“大數據”（Big Data）可以理解為三個層次：

1. “大”。必須是海量的數據，才算大。

2. “數據”。不只是存貯（譬如保存在電腦中的大量檔），而是包含了數據的清理（“數據清洗”）、分析和解讀。

3. 這是一整個系統，而不只是針對一堆數據，而是一個龐大的框架。就像一個餐廳，數據就像是原料，而關鍵在於廚師通過菜譜製作出的菜品，也就是通過分析這些數據所能給人們帶來的價值。

首先，多大才算是“大”數據？

下麵是常見的數據單位：

1 KB = 1024 B (KB - kilobyte) 

1 MB = 1024 KB (MB - megabyte) 

1 GB = 1024 MB (GB - gigabyte)

1 TB = 1024 GB (TB - terabyte) 

1 PB = 1024 TB (PB - petabyte) 

1 EB = 1024 PB (EB - exabyte) 

1TB，現在的話只需要一塊硬碟就可以存夠，大約幾十倍4K電影。1PB的話，則需要大約2個機櫃的存儲設備。1EB，需要大約2000個機櫃的存儲設備。如果並排放這些機櫃，可以連綿1.2公里那麼長。如果擺放在機房裏，需要21個標準籃球場那麼大的機房，才能放得下。

EB還不是******的。目前全人類的數據量，已經達到了ZB級。

1 ZB = 1024 EB (ZB - zettabyte) 

2011年，全球被創建和複製的數據總量是1.8ZB。而到2020年，全球電子設備存儲的數據，將達到35ZB。如果建一個機房來存儲這些數據，那麼，這個機房的面積將比42個鳥巢體育場還大。

數據量不僅大，增長還很快——每年增長50%。也就是說，每兩年就會增長一倍。

目前的大數據應用，還沒有達到ZB級，主要集中在PB/EB級別。

哪里來這麼多數據？一方面互聯網的發展，促進了用戶產生資訊（UGC）的快速增長，即大家每天拍攝、分享的照片、視頻。更重要的是，隨著物聯網的發展，各種各樣的感知層節點開始自動產生大量的數據，例如遍佈世界各個角落的感測器、攝像頭。

其次，什麼叫做數據清理、挖掘和機器學習？

我們可以從一個小孩子從出生開始的學習過程來類比。孩子會接觸到大量的人、事、物，它們具備各種形態、格式、類型，需要以不同的方式加以理解、消化，對於一個孩子來說，這些數據再大也不多。但是放大到幾十個、上百個孩子，這些數據就會相當龐大，數據處理、吸收的複雜性也會指數式增加，這就類似於“大數據”。

在接觖到這些資訊以後，孩子要從中理解世界這行的機制，這就是“數據挖掘”。譬如：孩子看到天氣冷了，葉子落了，得出了結論：“天氣冷的時候，樹葉會掉下來”。

這就是通過對數據的處理，挖掘出了一定的經驗知識。

這個裏面涉及到很多關鍵的點：怎麼樣確保天氣冷的資訊是準確的，這就需要“數據清理”，即要對原始數據進行嚴格的規整，避免嗓聲資訊。

最後，孩子學習到這些經驗知識以後，現在孩子需要自己面對一個新的世界。天氣冷的時候，樹葉會掉。那麼天氣暖和的時候，會怎麼樣？

孩子也許還沒有看過，但是根據對天冷時候的情況的分析，他/她推測，樹葉可能會長出來。

這就是從已有的經驗，推測出新的知

識，這就是“機器學習”的核心。“學習”的本質就是求解最逼近真相的經驗，理論基礎主要是統計學。

最後，大數據系統的價值是什麼？ 

研究大數據的主要目的，就是為了挖掘大數據裏面的價值。大數據，究竟有什麼價值？

早在1980年，著名未來學家阿爾文·托夫勒在他的著作《第三次浪潮》中，就明確提出：“數據就是財富”，並且，將大數據稱為“第三次浪潮的華彩樂章”。

第一次浪潮：農業階段，約1萬年前開始

第二次浪潮：工業階段，17世紀末開始

第三次浪潮：資訊化階段，20世紀50年代後期開始。

歸納來說，大數據的價值主要來自於兩個方面：

1. 幫助企業瞭解用戶

大數據通過相關性分析，將客戶和產品、服務進行關係串聯，對用戶的偏好進行定位，從而提供更精准、更有導向性的產品和服務，提升銷售業績。

典型的例子就是電商。像阿裏淘寶這樣的電子商務平臺，積累了大量的用戶購買數據。在早期的時候，這些數據都是累贅和負擔，存儲它們需要大量的硬體成本。

但是，現在這些數據都是阿裏最寶貴的財富。通過這些數據，可以分析用戶行為，精准定位目標客群的消費特點、品牌偏好、地域分佈，從而引導商家的運營管理、品牌定位、推廣行銷等。

2.幫助企業瞭解自己

企業生產經營需要大量的資源，大數據可以分析和鎖定資源的具體情況，例如儲量分佈和需求趨勢。這些資源的可視化，可以幫助企業管理者更直觀地瞭解企業的運作狀態，更快地發現問題，及時調整運營策略，降低經營風險。

大數據的產業鏈  

大數據的產業鏈，和大數據的處理流程是緊密相關的。簡單來說，就是生產數據、聚合數據、分析數據、消費數據。每個環節，都有相應的角色、企業。

從目前的情況來看，國外廠商在大數據產業佔據了較大的份額，尤其是上游領域，基本上都是國外企業。國內IT企業相比而言，存在較大的差距。

大數據面臨的挑戰

除了數據管理技術難度之外，大數據的******挑戰，就是安全。

數據是資產，也是隱私。沒有人願意自己的隱私被暴露，所以，人們對自己的隱私保護越來越重視。政府也在不斷加強對公民隱私權的保護，出臺了很多法律。歐盟在2018年出臺了有史以來最嚴厲的GDPR（《一般數據保護法案》），把網路數據保護上升到前所未有的高度

在這種情況下，企業獲取用戶數據，就需要慎重考慮，是否符合倫理和法律。一旦違法，將付出極為沉重的代價。此外，即使企業合法獲取數據，也要擔心是否會被惡意攻擊和竊取。這裏面的風險也是不容忽視的。