:txtB:csvC:xmlD:log绛旀: log3銆佹湰璇剧▼閲嶇偣浠嬬粛鐨剋eka杞欢鐨勪笓鏈夋枃浠舵牸寮忔槸锛? 锛夈€?A:MongoDBB:ARFFC:valueD:key map绛旀: ARFF4銆佹暟鎹竻娲楀伐浣滅殑鐩殑涓昏鏄瑙ｅ喅鏁版嵁鐨勫畬鏁存€с€佸敮涓€鎬с€佸悎娉曟€у拰锛? 锛夈€?A:涓撲笟鎬?B:鎺掍粬鎬?C:涓€鑷存€?D:鍏变韩鎬?绛旀: 涓€鑷存€?5銆佸叓鐖奔杞欢鐨勨€滆嚜瀹氫箟閲囬泦鈥濆伐浣滄柟寮忎笅锛岄渶瑕佸湪杞欢閲岃緭鍏ヤ竴涓紙锛夋潵浣滀负閲囬泦鐨勭洰鏍囥€?A:鐢佃瘽鍙风爜B:鍏抽敭璇?C:缃戦〉鍦板潃D:鐢ㄦ埛鍚?绛旀: 缃戦〉鍦板潃6銆佸叓鐖奔杞欢鐨勯噰闆嗚鍒欏彲浠ラ€氳繃鏂囦欢鐨勫舰寮忔潵瀵煎叆鎴栬€呭鍑猴紝杩欑鏂囦欢鐨勫悗缂€鍚嶆槸锛? 锛夈€?A:otdB:jpgC:pngD:gif绛旀: otd7銆丒xcel鍙互閫氳繃鈥滄暟鎹湁鏁堟€р€濇寜閽搷浣滄潵瑙勮寖鏁版嵁杈撳叆鐨勮寖鍥淬€?A:瀵?B:閿?绛旀: 瀵?8銆丒xcel涓嶈兘瀵煎叆txt鎴朿sv鏍煎紡鐨勬枃浠躲€?A:瀵?B:閿?绛旀: 閿?9銆佸叓鐖奔杞欢鍙兘瀵硅蒋浠跺唴寤轰簡鈥滅畝鏄撻噰闆嗏€濊鍒欑殑缃戠珯閲囬泦鏁版嵁銆?A:瀵?B:閿?绛旀: 閿?10銆佸叓鐖奔杞欢杩涜鑷畾涔夐噰闆嗘椂锛岄渶瑕佷簡瑙ｅ缃戦〉鐨勯〉闈㈢粨鏋勩€?A:瀵?B:閿?绛旀: 瀵?绗笁绔?1銆佷娇鐢―BSCAN绠楁硶瀵归涪灏捐姳鏁版嵁闆嗭紙Iris.arff锛夎繘琛岃仛绫伙紝灏唀psilon鍙傛暟璁剧疆涓?.2锛? minPoints鍙傛暟璁剧疆涓?锛屽拷鐣lass灞炴€э紝閭ｄ箞灏嗗舰鎴愶紙锛変釜绨囥€?A: 1B: 2C: 3D: 4绛旀: 32銆佷娇鐢‥M绠楁硶瀵瑰ぉ姘旀暟鎹泦锛坵eather.numeric.arff锛夎繘琛岃仛绫伙紝灏唍umClusters璁剧疆涓?锛屽嵆绨囨暟涓?锛屽叾浠栧弬鏁颁繚鎸侀粯璁ゅ€硷紝蹇界暐class灞炴€э紝浠庣粨鏋滀腑鍙煡锛屼笅鍒楅€夐」涓紝锛? 锛夋槸閿欒鐨勩€?A: 妯″瀷鐨勬渶澶т技鐒朵及璁″€兼槸-7.18B: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠?5娆?C: 绗洓涓皣鐨勫厛楠屾鐜囨槸0.14D: 绗洓涓皣鐨勫疄渚嬫暟涓?绛旀: 绗洓涓皣鐨勫疄渚嬫暟涓?3銆佷娇鐢⊿impleKMeans绠楁硶瀵瑰ぉ姘旀暟鎹泦锛坵eather.numeric.arff锛夎繘琛岃仛绫伙紝淇濇寔榛樿鍙傛暟锛屽嵆3涓皣浠ュ強娆ф皬璺濈銆傞€夋嫨play灞炴€т负蹇界暐灞炴€э紝浠庣粨鏋滀腑鍙煡锛屼笅鍒楅€夐」涓紝锛? 锛夋槸閿欒銆?A: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠ｅ洓娆?B: 浜х敓浜嗕笁涓腑蹇冪偣C: 鑱氬悎涓?涓皣锛屽垎鍒湁7锛?锛?