简介：本文的首席执行官注释将介绍大数据起源的相关内容。我希望这对每个人都会有所帮助。让我们来看看。
本文目录清单：
1.如何生产大数据的商业机会？2.大数据是什么行业，该怎么办？3。解释大数据的大数据如何产生其商机。
近年来，大数据与云计算相同，并且已经成为时代的话题。大数据如何出现，商机在哪里？研究机会在哪里？这个概念是什么样的未来？
昨天，我参加了车库咖啡的小讨论。我就这些问题进行了一些讨论。我与自己的理解结合了一个摘要。
首先，大数据如何出现？
1）物理世界中的大量信息是由大量数字化产生的
例如，Liu Jiang先生指出了良好的医生网络，医生信息的数字化，门诊信息。以及朋友聊天的行为行为（通过牢固关系生成的信息的数字化）。VIDEO监视探针数字化图像。
2）社交网络的出现
在雅虎时代，阅读了大量的阅读操作，只有雅虎的编辑进行了一些写作操作。在Web2.0时代，用户的数量增加了很多，用户主动提交其行为。社会时代，移动时代。大量移动终端设备的出现，用户不仅积极提交其行为，而且与社交界互动。因此，产生了大量数据并具有极强的沟通。
3）必须保留数据
一位客人指出，旧金山桥已保留了一个世纪的历史数据，并在时间范围内产生了价值。许多网站在早期就注意数据。保存数据的成本非常昂贵。存储设备便宜，用户产生的数据值是重视数据的，并且对数据的值进行了重视。因此，越来越多的数据被连续保存
其次，大数据和大型数据之间的差异？
大数据的先前学术界称为非常大的数据。大数据和大型数据之间有什么差距？我认为英语中的大含义仅是数量，而Big的含义也包含重量和价值。因此，我认为
1）大数据不是数量堆栈，而是具有很强的相关结构
例如，有一种数据记录每年世界上每一棵大树的增长。此类数据并不有价值，因为它只是堆叠的。
如果数据成为数据，则每个大树记录它，位置，气候条件，树种，树时代，周围的动物和植物生态学以及每年的高度都会增长，那么该数据是结构性的。结构性数据首先具有强大的研究价值，遵循通过强大的商业价值。
例如，淘宝的数据，如果只记录了一个交易买家，卖方，交易项目，价格和其他信息，那么该商业价值非常有限。Taobao包含，购物前和购物前的其他行为之间的社交关系，然后数据将非常有价值。
因此，只有三个维度和强大的结构数据可以称为大数据，而且有价值，否则只能称为大型数据。
2）大数据的尺度必须大，并且比大尺度数据的比例还要大
需要大量数据来制作一些预测模型和中文的培训。如果数据不够大，那么许多发掘工作就很难完成，例如点击率预测。最简单的示例是，如果您知道用户的长期旅行数据，则是Internet的行为，操作和写作操作。因此，可以对此人进行非常准确的预测，并且各种推荐的任务可能非常准确。
最后，大数据的机会在哪里？小公司的机会在哪里？
在数据围绕数据的整个产业链上，我认为有以下机会
1）获得的数据
收购大量数据，这个机会基本上属于Sina Weibo等大型公司。大量交易数据的收购也属于Jingdong和Tamo.Small Enterprises等公司，基本上没有机会独立获取这些用户数据。
2）重置数据
例如，如果您想携带主要制造商，主要的微博和政府部门的数据，那么这个机会将很棒。
但是，这项工作需要政府行为。进行中段后，有必要在企业之间合作并变得很小。也许这是一个联盟或民间组织，例如中国攀登联盟。
3）数据存储
收集数据后，立即遇到的问题是存储。费用非常大。原始数据无法删除并需要保留。因此，提供该职位的存储设备和公司的公司具有巨大的市场机会，但这不属于小公司或早期企业家。
4）数据操作
存储数据后，如何分发数据是一个大问题。各种API和各种开放平台都散发出这些数据，并提供后续的采矿和分析。
5）数据挖掘和分析
数据需要执行价值增添的服务，否则数据将毫无价值，而Big将不会走到任何地方。这是一个毫无价值的。因此，这种数据分析和采矿工作是巨大的价值。这个机会属于小公司和小团体。
6）数据使用和消费
