大数据是什么？市场有多大？

简单的说，大数据就是围绕数据进行一系列价值化 *** 作的过程。

经过多年的发展，当前的大数据已经由早期的几个基本特征（数据量大、结构多样性、速度快、价值密度低、真假难辨等），发展到今天的一个产业链，这个产业链包括了数据的采集、管理和应用，众多的企业也都陆续参与到了大数据产业链当中。

数据的采集包括传统信息系统的采集（ERP系统、办公系统等），Web信息的采集以及物联网系统的信息采集，信息采集是大数据的重要环节，没有信息采集也就不会有大数据。随着移动互联网的快速发展，信息采集的范围在不断扩大，数据自身的维度也在不断提升，数据所蕴藏的价值也在不断提升。

数据分析是数据管理的重要内容，也是目前数据价值化的重要手段，当前大数据落地应用多以场景大数据分析为主。数据应用目前主要是两个渠道，一个是人工智能系统，另一个是决策系统，典型的应用案例分别是自动驾驶和智能诊疗。

说到大数据的市场空间，就一定要谈一下产业互联网，因为未来大数据将主要通过产业互联网的方式落地到广大的传统行业。产业互联网作为当前传统行业结构性升级的重要内容之一，未来的发展空间还是非常大的，一方面传统行业需要产业互联网的技术来辅助企业进行产品创新，另一方面科技企业也需要产业互联网的发展来把大数据、人工智能等一众技术实现落地应用，从而为互联网的持续高速发展寻找新的发展领域。而大数据作为产业互联网的核心技术之一，未来自然有巨大的市场空间。

物联网的大数据来源于物质世界，由大量传感器产生。
物联网是一种新型的信息技术，它通过网络将物理世界与信息世界联系起来，实现对物理世界的监测、控制和管理。物联网中，传感器是实现对物理世界的监测的重要手段。传感器可以感知物理世界的信息，例如温度、湿度、压力、光线等，并将信息通过网络传送给物联网系统。
物联网系统通过处理传感器传送的信息，实现对物理世界的监测、控制和管理。处理传感器传送的信息时，会产生大量的数据，这些数据就是物联网的大数据。物联网的大数据来源于物质世界，由大量传感器产生。
总之，物联网的大数据是通过对物理世界的监测和管理，由大量传感器产生的。

听说过机智云吗？这家专注于物联网云服务的企业可以为有需要独立部署IoT云平台的企业提供全套的企业物联网云平台私有云部署服务GIE，包括设备开发、设备连接、大数据、设备管理和设备运营等一系列企业全面的IoT需求。这有效缩短了企业建设周期，大幅降低了研发成本，并提高了企业所在价值链的生产效率。此外，GIE还提供企业技术培训、远程托管运维升级、全球化部署和自助开发等支持，并开放API以对接企业管理系统。他们已成功为中国电信、国家电网、奥克斯等知名企业部署了私有云平台业务，安全可靠。如果你有需要，可以考虑一下他们。