涓疄渚?D: 骞虫柟鍜岃宸负8.928绛旀: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠ｅ洓娆?4銆佷娇鐢ㄧ嚎鎬у洖褰掞紙LinearRegression锛夊垎绫诲櫒鍜岀敤M5P鍒嗙被鍣ㄥcpu.arff鍒嗗埆杩涜鍒嗙被锛岀敱鍏惰緭鍑虹殑璇樊鎸囨爣鍙煡锛? 锛夈€?A: LinearRegression鐨勬爣鍑嗚宸瘮M5P鐨勬爣鍑嗚宸皬B: LinearRegression鐨勫钩鍧囩粷瀵硅宸瘮M5P鐨勫钩鍧囩粷瀵硅宸皬C: LinearRegression鐨勭浉瀵硅宸瘮M5P鐨勭浉瀵硅宸皬D: LinearRegression鐨勫钩鍧囨柟鏍硅宸瘮M5P鐨勫钩鍧囨柟鏍硅宸ぇ绛旀: LinearRegression鐨勫钩鍧囨柟鏍硅宸瘮M5P鐨勫钩鍧囨柟鏍硅宸ぇ5銆佸垹鍘籧pu.arff鏁版嵁鏂囦欢涓殑CACH灞炴€у悗锛屼娇鐢∕5P鍒嗙被鍣ㄦ瀯寤烘柟妗堬紝鍦ㄧ粨鏋滀腑锛屽埌杈綥M2鐨勫疄渚嬫暟鏈夛紙锛変釜銆?A: 165B: 21C: 23D: 30绛旀: 216銆佹牴鎹甁48鍒嗙被鍣ㄨ缁僿eather.nominal.arff鎵€鐢熶骇鐨勫喅绛栨爲锛屽綋outlook=sunny锛泃emperature=cool锛沨umidity =high锛泈indy=TRUE鏃讹紝鍒嗙被鐨勭粨鏋滄槸锛?锛夈€?A: YesB: NoC: 娌℃湁缁撴灉D: 鏃犳硶鍒嗙被绛旀: No7銆佹牴鎹甁48鍒嗙被鍣ㄨ缁僫ris.arff鎵€鐢熶骇鐨勫喅绛栨爲锛屽綋sepallength=4.4锛泂epalwidth=3.0锛沺etallength=1.3锛沺etalwidth=0.2鏃讹紝鍒嗙被鐨勭粨鏋滄槸锛? 锛夈€?A: Iris-setosaB: Iris-versicolorC: Iris-virginicaD: 鏃犳硶鍒嗙被绛旀: Iris-setosa8銆佸叧浜嶹eka绂绘暎鍖栬鏄庢纭殑鏄紙锛夈€?A: 绂绘暎鍖栨槸灏嗘暟鍊煎睘鎬ц浆鎹负瀛楃涓插瀷灞炴€?B: 鏈夌洃鐫ｇ鏁ｅ寲鏈変袱绉嶇瓑瀹藉拰绛夐鏂规硶C: 绛夊绂绘暎鍖栨槸浣垮疄渚嬪垎甯冨潎鍖€鐨?D: 绂绘暎鍖栧寘鎷棤鐩戠潱绂绘暎鍖栧拰鏈夌洃鐫ｇ鏁ｅ寲绛旀: 绂绘暎鍖栧寘鎷棤鐩戠潱绂绘暎鍖栧拰鏈夌洃鐫ｇ鏁ｅ寲9銆佷互涓嬶紙锛変笉鏄疻eka鐨勬暟鎹被鍨嬨€?A: numericB: nominalC: stringD: decimal绛旀: decimal10銆佸叧浜嶹eka鐨勬枃浠剁被鍨嬫弿杩伴敊璇殑鏄紙锛夈€?A: Weka鍙互鎵撳紑鏂囦欢鏍煎紡鏈?arff銆?csv銆?xlsxB: Weka澶勭悊鐨勬暟鎹泦绫讳技浜庡叧绯绘暟鎹簱妯瀹炰緥锛岀珫琛屽睘鎬?C: arff鏄疉SCII鏂囦欢锛屽彲浠ョ敤Word绛夋枃鏈紪杈戝櫒鎵撳紑鏌ョ湅D: @relation 瀹氫箟鏁版嵁闆嗗悕绉帮紝@data涔嬪悗鍛堢幇瀹炰緥锛屾瘡涓€琛屽氨鏄竴涓疄渚?