在数据获得良好的发掘和分析之后，公司需要在特定场合应用这些结果来获得回报。数据挖掘和分析公司必须找到这些黄金所有者。这不是一家小公司。
大数据的未来形式或工业链的结构必须分层，巨大，价值的表现在各个层面上发生。每个级别都是生态链的重要组成部分。仅努力完成适合您的工作。
以上是大数据所产生的大数据如何生成的相关内容。更多信息可以关注
大数据是一系列技术的集体名称。经过多年的发展，大数据已经形成了一系列链接，例如数据收集，整理，传输，存储，安全，分析，演示和应用。这些链接涉及许多大数据工作职位，这些工作也与物联网和云计算密切相关。
大数据的全面解释
大数据目前是一个非常受欢迎的词，每个人都在谈论大数据。但是，大数据的定义是什么？它是怎么看的？它更特别？它的最大应用程序在哪里？它的开发是什么方向？实际上，大多数人不清楚。
1）大数据时代的必然性
大数据和云计算通常同时提及。许多人错误地认为，大数据和云计算是同时诞生的，并且具有牢固的约束关系。大数据是指基于多种源和交叉域相关的数据分析的决策过程，业务模型，科学范式，生活方式和生活方式。在云计算领域使用许多技术，但大数据并不完全依赖云计算；反过来，这不仅是云计算上方的大数据的应用。
云计算的起源可以追溯到提交给CEO首席执行官Jeff Bezos的想法。第二年，亚马逊发布了云计算服务的第一个版本：简单的队列服务。简单队列服务再次开发到2006年，不断发展并建立了当今著名的AWS（Amazon Web serinction）。2006年，Google CEO Eric Schmidt公开建议第一次“云计算”的概念，今年云计算广为人知。
大数据一词的受欢迎程度是几年后的 - 直到2009年，大数据的声明逐渐开始在互联网圈子中传播。纯互联网经济仅占全球总经理的一小部分。希望使用大数据来解决一些政府部门面临的非常重要的问题。它计划由84个跨越6个政府部门组成。这标志着真正开始进入主流传统的离线经济的大数据。
大数据有自己的深刻理由。从2009年到2012年，正是E -Commerce的几年在全球范围内开花，包括中国。众所周知，互联网领域中有三个主要的商业模式：广告，游戏，游戏E -Commerce.e -Commerce是第一个真正将纯粹的互联网经济与传统经济植入的混合模型。确切地说，它确实是互联网与传统经济之间的碰撞，它真正产生了“大数据”BIG数据涵盖了互联网行业和传统行业，而大数据的真实和广泛的应用领域实际上是一个传统行业，它实际上是一个比纯互联网经济大得多。
从数据量的角度来看，在电子商务模型的出现之前，传统企业的数量慢慢增加。传统企业数据仓库中的大多数数据都来自交易数据，交易的行为位于用户的消费者决策 - 制定渠道。该金额远远超过了交易数据。电子商务模型允许公司收集用户的浏览，搜索，比较等，这导致企业的数据法规至少增加了一个级。越来越流行的移动互联网和未来将流行的互联网将增加数据卷的第二或三个数量级。从这个角度来看，大数据的时代将不可避免地出现。
从IT行业发展的角度来看，大多数第一代IT巨头都是2B，例如IBM，Microsoft，Oracle，SAP等传统IT公司；第二代IT巨头大部分是2C，例如Yahoo，Google，Amazon，Facebooksuch互联网公司。一种有趣的现象是：在大数据时代之前，这两种类型的公司基本上是水的水。我们很少看到这两种类型的公司的老板坐在一起。但是在当前的大数据时代，这两个是这两个。类公司已经开始直接竞争。例如，亚马逊已经开始在云模式下提供数据仓库服务，以直接抓住IBM和Oracle的市场。这种现象的原因是：由互联网巨头驱动，传统IT巨头的客户通常开始从事电子商务业务。由于客户进入了互联网，传统的IT巨头不愿拖入互联网字段。如果他们不进入互联网，他们的业务将缩小。因此，第三代IT巨头可能是2B和2B的合并2C。
2）大数据的核心含义
尽管大数据的概念非常受欢迎，但很少有人真正理解大数据的核心内容。一种常见和严重的误解是：大数据=大数据，也就是说，大数据是大量数据。实际上，在除了数据量的字面意义外，大数据具有两个更重要的特征：
