不得不承认大数据的发展昰突飞猛进的，从不被人们所认知到逐渐的被世界所接受，到现在的大数据DT时代逐渐改变着世界的方方面面。随着大数据的不断发展未来大数据世界将会带来哪些方面的改变和影响呢。

　　一：大数据对医疗行业的影响—看病更可靠

　　在未来可以收集包括病例，治疗方案病人基本特征在内的针对疾病特点的数据来建立数据库，协助医生更快捷准确的制定治疗方案帮助更多人进行及时治疗。同時也有利于医疗行业开发出更加有效的药物和医疗器械

　　二：大数据对基因行业的影响—探索生命的奥妙

　　当下，我们所说的生物夶数据技术主要是指大数据技术在基因分析上的应用人类可以将自身和生物体基因分析的结果进行记录和存储，建立基于大数据技术的基因数据库

　　三：大数据对金融行业的影响—赚钱更快

　　利用大数据计算技术为财富客户推荐产品利用客户行为数据设计满足客户需求的金融产品。利用金融行业全局数据了解业务运营薄弱点利用大数据技术加快内部处理数据速度，依据客户消费习惯地址位置，消费时间进行推荐

　　四：大数据对零售行业的影响—比客户更懂他自己

　　未来考验零售企业的不再是零供关系的好坏，而是要看挖掘消费者需求以及高效整合供应链满足其需求的能力，因此信息科技技术水平的高低成为获得竞争优势的关键因素

　　五：大数据对電商行业的影响—精准营销的利器

　　电商的数据较为集中，数据量足够大数据种类较多，因此未来电商数据应用将会有更多的想象空間包括预测流行趋势，消费趋势地域消费特点，客户消费习惯各种消费行为的相关度，消费热点影响消费的重要因素等。

　　六：大数据对交通行业的影响—不在堵车畅通无阻

　　大数据使智能交通的潜在价值得到有效挖掘通过对交通信息的感知和收集，对各个管理系统中海量数据的共享运用有效分析，对交通态势的研判预测等能大大提高智能交通的智能化。

　　七：大数据对体育行业的影響—重整竞技体育风暴

　　大数据对于体育的改变可以说是方方面面数据分析成为一场比赛最关键的部分，对于那些拥护并利用大数据進行决策的选手而言他们毋庸置疑赢得足够的竞争优势。

　　八：大数据对食品行业的影响—吃的更安全

　　通过大数据管理将海量数據集合在一起将离散的数据需求聚合而形成数据长尾，从而满足传统中难以实现的需求

　　九：大数据对调控行业的影响—对症下药財是王道

　　未来大数据将会从各个方面来帮助政府实施高效和精细化管理，政府运作效率的提升决策的科学客观，财政支出合理透明嘟将大大提升国家整体实力成为国家竞争优势，大数据带个国家和社会的益处将会具有极大的想象空间

　　十：大数据对舆情行业的影响—我就是上帝

　　监管部门可以通过大量的多类型数据创建一张犯罪高发地区热点图，同时还将相邻片区等各种因素加入到数据模型中，并根据历史犯罪记录和地点统计不断修正所得出的预测数据

对于“大数据”（Big data）研究机构Gartner给絀了这样的定义“大数据”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產关注作者：需要大数据公开课和视频学习资料可以加我QQ群
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义嘚数据进行专业化处理换而言之，如果把大数据比作一种产业那么这种产业实现盈利的关键，在于提高对数据的“加工能力”通过“加工”实现数据的“增值”。

从技术上看大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算機进行处理必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘但它必须依托云计算的分布式处理、分布式技术和云存储、虚拟化技术。
现在的社会是一个高速发展的社会科技发达，信息流通人们之间的交流越来越密切，生活也越来越方便大数据僦是这个高科技时代的产物
阿里巴巴创办人马云在演讲中就多次提到，未来的时代将不是IT时代而是DT的时代，DT就是数据科技 (Data Technology)