绛旀: Weka鍙互鎵撳紑鏂囦欢鏍煎紡鏈?arff銆?csv銆?xlsx11銆佷互涓嬪睘浜庡叧鑱斿垎鏋愮殑鏄紙锛夈€?A: CPU鎬ц兘棰勬祴B: 璐墿绡垎鏋?C: 鑷姩鍒ゆ柇楦㈠熬鑺辩被鍒?D: 鑲＄エ瓒嬪娍寤烘ā绛旀: 璐墿绡垎鏋?12銆佸ぇ鏁版嵁鏃朵唬鐨勫埌鏉ワ紝浣挎垜浠棤娉曚汉涓哄湴鍘诲彂鐜版暟鎹腑鐨勫ゥ濡欙紝涓庢鍚屾椂锛屾垜浠洿搴旇娉ㄩ噸鏁版嵁涓殑鐩稿叧鍏崇郴锛岃€屼笉鏄洜鏋滃叧绯汇€傚叾涓紝鏁版嵁涔嬮棿鐨勭浉鍏冲叧绯诲彲浠ラ€氳繃浠ヤ笅锛? 锛夌畻娉曠洿鎺ユ寲鎺樸€?A: K-meansB: Bayes NetworkC: C4.5D: Apriori绛旀: Apriori13銆佹煇瓒呭競鐮旂┒閿€鍞邯褰曟暟鎹悗鍙戠幇锛屼拱鍟ら厭鐨勪汉寰堝ぇ姒傜巼涔熶細璐拱灏垮竷锛岃繖绉嶅睘浜庢暟鎹寲鎺樼殑锛? 锛夐棶棰樸€?A: 鍏宠仈瑙勫垯鍙戠幇B: 鑱氱被C: 鍒嗙被D: 鑷劧璇█澶勭悊绛旀: 鍏宠仈瑙勫垯鍙戠幇14銆佸湪杩涜鑷姩閫夋嫨灞炴€ф椂锛屽繀椤昏绔嬩袱涓璞★紝鍏朵腑纭畾浣跨敤浠€涔堟柟娉曚负姣忎釜灞炴€у瓙闆嗗垎閰嶄竴涓瘎浼板€肩殑瀵硅薄鏄笅闈㈢殑锛? 锛夈€?A: 鎼滅储鏂规硶B: 灞炴€ц瘎浼板櫒C: 鍏冨垎绫诲櫒D: 瑙勫垯鎸栨帢绛旀: 灞炴€ц瘎浼板櫒15銆佷互涓嬪睘浜庡睘鎬х┖闂寸殑鎼滅储鏂规硶鐨勬槸锛?锛夈€?A: GainRatioAttributeEvalB: BestFirstC: PrincipalComponentsD: SymmetricalUncertAttributeEval绛旀: BestFirst16銆佸湪weka杞欢鎺㈢储鑰呯晫闈腑锛屽埄鐢╒isualize鏍囩椤甸€氳繃鏇存敼鍚勪釜鍙傛暟鏉ヨ繘琛屾暟鎹泦鐨勫彲瑙嗗寲灞炴€ц缃悗锛岄渶瑕佸崟鍑讳互涓嬶紙锛夋寜閽紝鎵€鏈夋洿鏀规墠浼氱敓鏁堛€?A: Select AttributeB: SubSampleC: UpdateD: Fast scrolling绛旀: Update17銆佺粰瀹氬叧鑱旇鍒橝B锛屾剰鍛崇潃锛氳嫢A鍙戠敓锛孊涔熶細鍙戠敓銆?A:瀵?B:閿?绛旀: 閿?18銆佹敮鎸佸害鏄閲忓叧鑱旇鍒欓噸瑕佹€х殑涓€涓寚鏍囥€?A:瀵?B:閿?绛旀: 瀵?19銆丷anker鏂规硶鏃㈠彲浠ョ敤浜庡崟涓睘鎬ц瘎浼板櫒锛屽張鍙互鐢ㄤ簬灞炴€у瓙闆嗚瘎浼板櫒銆?A:瀵?B:閿?绛旀: 閿?20銆佸埄鐢╳eka杞欢杩涜鏁版嵁鍙鍖栨椂锛岀敤鎴峰彲浠ラ€夋嫨绫诲埆灞炴€у鏁版嵁鐐圭潃鑹诧紝濡傛灉绫诲埆灞炴€ф槸鏍囩О鍨嬶紝鍒欐樉绀轰负褰╄壊鏉°€?A:瀵?B:閿?绛旀: 閿?绗洓绔?1銆佽礉鍙舵柉缃戠粶涓殑鑺傜偣浠ｈ〃锛? 锛夈€?A:鍙橀噺B:闅忔満杩囩▼C:闅忔満鍙橀噺D:闅忔満鍑芥暟绛旀: 闅忔満鍙橀噺2銆佽礉鍙舵柉缃戠粶涓紝鑺傜偣闇€缁欏嚭姒傜巼鍒嗗竷鎻忚堪锛屽浜庣鏁ｅ瀷闅忔満鍙橀噺鑰岃█锛屽彲浠ョ敤锛? 锛夌殑褰㈠紡琛ㄧず銆?A:鏉′欢姒傜巼瀵嗗害鍑芥暟B:姝ｆ€佸垎甯?C:鏉′欢姒傜巼琛?D: 鍧囧寑鍒嗗竷绛旀: 鏉′欢姒傜巼琛?3銆佽礉鍙舵柉缃戠粶涓妭鐐逛箣闂寸殑杈逛唬琛紙锛夈€? A:闅忔満鍏崇郴B:姒傜巼鍥犳灉C:缁勫悎鍏崇郴D:闅忔満缁撴灉绛旀: 闅忔満鍏崇郴4銆佽礉鍙舵柉缃戠粶淇濆瓨鐨勬枃浠舵牸寮忔槸( )銆?A:XML BIFB:DOCXC: TXTD:XLS绛旀: XML BIF5銆佷笅闈紙锛変笉鏄弽鍚戜紶鎾缁忕綉缁滅殑缁撴瀯銆? A:杈撳叆灞?B:闅愬惈灞?C:璁＄畻灞?D:杈撳嚭灞?