如何理解大数据和大数据分析，是不是正在窥探我们的隐私
隐私在于个人意愿！比如女人穿衣透明显现杯罩出街，那是个人隐私亦为女人妆显性。可隐可现！大数据只为集中显示某一区某些物属于某些人的喜好，方便同志收集收看喜好。结果就好比南水北调，集合优势资源应对优势人群。同时对应弱势人群降级享受而优于生活。结果就是各回各家。各找各妈。
隐私，属于随时随地都在发生，又不愿意让别人知道的事情。比知，敏感部位有病。比如，除了夫妻关系还有别的性伴侣。再比如，家庭关系，社会关系，甚至于个人的喜欢，在某种程度上都属于个人隐私。但今天，在互联网时代，这些隐私都有可能暴露于公众面前。你的家庭关系，社会关系，单位的电脑里一般是有点，你的看病纪录，医院的电脑里有，你去和第三者见面，旅馆的电脑里有纪录，你喜欢买什么牌子的商品，购物网站有纪录。甚至，你在路上走路，都被纪录下来了。因此，今天个人隐私的丧失，实在是科学技术太发达，互联网技术无孔不入。而大数据，或者大数据分析，更多讲的是宏观，讲的是大，至多它也是分析很多人的行为，得出有规律的结论。个人隐私的丧失，跟大数据有关，但更主要的是和互联网技术的关系。
能简单通俗的解释一下什么是大数据吗
用最通俗的语言跟你解释一下。
举个例子，你想要买一双鞋，打开淘宝搜索了半天，感觉不太合适，然后又一想，晚点买也可以，于是退出了淘宝，打开了抖音，开始看某些土味***。
当你下一次打开淘宝的时候，淘宝一定会给你推荐各种新款式的鞋，并且会给你推送相关的活动。而你每次打开抖音，看到的大部分都是土味***。
其原因就是因为你在淘宝上用了大部分时间去搜索鞋子，淘宝通过测算觉得你对鞋子感兴趣，于是你每次进淘宝都会给你推荐鞋子。除非你下次用更多的时间去搜索另外一个东西。而抖音觉得你比较喜欢土味***，因此这种***便一直出现。
这就是我们所说的大数据，通过对你各种行为分析，为你推荐更符合你口味的东西。
会销售的售货员在卖东西的时候一定不会仅仅去说产品，他肯定会通过各种方法去了解你的信息，等到信息足够后再去为你推荐更加合适的产品，而此时你成交的概率非常大。
所以不妨回忆一下，买东西的时候有没有售货员跟你聊除产品以外的东西？比如家庭？
生活中的大数据有很多，打开歌曲APP，每日推荐就是大数据；打开今日头条，推荐你最感兴趣的内容也是大数据；打开***APP，推荐的***同样是你最爱看的，这也是大数据。
因此，只要能通过某种途径，了解到你的详细信息或者行为，根据这些信息或者行为进行推荐你所感兴趣的东西，就叫做大数据。
不知道你清楚了没有？
随着互联网时代的到来，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，人们生活息息相关的事情都会变成网络中的数据，而大数据就是这个高科技时代的产物，所以大数据是非常重要的一个资源。
大数据是每时每刻都在变化变动，是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要，所以我们要把这些数据进行深度的挖掘和分析，扩大他们的价值。
大数据是需要通过大量的统计了解大家的喜好，想要的东西，从而得到他们想要的、想做的，而对于很多行业而言,如何利用这些大规模数据是赢得竞争的关键，比如精准营销，征信分析，消费分析等等。
实践表明，大数据在推动经济转型升级、服务社会民生、促进政府治理体系和治理能力现代化等方面发挥了重要并且越来越明显的作用，大数据之所以成为时代变革力量，在于它通过追随意义而获得智慧，而随着时代发展，科技进步，会有越来越多的高科技时代的产物，大数据只是其中之一。
数通畅联专注于企业IT架构、SOA综合集成、数据治理分析领域，感谢您的阅读与关注
相信大家对于这次新冠肺炎疫情期间社区防控力度之严、强度之大深有体会。但在杭州滨江区，在疫情爆发之初，却面临着社区疫情防控人手不足的问题。对此，国家电网杭州分公司研发了全国首个“电力大数据+社区网格化”算法，实现了收集、研判电力数据功能，并对滨江157476户居民、超过1000万条电力数据，进行了收集和分析。为了精准判断细微的用电数据差别，该公司在算法中开发了居民短暂和长期外出、举家返回、隔离人员异动等3个场景6套算法模型。通过3轮150余万条次电力大数据巡航，精准判断出区域内人员日流动量和分布，还可以实时监测居家隔离人员、独居老人等特殊群体347户。这让社区人员得以根据电量波动判断业主状况，提高了登记和服务的效率，从而解决了人手不足的难题。