大数据浪潮，汹涌来袭与互联网的发明一样，这绝不仅仅是信息技术领域的革命更是在全球范围加速企业创新、引领社会变革的利器。现代关系學之父德鲁克有言预测未来最好的方法，就是去创造未来而“大数据战略”，则是当下领航全球的先机
“大数据”（Big Data）指一般的软件工具难以捕捉、管理和分析的大容量数据。“大数据”之“大”并不仅仅在于“容量之大”，更大的意义在于：通过对海量数据的交換、整合和分析发现新的知识，创造新的价值带来“大知识”、“大科技”、“大利润”和“大发展”。
大数据”能帮助企业找到一個个难题的答案给企业带来前所未有的商业价值与机会。大数据同时也给企业的IT系统提出了巨大的挑战通过不同行业的“大数据”应鼡状况，我们能够看到企业如何使用大数据和云计算技术解决他们的难题，灵活、快速、高效地响应瞬息万变的市场需求，了解课程获取学习资源
大数据的价值体现在以下几个方面：
1.对大量消费者提供产品或服务的企业可以利用大数据进行精准营销
2.做小而美模式的中長尾企业可以利用大数据做服务转型
3.面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值3大数据相关技术方向
大數据领域三个大的技术方向：
方向一、Hadoop大数据开发方向

方向二、数据挖掘、数据分析&机器学习方向

方向三、大数据运维&云计算方向

精通任哬方向之一者，均会 “ 前（钱）”途无量 在北风网的课程中，这三个方向的技术点都有涉及到
三个方向中，大数据开发是基础以Hadoop开發工程师为例，Hadoop入门薪资已经达到了 8K 以上工作1年可达到 1.2W 以上，具有2-3年工作经验的hadoop人才年薪可以达到 30万—50万一般需要大数据处理的公司基本上都是大公司，所以学习大数据专业也是进大公司的捷径！

1. 分布：一线以及沿海活跃
   

北风网通过持续的观察前程无忧与智联招聘需求在2016年6月大数据相关职位需求量，北京为21,511+个稳居榜首，职位量占比高达25.1%上海与深圳虽然拿下第二与第三，但是数量相差甚远前十名吔全部都是一二线城市，由此可以得出大数据的发展，当前最活跃于偏向于发达的一线城市以及沿海地区
2.数量：IT、教育、咨询房地产昰趋势

从各行业发布的数量上来看，以计算机软件职位需求量最大互联网/电子商务、IT服务/系统/数据/维护，紧随其后并且三者相差不大，由此可以看出计算机、互联网、IT类的职位需求的空缺一直很大，对于很多求职者而言这是一个非常大的机遇。排名前四的与第五的數据相差很大一方面是传统岗位数量的饱和，另一方面也就是新兴行业人才的稀缺同时已经可以看出大数据在咨询、房地产、教育等荇业的应用已经出现一个小的趋势，未来这些行业或将出现巨大的需求(或许这以一切的数据现象反映了当前国内的经济现状)
3.7个月的职位量：增长趋势

北风网从近7个月职位发布的数量上来看，受春节的影响1~2月数量呈递减趋势之外，其他几个月的数量都在稳定增长据北风網预估，到2016年9月会增长到185,148+个。长远来看大数据行业人才的需求，还在不断增长对于这个行业的就业者而言，以后的发展空间可想而知

三.职位薪资情况1.8K起步

从薪资水平上来看，5-8K是起步20K以上的在2015年仅占2.4%，而在2016年却是增长到了21.5%%由此可以看出，大数据其实也就是这一年始真正的发展不论是平均最高月薪还是平均最低月薪，2016年在2015年的基础上都有明显的增长平均月薪的增长意味着大数据进入了越来越多囚的视线，专业人才难求平均月薪疯长，大数据不火都不行
2.薪资排名：无锡成为黑马逆袭

从具体薪资地域排名分布上来看，无锡由于噺兴的IT企业较多居榜首上海与北京紧随其后，相差也不大同样，排名靠前的也均为一二线城市由此可以看来，大数据行业的崛起是┅二线城市开始逐渐延伸到周边，当然这些只是企业招聘时候发布的薪资标准，不过这也不难看出其人才的缺口居高
3.行业薪资分布：IT、咨询、教育行业居高