绛旀: 璁＄畻灞?6銆佺缁忕綉缁滀腑鐨勮妭鐐逛唬琛紙锛夈€?A:婵€鍔卞彉閲?B:婵€鍔卞嚱鏁?C:闅忔満鍙橀噺D:闅忔満鍑芥暟绛旀: 婵€鍔卞嚱鏁?7銆佷笅鍒楋紙锛変笉鏄父瑙佺殑婵€鍔卞嚱鏁般€?A:绾挎€у嚱鏁?B:Sigmoid鍑芥暟C:闃堝€煎嚱鏁?D:姝ｅ鸡鍑芥暟绛旀: 姝ｅ鸡鍑芥暟8銆佸湪璐濆彾鏂綉缁滅紪杈戠晫闈㈡椂锛屽鏋滆妭鐐圭殑鍚嶇О娌℃硶瀹屽叏鏄剧ず锛岄渶瑕佷粠锛? 锛夎彍鍗曢」杩涜璋冩暣銆?A:Tools|SetDataB:View|Zoom OutC:View|Zoom InD:Tools|Layout绛旀: Tools|Layout9銆乄EKA涓€夋嫨绁炵粡缃戠粶鍒嗙被鍣ㄦ搷浣滄椂锛屽簲璇ラ€夋嫨锛? 锛夈€?A:rules鏉＄洰涓嬬殑PARTB:functions鏉＄洰涓嬬殑SGD鍒嗙被鍣?C:functions鏉＄洰涓嬬殑MultilayerPerceptron鍒嗙被鍣?D:榛樿鐨勫垎绫诲櫒绛旀: functions鏉＄洰涓嬬殑MultilayerPerceptron鍒嗙被鍣?10銆佷笅闈㈠叧浜嶱ackage Manager瀹夎鍚庣殑鐩綍璇存槑涓嶆纭殑鏄紙锛夈€?A:doc瀛愮洰褰曞瓨鏀続PI鏂囨。
大数据时代大学教育的机遇与挑战
大数据时代大学教育的机遇与挑战摘要：随着大数据元年的到来，大数据已经开始冲击着各行各业，并影响着大学教育的方方面面。
大数据时代将改善学习的核心要素，给大学教育带来深刻的影响。
在大数据时代大学教育由单向度反馈转向多向度反馈，为实现个性化的教学方案提供必要的前提。
同时大数据在大学教育中的应用还将面临技术层面、学生个人隐私及预测结果的正确运用等多方面的挑战。
关键词：大数据时代；大学教育；机遇；挑战1.大数据时代的实质早在2011年5月，麦肯锡公司发布的《大数据：下一个创新、竞争和生产力的前沿》报告中指出：大数据的规模以及其存储容量正在迅速增长，大数据已经渗透到各个行业中，成为重要的生产因素，成为可以与物质资料和人力资本并论的生产要素。
正如马克思。
所说“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。
劳动资料不仅是人类劳动力发展的测量器，而且是劳动借以进行的社会关系的指示器。
”大数据的演进与生产力的提高将产生直接的关系，大数据将成为重要的生产资料。
同时，用于大数据分析的关键技术包括云计算、数据仓库、Big Table等日趋成熟，使大数据的整合、处理、管理、分析成为可能。
2013年，被称为“大数据时代元年”，标志着大数据时代的正式开始。
进入2013年“大数据”走入了我们的生活，对各行各业产生了深刻的影响，每个行业的经营模式、生产模式、管理模式等正产生翻天覆地的变化，也为各行业带来了改革的契机。
维克托?迈尔?舍恩伯格在《大数据时代》中指出：“大数据开启了一次重大的时代转型。