听完这个例子，不知道你有没有什么感触呢？看似“高大上”的大数据，实际上就是这么的“接地气”。今天呢，我主要是想纠正一些大家对于大数据的误解，对大数据有一个更清晰且正确的认识。
二、大数据是什么？
其中，第三范式和第四范式都是由计算机来进行计算的，二者之间有什么区别呢？
引用维克托·迈尔·舍恩伯格撰写的《大数据时代》中的话来说，就是：大数据时代最大的转变，就是放弃对因果关系的渴求，取而代之关注相关关系。第四范式相对于第三范式来说，更关注“是什么”，而不需要知道“为什么”，就像人类总是会思考事物之间的因果联系，电脑却更擅长相关性分析。这也是为什么有人提出第三范式是“人脑+电脑”，人脑是主角，而第四范式是“电脑+人脑”，电脑是主角。
也许会有同学提出疑问，这是不是与我们科学研究的理念相违背？毕竟，如果通篇只有对数据相关性的分析，而缺乏具体的因果解读，这样的文章一般被认为是数据堆砌，是不可能发表的。
这里我又想给大家举一个例子了，让大家更好的理解第四范式的意义所在。拿我们近年来特别关心的雾霾来说，我们想要研究雾霾的产生机制，从而进行针对性的预防。
按照第三范式的思路，我们需要先在一些具有“代表性”的地方建立气象站，收集与雾霾形成有关的参数，包括大气化学成分、地形、风向、温度、湿度等气象因素。需要注意的是，第三范式下，我们所收集的参数都是我们认为可能会影响到雾霾形成的因素，实际上已经人为地排除了某些不重要的参数。从研究的可行性角度出发无可厚非，但是从准确性上来说，已经是根源性的错误了。如果能够获取更全面的数据，即不加筛选地收集各类参数数据，进行更细致的数据分析，那么就能得出更科学的预测，这就是第四范式的出发点。
相信通过上面的解说，大家对大数据有了一个基本的认识，下面呢我来对大数据做一个简单的定义：大数据（big data），指的是在一定时间范围内不能以常规软件工具处理（存储和计算）的大而复杂的数据集。这些大数据集包括结构化、非结构化和半结构化数据，需要经过进一步的数据处理和分析才能形成有价值的信息。
第一、数据体量巨大
这点相不难理解，我们日常生活中使用的微信、支付宝、微博、抖音等软件每天都会产生数百亿条以上的数据，这仅仅是移动应用一天的数据量，此外其他各行各业也都会产生各式各样的数据，其总量绝对超出了你们的想象。举个具体的例子，据英特尔预测，全球数据总量在2020年将达到44ZB，而中国产生的数据量将为8000EB，8000EB是什么概念？整个地球上所有沙粒总数的10倍！
第二、数据类型繁多
正如我刚才所提到的，大数据包括结构化数据、半结构化数据和非结构化数据。结构化数据指数据的属性相同，可以用统一的结构进行表示；非结构化数据缺少固定的结构，通常整体存储，比如各种图片、***、音频等，非结构化数据越来越成为数据的主要形式，据IDC数据显示，企业中80%的数据都是非结构化数据；而半结构化数据则介于两者之间，比如HTML和XML文档，其内部用成对的标签记录对应的数据，但每个文档内部的标签又不是统一的，没有固定的规律。
第三、价值密度低
大数据的价值很高，但是单条记录却基本无意义，缺乏有效信息，这也对我们收集数据提出了要求，数据分析一定要建立在大量的数据集的基础上。举个例子，张三是某电商平台的忠实用户，我们作为后台，如果单看他的某一条购物记录，无非是知道了他买了什么东西，消费了多少钱，但是我们一旦利用大数据分析系统对张三所有的购物记录进行分析，那么我们就能得出他的一个消费画像，了解其购买偏好，从而对他进行精准的商品推荐。
第四、处理速度快
如今5G时代，数据产生的速度越来越快，这就要求数据后台能够快速处理掉无用信息，因为需要控制存储成本。同时更快速地处理信息，能够获取更多的有效价值，才能够在商业竞争中取得优势。两方面因素都刺激着数据处理技术的高速发展，目前采取流式数据处理技术可以达到毫秒级甚至微秒级的处理时间，满足实时监控分析用户行为，从而提供个性化服务的需求。
三、结语
最后，引马云的一句话作为结尾：未来的时代将不是IT时代，而是DT的时代。这里的DT就是data technology, 希望各位对大数据有了一个新的认识，也希望大家能够在这个万物互联的时代，把握时代机遇，掌握信息技能，做一朵勇往直前的“后浪”。