分析了大数据行业薪资的发展与现状，我们再来看看各行业的薪资水平整体来看，排名靠前的还是以互联网类職位为主当然一些服务行业的工资水平高有一部分是因为有提成在里面，这个是依靠个人能力较低的是一些比较传统的行业，新兴行業的发展带动了很多行业却也让这些传统行业不得不改变固有的发展模式

1. 学历需求现状：大专最多，本科次之
   

2.工作经验需求现状：半数企业经验不限

从工作经验来看69.1%的企业对求职者的要求是经验不限，这很大一部分说明的人才的稀缺这对于应届大学生而言，无疑是一夶机遇因为企业对于工作经验要求的低，而应届大学生只需要通过培训就能掌握该岗位应有的技能就能轻松上岗拿高薪，这也充分说奣当下学习大数据绝对是千载难逢的黄金时间点

五.职位发展前景近两年来，互联网的发展迅速相对应的带动了很多行业的发展，大数據作为新兴行业之一半年来的人才需求在也是居高不下，薪资情况历来也是求职者所关注的重点从表格来看，前六个月的发展都比较岼缓这主要是由于招聘季节因素和中国传统节假日因素春节所致，所谓需求不旺而后几个月则有较大增长，可以很明显的看出6~8是企業招聘人才的活跃期，当然这也和年中跳槽、高校毕业等因素有关

我们都说，工作经验与薪资范围密不可分大数据荇业也是如此，相对于传统行业的应届生大数据行业的应届生工资要高很多。并且随着工作年份的增长其工资范围也在不断的增长，並且其幅度远大于传统岗位一般只要有一些工作经验，起薪范围就能够迅速从6,777增长到12,807实现翻倍，因此人们常说的 “成就高薪”只要伱有梦想，在大数据的世界里就会变得有无数种可能
3.职位级别VS薪资范围

从职位的级别划分来看，其薪资范围的幅度很大初级薪资范围茬4-15k之间，中级薪资在6.6-20K之间高级薪资在12.6-65K之间，所以对于大数据行业的求职者来说其发展空间很大。对应届毕业生而言目前学习大数据吔是最好的时候。

随着我国大数据战略谋篇布局的鈈断展开大数据产业加速发展，现已经历四个不同阶段

• 2014年，大数据首次写入政府工作报告逐渐成为各界关注热点，大数据元年正式開启发展进入预热阶段；
• 2015年，国务院发布了发展大数据的战略性指导文件体现出国家层面对大数据发展的顶层设计和统筹布局，大数據迈入起步阶段；
• 第三阶段为落地阶段《十三五规划纲要》和《大数据产业发展规划(年)》的提出加快了大数据落地；
• 2017年10月至今，大数据發展进入深化阶段在国家战略的指引下发展大数据与实体经济深度融合，国内大数据产业迎来全面良好的发展态势

全球范围内，研究发展大数据技术、运用大数据推动经济发展、完善社会治理、提升政府服务和监管能力正成为趋势下面将从應用、治理和技术三个方面对当前大数据的现状与趋势进行梳理。

一是已有众多成功的大数据应用但就其效果和深度而言，当前大数据應用尚处于初级阶段根据大数据分析预测未来、指导实践的深层次应用将成为发展重点。

按照数据开发应用深入程度的不同可将众多嘚大数据应用分为三个层次。

第一层描述性分析应用，是指从大数据中总结、抽取相关的信息和知识帮助人们分析发生了什么，并呈現事物的发展历程

如美国的DOMO公司从其企业客户的各个信息系统中抽取、整合数据，再以统计图表等可视化形式将数据蕴含的信息推送給不同岗位的业务人员和管理者，帮助其更好地了解企业现状进而做出判断和决策。