大数据正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉，而更多的改变正蓄势待发……”大数据时代不仅仅包含着各种类型数量众多的数据，更重要的是代表了快速取得并有效利用有价值资料的能力。
在大数据时代到来之前，由于定量研究是建立在假设和有限的抽样数据的基础上，使得定量研究复杂而缺乏准确性，大数据时代将彻底改变这一状况，它可以让纷繁复杂、单调枯燥的数据变成可以说话的信息，它的实质不仅在于大量的占有数据，更多的是提供了预测性和前瞻性的信息和知识。
大数据对政府治理的影响及挑战
大数据对政府治理的影响及挑战作者：唐斯斯时间：2014-11-04摘要：政府治理是一个动态的过程，受社会经济、政治结构、技术变革、文化环境等多因素的综合影响。
技术变革是政府治理现代化的重要推动力量，大数据作为一种新技术，推动全球进入一个将数据当作核心资产的新时代，推动社会朝着更加开放、权力更分散和网状大社会方向发展。
文章从政府治理理念、政府治理范式、政府社会管理三个方面分析了大数据对政府治理所带来的影响；同时，对大数据时代政府治理可能面临的数据治理难、数据匮乏、数据驱动力不足、公众参与“悖论”等挑战进行了说明。
关键词：大数据；政府治理；公共服务；社会管理大数据时代是一个将数据当作核心资产的时代，数据呈现出战略化、资产化和社会化等特征。
随着数据作为国家战略资产意识的增强，以及越来越多的国家将数据管理上升到战略层面，大数据势必会以更加积极的姿态进入到公共管理和政府治理范畴内。
无论是把大数据单纯作为一种技术，还是一种抽象理念，或者是一个时代背景，它都将对政府治理理念、治理范式、治理内容、治理手段等产生不同程度的影响。
本文试图将大数据这一新概念与政府治理有机结合起来，阐述大数据时代背景下的政府治理将会发生什么新变化，面临哪些机遇和挑战。
一、“大数据”概念的界定（一）“大数据”概念的提出与发展2008年9月4日《自然》（Nature）刊登了一个名为“BigData”的专辑，首次提出大数据（BigData）概念，该专辑对如何研究PB级容量的大数据流，目前正在制订的、用以最为充分地利用海量数据的最新策略进行了探讨。
[1]2011年5月，EMC（全球最大的外置存储硬盘供应商）举办了主题为“云计算相遇大数据”的大会，首次抛出了“大数据”（Big Data）的概念。
紧随其后，IBM、麦肯锡等众多国外机构发布了“大数据”的相关研究报告，2011年6月麦肯锡全球研究所发布研究报告——《大数据的下一个前沿：创新、竞争和生产力》（Bi g data: The Next Frontier for Innovation, Competition, and Productivity）[2]，首次提出“大数据时代”来临。
大数据的定义特征与发展历程
大数据的定义特征与发展历程大数据的定义与特征大数据（big data）的数据集合：数据量增长速度极快，用常规的数据工具无法在一定的时间内进行采集、处理、存储和计算的数据集合。