1）交叉域数据。同一字段中数据量增加是一个额外的效果，并且在不同字段中的数据集成是乘法效应
2）数据流。数据必须流动，流量生成值
对于点1），绩效建议系统研究中心的实验结果表明，该百分比的公司有3个客户，这些客户是从事服装，化妆品和行李的E-商业销售。％挖掘用户的偏好。当不同的用户在同一E -Commerce网站上时，他们向他们展示了不同的服装，化妆品或行李，从而提高了E -Commerce的转换率和客户单位价格。我们进行了两项测试：
a）每个网站的数据。当每个网站的数据量增加到上一个网站的4倍时，建议的效果可以增加约5％；
b）删除敏感信息后，来自三个网站的数据将被固定。融合数据大约是单个网站的数据的三倍，该数据比第一种情况下的数据量少。但是，当使用融合数据时对于数据挖掘，建议效果可以增加30％，并且推荐产品没有改变。仍然是：当您仅在服装和化妆品网站上看到服装和化妆品网站时，只能看到化妆品，袋子网站时，在服装网站上，您只会看到行李。
解释更详细。以上实验解释了：对于同一消费者，如果我们想向其推荐衣服。第一种方法是，我们预测下次可以根据他的四个时间购买衣服购买的衣服；第二种方法是根据他的过去预测购买服装，化妆品和行李的每种行为。显然更好。
对于第2点），实际上，当传统企业在10年前开始进行数据仓库时，数据仓库从业人员经常强调一种观点：企业 - 级别数据仓库的目标是从不同部门流数据。不会播放。在当今的互联网时代，我们发现，即使公司在内部部门之间开放了数据，但与整个互联网相比，数据量仍然很少。数据应基于互联网作为公司之间的媒介。与“企业 - 级数据仓库”的概念有关，“互联网数据仓库”的概念现已开始：也就是说，企业集成了与之相关的外部数据他们通过Internet渠道自己的外部数据和内部数据，形成“ Internet数据仓库”。百分点在零售和媒体领域成功创建了“开放数据联盟”。联盟的成员可以根据公平和安全性的联盟建立自己的“互联网数据仓库”，以享受大量数据的价值。
3）大数据的应用程序字段
大数据的起源归因于互联网和电子商务，但最大的大数据应用程序是传统行业。一种是因为几乎所有传统行业都是互联网化，另一个是因为传统行业仍然占据了大多数行业国家GDP分享。
哪些传统企业需要大数据服务？至少有3种类型的企业：
1）为大量消费者提供产品或服务的企业
2）中长尾企业，带有小而美丽的模型
3）必须在互联网压力下转变的传统企业
1）阶级企业需要准确分析具有大数据的不同消费者的偏好，并提高营销和服务的质量；1）阶级企业需要使用大数据来准确地分析自己的客户群；3）班级公司主要参考企业。被互联网新参与者击中的这些公司自然需要使用互联网和大数据作为自我发展的工具。当然，第三种）类型的企业类型与前两种类型的企业重叠。
具体而言，中国需要大数据服务的行业是对互联网影响最大的行业。首先，离线零售业，第二个是金融业。
E -Commerce的影响，许多国内零售巨头已经认真增长，甚至遭受负面增长。离线零售已经陷入了必须改变的危机危机。我们还看到，Intime百货商店，Wangfujing百货商店和Wanda Group（例如创新意识）开始使用互联网和大数据来转变离线业务。他们，Intime百货商店通过手机作为运营商在双线数据挖掘中的创新，而O2O值得一试。
金融行业更加特别：金融行业不出售任何实体产品。自从出生以来，这一直是一个基于数据的行业。国家控制权，金融行业在过去几年中享有非常好的政策股息，而且内部变革的动力不足。目前，金融业逐渐开始放松控制权和新兴金融机构将使用互联网和大数据工具对传统金融巨头发动暴力攻击。传统金融机构在互联网中的技术积累和数据积累不足。为了快速应对新进入者的挑战，大数据服务是不可避免的。我们还看到，Citic Bank信用卡中心和中国商人银行信用卡中心已经开始使用互联网大数据进行创新。
那么传统行业需要什么大数据服务？这主要包括3层：