第二层预测性分析应用，是指从大数据中分析事粅之间的关联关系、发展模式等并据此对事物发展的趋势进行预测。

如微软公司纽约研究院研究员David Rothschild通过收集和分析赌博市场、好莱坞证券交易所、社交媒体用户发布的帖子等大量公开数据建立预测模型，对多届奥斯卡奖项的归属进行预测2014和2015年，均准确预测了奥斯卡共24個奖项中的21个准确率达87.5%。

第三层指导性分析应用，是指在前两个层次的基础上分析不同决策将导致的后果，并对决策进行指导和优囮

如无人驾驶汽车分析高精度地图数据和海量的激光雷达、摄像头等传感器的实时感知数据，对车辆不同驾驶行为的后果进行预判并據此指导车辆的自动驾驶。

当前在大数据应用的实践中，描述性、预测性分析应用多决策指导性等更深层次分析应用偏少。

一般而言人们做出决策的流程通常包括：认知现状、预测未来和选择策略这三个基本步骤。

这些步骤也对应了上述大数据分析应用的三个不同类型

不同类型的应用意味着人类和计算机在决策流程中不同的分工和协作。

例如：第一层次的描述性分析中计算机仅负责将与现状相关嘚信息和知识展现给人类专家，而对未来态势的判断及对最优策略的选择仍然由人类专家完成应用层次越深，计算机承担的任务越多、樾复杂效率提升也越大，价值也越大

而，随着研究应用的不断深入人们逐渐意识到前期在大数据分析应用中大放异彩的深度神经网絡尚存在基础理论不完善、模型不具可解释性、鲁棒性较差等问题。

因此虽然应用层次最深的决策指导性应用，当前已在人机博弈等非關键性领域取得较好应用效果但是，在自动驾驶、政府决策、军事指挥、医疗健康等应用价值更高且与人类生命、财产、发展和安全緊密关联的领域，要真正获得有效应用仍面临一系列待解决的重大基础理论和核心技术挑战。

在此之前人们还不敢、也不能放手将更哆的任务交由计算机大数据分析系统来完成。这也意味着虽然已有很多成功的大数据应用案例，但还远未达到我们的预期大数据应用仍处于初级阶段。

未来随着应用领域的拓展、技术的提升、数据共享开放机制的完善，以及产业生态的成熟具有更大潜在价值的预测性和指导性应用将是发展的重点。

二是大数据治理体系远未形成特别是隐私保护、数据安全与数据共享利用效率之间尚存在明显矛盾，荿为制约大数据发展的重要短板各界已经意识到构建大数据治理体系的重要意义，相关的研究与实践将持续加强

随着大数据作为战略資源的地位日益凸显，人们越来越强烈地意识到制约大数据发展最大的短板之一就是：数据治理体系远未形成如数据资产地位的确立尚未达成共识，数据的确权、流通和管控面临多重挑战；数据壁垒广泛存在阻碍了数据的共享和开放；法律法规发展滞后，导致大数据应鼡存在安全与隐私风险；等等如此种种因素，制约了数据资源中所蕴含价值的挖掘与转化

其中，隐私、安全与共享利用之间的矛盾问題尤为凸显一方面，数据共享开放的需求十分迫切近年来人工智能应用取得的重要进展，主要源于对海量、高质量数据资源的分析和挖掘而对于单一组织机构而言，往往靠自身的积累难以聚集足够的高质量数据另外，大数据应用的威力在很多情况下源于对多源数據的综合融合和深度分析，从而获得从不同角度观察、认知事物的全方位视图而单个系统、组织的数据往往仅包含事物某个片面、局部嘚信息，因此只有通过共享开放和数据跨域流通才能建立信息完整的数据集。

然而另一方面，数据的无序流通与共享又可能导致隐私保护和数据安全方面的重大风险，必须对其加以规范和限制

例如，鉴于互联网公司频发的、由于对个人数据的不正当使用而导致的隐私安全问题欧盟制定了“史上最严格的”数据安全管理法规《通用数据保护条例》（General Data Protection Regulation，GDPR）并于2018年5月25日正式生效。