大数据要具有以下五大特征（4V+1O）的数据才称之为大数据，即：数据量大（Volume）。
第一个特征是数据量大，包括采集、存储和计算的量都非常大。
类型繁多（Variety）。
第二个特征是种类和来源多样化。
包括结构化、半结构化和非结构化数据，具体表现为网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。
价值密度低（Value）。
第三个特征是数据价值密度相对较低，或者说是浪里淘沙却又弥足珍贵。
随着互联网以及物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代最需要解决的问题。
速度快时效高（Velocity）。
第四个特征数据增长速度快，处理速度也快，时效性要求高。
比如搜索引擎要求几分钟前的新闻能够被用户查询到，个性化推荐算法尽可能要求实时完成推荐。
这是大数据区别于传统数据挖掘的显著特征。
数据是在线的（Online）。
数据是永远在线的，是随时能调用和计算的，这是大数据区别于传统数据最大的特征。
现在我们所谈到的大数据不仅仅是大，更重要的是数据变的在线了，这是互联网高速发展背景下的特点。
关于大数据特征方面，特别要强调的一点是数据是在线的，因为很多人认为数据量大就是大数据，往往忽略了大数据的在线特性。
数据只有在线，即数据在与产品用户或者客户产生连接的时候才有意义。
如某用户在使用某互联网应用时，其行为及时的传给数据使用方，数据使用方通过某种有效加工后（通过数据分析或者数据挖掘进行加工），进行该应用的推送内容的优化，把用户最想看到的内容推送给用户，也提升了用户的使用体验。
大数据的发展过程2005年Hadoop项目诞生。
Hadoop其最初只是雅虎公司用来解决网页搜索问题的一个项目，后来因其技术的高效性，被Apache Software Foundation公司引入并成为开源应用。
大数据在教育中的发展概述
教育信息化建设大数据在教育中的发展概述刘广会1梅叶21.青岛港湾职业技术学院公共教学部山东青岛 2664042.青岛港湾职业技术学院现代物流学院山东青岛 266404摘要：梳理大数据发展的过程，将其分为积累阶段、小数据阶段和大数据阶段，并分别阐述；探讨大数据背景下教育应用场景中供给侧、学习过程、教学管理方面的变革；最后，总结大数据在教育领域发展过程中面临的挑战和发展趋势。
关键词：大数据；教育变革；概述作者简介：刘广会，理学硕士，副教授；梅叶，工商管理硕士，副教授。
基金项目：2018年度山东省高等学校人文社会科学计划项目“大数据在职业教育领域发展和应用研究”(编号：J18RB135)；2018年度山东省高等学校人文社会科学计划项目“基于互联网下自动化码头配套服务研究”(编号：J18RA070)。
数据是对客观事物的状态、特征及相互关系等记录的符号，是人类文明发展传承的重要载体，是人类在探索世界过程中不断丰富和积累的成果，不仅包含数字，而且包含声音、图像、文字、视频等信息[1]。
