什麼是大數據

大數據（big data），指無法在一定時間範圍內以常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的大量、高成長率和多樣化的資訊資產。

大數據可以做什麼？

這種不斷增長的串流感測器資訊、照片、文字、聲音和視訊數據，是大數據的基礎。

我們現在可以用一些甚至幾年前都不可能的方式使用這些資料。現在，大數據計畫可以幫助我們：

治療疾病和預防癌症——數據驅動醫學，包括分析大量的醫學記錄和影像，這些模式可以幫助及早發現疾病並開發新藥；

飼養飢餓者－農業正在被數據革命化，這些資料可用於最大限度地提高作物產量，最大限度地減少釋放到生態系統中的污染物數量，並優化機器和設備的使用；

探索遙遠的行星－美國航空暨太空總署分析數百萬的數據點，並利用它們來模擬每個可能性，將其流浪者降落在火星表面，併計劃未來的任務；

預測和應對自然災害和人為災害—分析感測器數據，以預測下一步可能發生的地震，人類行為模式幫助援助組織救援倖存者提供線索。大數據技術也用於監測和保護難民遠離世界各地的戰區；

防止犯罪——警察部隊越來越多地採用基於自己情報和公共數據集的數據驅動戰略，以便更有效地部署資源，並在需要時起到威懾作用；

使我們的日常生活更輕鬆，更方便－線上購物、大眾旅遊或休閒度假，選擇最好的時間預訂航班，或決定接下來要看的電影……因為大數據，這一切都變得更加容易。

大數據如何運作？

大數據的工作原理是，你對任何事情或任何情況了解得越多，你可以更可靠地預測將來會發生什麼。透過比較更多的數據點，以前被隱藏的關係將開始出現，這些關係有望包含我們如何開始改變的見解。

通常這是透過一個過程來完成的，該過程基於我們可以收集的數據建立模型，然後運行模擬，每次調整數據點的值，並監視它如何影響我們的結果。這個過程是自動化的——今天先進的分析技術將運行數以百萬計的這些模擬，調整所有可能的變量，直到找到有助於解決問題的模式或洞察力。

資料越來越以非結構化的形式出現在我們身上，這意味著資料不能輕易放入具有行和列的結構化表格中。這些數據中的大部分是圖片和影片的形式-從衛星圖像到上傳到Facebook或Twitter的照片，以及電子郵件和即時通訊和錄音電話。為了理解所有這些，大數據專案通常使用人工智慧和機器學習的尖端分析。例如，透過教育電腦來識別這些數據所代表的內容——透過圖像識別或自然語言處理，他們可以比人類更快速，更可靠的可靠地識別圖案。

在過去的幾年裡，透過「即服務」平台，一個強烈的趨勢是向大數據工具和技術的轉移。企業和組織向第三方雲端服務供應商租用伺服器空間、軟體系統和處理能力。所有的工作都是在服務提供者的系統上進行的，客戶只需支付所使用的任何費用。這種模式使得任何組織都可以存取大數據驅動的發現和轉換，並消除了在硬體、軟體、房地和技術人員身上花費大量資金的需要。

大數據存在的問題

今天，大數據給了我們前所未有的洞察力和機會，但也引發了必須解決的擔憂和問題：

資料隱私－我們現在產生的大量資料包含了許多關於我們個人生活的信息，其中大部分是我們有權保持隱私的權利。越來越多的人被要求在我們洩露的個人資料量和大數據驅動的應用程式和服務提供的便利性之間取得平衡。我們允許誰存取這些數據？

資料安全－即使我們同意某人因為特定目的而擁有我們的數據，我們可以相信他們能保持資料的安全嗎？現有的法律架構是否能夠規範這種規模的資料使用？

資料歧視－當一切都被知曉時，根據人們生活中的資料來歧視人們是否會被接受？我們已經使用信用評分來決定誰可以藉錢，而保險主要是由數據驅動的。我們可以期待更詳細的分析和評估，並且必須注意，這樣做不是為了使那些已經擁有較少資源和獲取資訊的人的生活變得更加困難。

面對這些挑戰也是「大數據」的一部分。他們當然是關於在學術界使用大數據辯論的主要部分。但是，他們也必須由想要利用大數據業務的人來解決。如果不這樣做，可能會導致巨額的罰款，因為做的任何事都與個人資料有關。我們一次又一次看到，未能解決這些問題常常是大數據企業措施失敗的原因之一。

當人們第一次開始談論「大數據」時，有時被視為一種時尚——最新的時髦科技術語將被談論一段時間，然後在下一個大事情中靜靜地被忘記。現在還沒有被證明是這樣的——事實上，雖然較新的流行語言已經彈出，但大數據仍然是所有這些的驅動力。我們可用的資料量只會增加，分析技術將變得更有能力。

以上是什麼是大數據的詳細內容。更多資訊請關注PHP中文網其他相關文章！