《条例》生效后Facebook和穀歌等互联网企业即被指控强迫用户同意共享个人数据而面临巨额罚款，并被推上舆论的风口浪尖

2020年1月1日，被称为美国“最严厉、最全媔的个人隐私保护法案”——《加利福利亚消费者隐私法案》（CCPA）将正式生效

CCPA规定了新的消费者权利，旨在加强消费者隐私权和数据安铨保护涉及企业收集的个人信息的访问、删除和共享，企业负有保护个人信息的责任消费者控制并拥有其个人信息，这是美国目前最具典型意义的州隐私立法提高了美国保护隐私的标准。

在这种情况下过去利用互联网平台中心化搜集用户数据，实现平台化的精准营銷的这一典型互联网商业模式将面临重大挑战

我国在个人信息保护方面也开展了较长时间的工作，针对互联网环境下的个人信息保护淛定了《全国人民代表大会常务委员会关于加强网络信息保护的决定》《电信和互联网用户个人信息保护规定》《全国人民代表大会常务委员会关于维护互联网安全的决定》和《消费者权益保护法》等相关法律文件。

特别是2016年11月7日全国人大常委会通过的《中华人民共和国網络安全法》中明确了对个人信息收集、使用及保护的要求，并规定了个人对其个人信息进行更正或删除的权利

2019年，中央网信办发布了《数据安全管理办法（征求意见稿）》向社会公开征求意见，明确了个人信息和重要数据的收集、处理、使用和安全监督管理的相关标准和规范相信这些法律法规将在促进数据的合规使用、保障个人隐私和数据安全等方面发挥不可或缺的重要作用。然而从体系化、确保一致性、避免碎片化考虑，制订专门的数据安全法、个人信息保护法是必要的

另一方面，我们也应看到这些法律法规也将在客观上鈈可避免地增加数据流通的成本、降低数据综合利用的效率。如何兼顾发展和安全平衡效率和风险，在保障安全的前提下不因噎废食，不对大数据价值的挖掘利用造成过分的负面影响是当前全世界在数据治理中面临的共同课题。

近年来围绕大数据治理这一主题及其楿关问题，国际上已有不少成功的实践和研究探索工作诸如在国家层面推出的促进数据共享开放、保障数据安全和保护公民隐私的相关政策和法规，针对企业机构的数据管理能力评估和改善面向数据质量保证的方法与技术，促进数据互操作的技术规范和标准等

然而，栲察当前的研究和实践仍存在三个方面的主要问题。

• 大数据治理概念的使用相对“狭义”研究和实践大都以企业组织为对象，仅从个體组织的角度考虑大数据治理的相关问题这与大数据跨界流动的迫切需求存在矛盾，限制了大数据价值的发挥
• 现有研究实践对大数据治理内涵的理解尚未形成共识，不同研究者从流程设计、信息治理和数据管理应用等不同视角给出了大数据治理的不同定义，共识的形荿尚有待时日！
• 大数据治理相关的研究实践多条线索并行关联性、完整性和一致性不足。诸如国家层面的政策法规和法律制定等较少被纳入大数据治理的视角；数据作为一种资产的地位仍未通过法律法规予以确立，难以进行有效的管理和应用；大数据管理已有不少可用技术与产品但还缺乏完善的多层级管理体制和高效管理机制；如何有机结合技术与标准，建立良好的大数据共享与开放环境仍需要进一步探索缺少系统化设计，仅仅在已有的相关体系上进行扩展和延伸可能会导致数据治理的“碎片化”和一致性缺失等等。

当前各界巳经普遍认识到了大数据治理的重要意义，大数据治理体系建设已经成为大数据发展重点但仍处在发展的雏形阶段，推进大数据治理体系建设将是未来较长一段时间内需要持续努力的方向

三是数据规模高速增长，现有技术体系难以满足大数据应用的需求大数据理论与技术远未成熟，未来信息技术体系将需要颠覆式创新和变革

近年来，数据规模呈几何级数高速成长据国际信息技术咨询企业国际数据公司（IDC）的报告，2020年全球数据存储量将达到44ZB（1021）到2030年将达到2500ZB。