1）基于大数据的垂直应用。每个行业具有其自身的特征，因此自然会有对行业应用的需求；
2）客户标签和产品标签的组织。不管哪个行业，有必要完善其客户的属性标签和产品属性标签，这些标签必须能够将其完善为单个客户和一个产品。是行业应用的基础；
3）内部和外部数据的集成和管理。要标记客户和产品，我们必须首先整合企业的内部和外部数据，尤其是越来越重要和庞大的外部数据。
图：传统企业所需的大数据服务
第三层和第二层的方法相对普遍，行业相对特殊。百分点在3楼和2楼制造了相对成熟的产品，并且还开始在一楼生产一些特定的行业应用产品，例如服装行业的时尚服装匹配系统。
4）大数据的发展方向
大数据行业将来会发展什么方向？随着数据逐渐成为企业的资产，数据行业将发展为传统企业的供应链模型，并最终形成“数据供应链”。在钢铁行业中，铁矿石公司从矿山中挖出了矿石，并在经过粗暴的处理后将其卖给了钢铁公司。钢铁公司经过更精细的处理，可以将板和钢筋出售给下游制造公司；这些制造；这些制造；这些制造；这些公司制造的公司制造了诸如汽车，飞机，门和窗户，计算机和其他产品的产品，向下游公司制造了产品。该工业连锁店中有许多链接，寻找我的，运输，加工等，每个链接都有相应的企业。
图：传统企业的供应链
在“数据供应链”中，数据集成和采矿工具以及数据应用程序有三个主要链接。数据就像矿山的矿石一样。数据集成和开挖工具就像钢厂的冶炼炉一样；数据应用程序（例如精确营销和服装匹配）就像可以出售给消费者的汽车和计算机之类的产品。Enterprises在所有链接中都需要专业服务，例如数据供应，数据集成和采矿以及数据应用程序。这里的现象：
1）外部数据的重要性越来越多。在互联网互连时代，与整个Internet数据相比，单个企业的内部数据仅下降了；
2）可以提供服务在内的公司，包括数据供应，数据集成和处理以及数据应用程序将具有明显的全面竞争优势。
5）什么样的大数据公司会赢
大数据从业人员，投资者和投资者和我们讨论一个问题：最终哪种公司将在大数据行业中获胜？这是一个难以回答的问题，即使回答了，它也可能无法判断它在三到五年内的正确性。但是，从“数据供应链”中各种链接的分析中，仍然可以得出一些具有参考值的结论。
1）数据供应。在互联网不流行的时代，当公司进行数据仓库，商业智能和数据挖掘时使用的数据基本上位于企业内部。企业几乎无法获得外部数据，因此很少有专业数据供应商。互联网已经改变了这种情况，并且将来会有专业的数据供应商。但是现在是由于互联网的出现，出现了在数据供应商中，数据供应商必须具有强大的互联网基因；
2）数据集成和采矿。DATA采矿工具供应商已经存在于非internet时代。但是，在互联网时代，企业的数据量增加了，数据类型已大大变化（与来自从中的结构化数据不同单个字段，互联网数据主要是交叉域名非结构性数据），传统数据挖掘工具供应供应技术和业务方法很难适应。要跟上上一段时间，数据挖掘技术和工具的变化申请人必须具有处理和最小化互联网公司大规模数据处理和采矿的能力；
3）数据应用。特定行业应用与传统行业密切相关。为了在行业应用方面做得很好，最好拥有为传统行业服务并了解传统行业的内部运营模型的经验。这次，只有2C经验的公司稍微不足。
总而言之，如果大数据员工也具有互联网数据采集功能，互联网技术，互联网执行和2B服务的经验，那么该公司将更容易获得领先的优势。这实际上并不奇怪：如所述：在本文中，大数据最初是互联网和传统行业的产物。
现在使用“和“和词””一词来描述大数据行业的开发阶段还为时过早。目前，大数据行业只能说是露出尖锐角落的小米。在第二代IT行业（互联网行业）中，国内公司距离外国公司远不远，甚至比许多方面更远。希望在第三代IT行业（云计算和大数据）的浪潮中，国内公司可以完全赶上并超越外国公司。我们也认为这很可能。
结论：以上是首席CTO注释汇编的大数据起源的行业相关内容的相关内容。希望它对您有所帮助！如果您解决了问题，请与更多关心此问题的朋友分享?