要想简单明了地表述出大数据的概念和 *** 作，应该站在一个更高的视野来看待大数据，通常来说，站在行业的高度来看待大数据，大数据的核心在于为行业领域带来新的价值空间，通过大数据来全面重塑企业各种模式，而如果单纯地站在数据的角度来看待大数据，大数据的核心在于数据的价值化，数据价值化的过程本身就能够开辟出一个巨大的价值空间。
大数据的 *** 作要紧紧围绕大数据的价值空间来展开，目前主要的 *** 作可以分为三大块，分别是数据采集 *** 作、数据分析 *** 作和数据应用 *** 作，这些 *** 作的背后几乎涵盖了当前大数据行业的所有产业链。
数据采集 *** 作是大数据产业链的起始端，所以要想了解大数据 *** 作，首先就应该从数据采集开始。当前数据采集渠道通常有三个，一个是传统信息系统，比如各种ERP系统就是典型的代表，这些ERP系统当中的数据往往具有较高的价值密度，通常对于安全性也有非常高的要求。从数据结构上来看，传统信息系统的数据结构是相对比较单一的，处理起来也比较容易。
其二是互联网（Web）系统，相对于ERP系统来说，互联网本身就是一个巨大的数据池，这个数据池不仅承载了大量的数据，同时还在不断更新，这也为数据采集提供了天然的渠道。相对于传统信息系统来说，互联网系统本身的数据类型是比较复杂的，结构化数据、半结构化数据和非结构化数据混杂，这对于数据分析 *** 作也提出了较高的要求。
其三是物联网系统，当前物联网系统所产生的数据是大数据的主要数据来源，也可以说物联网是促进大数据概念产生的重要原因之一。物联网所产生的数据不仅数据量大，数据类型多样化，同时物联网所产生的数据还有比较低的价值密度，这对于数据分析技术提出了更高的要求。随着5G通信的落地应用，物联网本身产生的数据量会越来越大，自身的价值空间也会越来越大。
数据分析 *** 作是当前大数据 *** 作的重要环节，实际上对于大量传统行业来说，数据分析将是很多职场人需要重点掌握的技能之一。当前数据分析 *** 作有两种主要方式，一种是统计学方式，另一种是机器学习方式。统计学的数据分析方式是比较传统的数据分析方式，有大量的工具可以使用，针对于结构化数据来说，统计学的数据分析方式往往更适合一些。机器学习的数据分析方式针对于复杂的数据环境往往有更好的分析效果，但是对于数据分析人员也提出了更高的要求。

物联网、大数据及人工智能都是近年来互联网行业比较火热的话题，三者之间具有非常紧密的联系。想探讨物联网、大数据及人工智能之间如何融合，首先需要了解其基本概念。

概念

1、物联网

根据百度百科的解释，物联网（InternetofThings，IoT）是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络（万物互联）。物联网网络架构设计由感知层、网络层及应用层组成，分别实现数据采集、数据传输及数据应用的功能。目前，物联网已经广泛应用于智慧医疗、智慧环保、智慧城市、智能家居及物流等领域。

2、大数据

大数据指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，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有体量大（Volume）、及时性（Velocity）、多样性（Variety）、低价值密度（Value）及真实性（Veracity）的“5V”特性。

3、人工智能

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。目前，人工智能正在改变各行各业的传统模式，作为人工智能分支的机器学习/深度学习已经广泛用于自然语言处理（NLP）、计算机视觉（CV）、机器翻译及推荐系统等领域。

深度融合

物联网、大数据、人工智能三者之间相辅相成，可以形成一个闭环通路。物联网作为智能感知层，主要负责采集现场的数据并将数据上传至分布式数据库中；大数据作为数据存储层，将经过ETL处理后的数据保存到分布式文件系统（HDFS）或数据仓库（HIVE）中；人工智能作为应用层，可利用sparkml或tensorflow实现相关的机器学习或深度学习算法，对存储在HDFS或HIVE中的数据进行数据挖掘。

应用案例

目前，物联网、大数据、人工智能已经广泛用于智慧城市、智慧环保、智慧交通等领域。以智慧环保中的空气预警为例，首先，物联网可以作为智慧感知层，安装在客户现场的空气监测设备采集的空气质量信息通过网络传输数据中心；而后，利用大数据ETL工具（spark、hive）进行数据清洗并存储至分布式数据库/文件系统/数据仓库中；最后，利用人工智能相关技术进行大数据分析（sparkml、tensorflow），预测未来若干天的空气质量，并以此辅助进行科学决策及改善环境。

物联网就是通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。
通俗地讲，物联网就是“物物相连的互联网”，它包含两层含义：
第一，物联网是互联网的延伸和扩展，其核心和基础仍然是互联网；
第二，物联网的用户端不仅包括人，还包括物品，物联网实现了人与物品及物品之间信息的交换和通信。
物联网作为新一代信息技术的高度集成和综合运用，具有渗透性强、带动作用大、综合效益好的特点，是继计算机、互联网、移动通信网之后信息产业发展的又一推动者。

---