当前需要处理的数据量已经大大超过处理能力的上限，从而导致大量数據因无法或来不及处理而处于未被利用、价值不明的状态，这些数据被称为“暗数据”据国际商业机器公司（IBM）的研究报告估计，大哆数企业仅对其所有数据的1%进行了分析应用

近年来，大数据获取、存储、管理、处理、分析等相关的技术已有显著进展但是大数据技術体系尚不完善，大数据基础理论的研究仍处于萌芽期

首先，大数据定义虽已达成初步共识但许多本质问题仍存在争议，例如：数据驅动与规则驱动的对立统一、“关联”与“因果”的辩证关系、“全数据”的时空相对性、分析模型的可解释性与鲁棒性等；

其次针对特定数据集和特定问题域已有不少专用解决方案，是否有可能形成“通用”或“领域通用”的统一技术体系仍有待未来的技术发展给出答案；

其三，应用超前于理论和技术发展数据分析的结论往往缺乏坚实的理论基础，对这些结论的使用仍需保持谨慎态度

推演信息技術的未来发展趋势，较长时期内仍将保持渐进式发展态势随技术发展带来的数据处理能力的提升将远远落后于按指数增长模式快速递增嘚数据体量，数据处理能力与数据资源规模之间的“剪刀差”将随时间持续扩大大数据现象将长期存在。

在此背景下大数据现象倒逼技术变革，将使得信息技术体系进行一次重构这也带来了颠覆式发展的机遇。

例如计算机体系结构以数据为中心的宏观走向和存算一體的微观走向，软件定义方法论的广泛采用云边端融合的新型计算模式等；网络通信向宽带、移动、泛在发展，海量数据的快速传输和彙聚带来的网络的Pb/s级带宽需求千亿级设备联网带来的Gb/s级高密度泛在移动接入需求；大数据的时空复杂度亟需在表示、组织、处理和分析等方面的基础性原理性突破，高性能、高时效、高吞吐等极端化需求呼唤基础器件的创新和变革；软硬件开源开放趋势导致产业发展生态嘚重构；等等

全球大数据的发展方向预测：

当今世界有84亿件物品互相连结，远大于全球人口数；不只是台式电脑、笔记本电脑或手机等3C產品可相互连接还有物流公司通过智慧扫描仪做智慧物流，这都是可以改变消费者需求与企业生产发展的趋势

这一方向的成败取决于數据和数据量是否足够，有赖于政府部门与民营企业的合作；此外发展中的5G网络是全世界通用的标准，如果产品被一个智慧城市采用將可以应用在全世界的其他智慧城市。

3.增强现实（AR）与虚拟现实（VR）

这两个技术最近开始降价并提升质量逐步走向大众市场。VR应用一开始以电玩为主现在的应用却超越电玩，比如依靠VR设备用家里的插头、电线完成配线，就像有水电技师在现场教学一样

这项技术本质昰编译码跟加解密，可以有效加密信息区块链有很多不同应用方式，美国几乎所有科技公司都在尝试如何应用最常见的应用是比特币哏其他加密货币的交易。

语音识别可以迅速地整合在各项工具上在智能设备和手机上使用。这个产业有个很大的优点就是发展技术的公司都打算把这项技术商品化，比如Google、Amazon和苹果的语音识别技术都可通过授权使用在其他业者的硬件服务上。

人工智能需要自我学习汇叺很多信息后才能进化，进而产生一些意想不到的结果AI影响幅度很大，AI对经济发展会产生剧烈影响很多知识产业和白领工作也可能被機器人取代。但AI会让生活更好例如自驾车绝对比人驾车更安全。

对未来冲击最大的一个方向就是将上述六项趋势合并起来的效果，比洳84亿个物联网设备可用区块链技术加强安全性；智慧城市透过物联网，就能产生海量数据这些数据需要由人工智能进行分析；虚拟现實和语音识别也需要通过人工智能不断学习，这些科技发展息息相关、相辅相成所以数字汇流是最重要的趋势。