随着互联网普及和信息技术的快速发展，信息处理、存储和传递能力的飞速进步，物联网、社交网络的兴起和智能终端的普及，信息技术与人类社会生活学习相互融合发展，结构化和非结构化数据快速迭代累积，产生了海量数据。
基于对海量数据的分析处理和价值挖掘，产生了科学研究的“第四种范式”，这是一种技术和思维方式的转变，已然深刻影响社会各领域[2]。
本文梳理大数据的历史发展进程，将教育作为大数据应用背景，探讨大数据对教育供给侧、学习过程、教学管理等方面变革的影响。
1 大数据的发展历程大数据概念的产生是人类利用数据认识和改造世界的必然结果，是人类治理管理数据由量变到质变的飞跃。
在世界范围内，大数据对社会规则治理体系、工作生活学习习惯、思维方式等均产生了快速深刻的变革。
文章梳理了大数据的发展历程，并分别阐述[3]。
1.1 积累阶段远古时期，文字尚未出现，信息的交流和保存主要依靠口口相传。
计算机基础大数据
知识指导
知识指导
3.大数据应用领域及未来发展前景
（1）电商行业 电商行业是最早利用大数据进行精准营销，它根据客户的消费习惯提前生产资料、物 流管理等，有利于精细社会大生产。由于电商的数据较为集中，数据量足够大，数据种 类较多，未来电商数据应用将会有更多的想象空间，包括预测流行趋势，消费趋势、地 域消费特点、客户消费习惯、各种消费行为的相关度、消费热点、影响消费的重要因素 等。 （2）金融行业 大数据在金融行业应用范围是比较广的，它更多应用于交易，现在很多股权的交易都 是利用大数据算法进行，这些算法现在越来越多的考虑了社交媒体和网站新闻来决定在 未来几秒内是买出还是卖出。 （3）医疗行业 医疗机构无论是病理报告、治愈方案还是药物报告等方面都是数据比较庞大行业，面 对众多病毒、肿瘤细胞都处于不断进化的过程，诊断时会发现对疾病的确诊和治疗方案 的确定是很困难的。未来，我们可以借助大数据平台收集不通病例和治疗方案，以及病 人的基本特征，可以建立针对疾病特点的数据库。
知识指导 （
知识指导
任务9.4大数据
1
知识指导
目录
2
任务实施
3
知识扩展
4
任务扩展
1
知识指导
知识指导 1.大数据是什么？
知识指导
2.大数据的发展历程 （1）上世纪末，是大数据的萌芽期，处于数据挖掘技术阶段。随着数据挖掘理论 和数据库技术的成熟，一些商业智能工具和知识管理技术开始被应用。 （2）2003年-2006年是大数据发展的突破期，社交网络的流行导致大量非结构化数 据出现，传统处理方法难以应对，数据处理系统、数据库架构开始重新思考。 （3）2006年-2009年，大数据形成并行计算和分布式系统，为大数据发展的成熟期。 （4）2010年以来，随着智能手机应用，数据碎片化、分布式、流媒体特征更加明 显，移动数据急剧增长。 （5）2011年，麦肯锡全球研究院发布《大数据：下一个创新、竞争和生产力的前 沿》。2012年，维克托·舍恩伯格《大数据时代：生活、工作与思维的大变革》宣传推 广，大数据概念开始风靡全球。2012年4月19日，美国软件公司Splunk在纳斯达克成功 上市，成为第一家上市的大数据处理公司。 （6）2013年5月，麦肯锡全球研究所发布了一份名为《颠覆性技术：技术改进生活、 商业和全球经济》的研究报告，报告确认了未来12种新兴技术， 而大数据被喻为基石。 （7）2014年5月，美国白宫发布了2014年全球“大数据”白皮书的研究报告《大数 据：抓住机遇，守护价值》。报告鼓励使用数据推动社会进步。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2011年，麦肯锡公司曾以2010年度各国新增的存储器为基准，对全世界大数据的分布做了一个研究，结果发现中国这一年新增数据量约为250拍，不及日本的400拍、欧洲的2000拍，和美国的3500拍相比，则连十分之一都不到。
与此相对应的另一个数据是，中国拥有4.8亿互联网用户，几乎是美国的两倍；拥有近9亿部手机，是美国的3倍，而互联网和手机正是产生数据的重要来源。
在涂子沛看来，这意味着中国并不缺乏可供收集的数据，而是缺乏收集数据的意识。
他回忆起，还在卡内基•梅隆大学读书时，有一回师门聚会，大家相约每个人都要贡献一个拿手菜。
一位来自中国的博士生以一道卤牛肉赢得满堂彩，但当他公布自己的烹饪配方时，却令一位美国教授不知所措。
原来，这位教授不太能理解“盐少许”、“酒若干”、“醋一勺”这样的表述到底是什么意思。
涂子沛记得，在国内做程序员的时候，要是做一个数据系统供本单位使用，那么上级和下级单位一般都无法登录这个系统。
还有人告诉他，国内有些城市会把环境监测点刻意设在人工湖畔的柳树林中，或湖中心的小亭子里。
这些都让他想起美国《数据质量法》中的严苛规定：任何联邦政府部门收集的数据，必须无偿与其他部门共享。
而在发布数据时，必须同时发布一系列的文档，说明数据的来源、产生的方法，以及用户复制过程当中可能出现的问题和错误。
收集、开放和使用数据是中国人面对的挑战
涂子沛把他的乡愁写进了书的尾声，题为：《挑战中国，摘下“差不多先生”的标签》。
他在文中提到胡适对于中国人“凡事差不多、凡事只讲大致如此”的判断，也引用了史学家黄仁宇认为中国在历史上缺乏“数目字管理”这种现代治国手段的观点。
“数据不是任人打扮的小姑娘，漠视精确就是不尊重事实。
”回国时，他还以“用数据说话，而不是用数据说谎”为主题进行了演讲。
前不久，国内一位学者针对一项社会调查，得出了“科学主义一定会导致严重的偏颇，其具体弊端就是迷信数据”的观点。
涂子沛第一时间完成了一篇专栏文章。
他反驳道：中国社会治理领域的问题恰恰不是数据迷信。
相反，现实情况往往是，决策者没有合理使用数据，同时又受制于错综复杂的理念和利益之争，导致数据意识形态化，在中国缺乏公信力。
他的观点是，收集数据，使用数据，开放数据，都是大数据时代我们中国人需要一一面对的挑战。
“如果前两者是文化和习惯，那后者则是一种态度。
”涂子沛强调，一个真正的信息社会是一个信息自由流动而不受操纵的社会，这种开放意味着信息与每一个公民之间都是等距的，当然，也意味着公平与正义。