一、在概念(获取、存储、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量数据规模、高速数据流、多种数据类型和价值密度低四大特点。 大数据的本质是一堆结构化和非结构化的数据。 因为数据量太大，不能使用，所以需要从中抓住有价值的内容和想要的数据。 这就是大数据APP应用。 在旧程序中，我们进行企业级项目(数据库项目)时，有数据的存储，绘制了很多图表，为决策者进行科学决策提供了客观依据，各工作人员从数据中发现问题，进而实现当然，也有实时变动的数据。 1 )超市管理系统汇总每年的数据，比较每月销售额，了解淡旺季，帮助下一步应对措施不同类型的商品，比较哪些商品卖得多，哪些商品收益高当然，如果有会员的话，也可以统计不同年龄、不同性别的喜好等。 2 )石油行业进口系统统计哪些加油站销量好，哪些型号销量好。 3 )、HIS )医院信息管理)系统统计哪个科室患者多、哪个医生挂号量大、哪个医疗器械使用频率高、哪个病种多、哪个年龄段患哪个类型疾病的数量多、哪个地区的人患哪个疾病的概率高在许多研究型医院，什么类型的细菌是某些疾病的主要原因等也可以从大量数据中获得。 随着时间的推移，数据的积累，社会节奏的变化，越来越多的人使用信息化系统，数据的积累速度加快，数据也越来越庞大。 在数据检索、数据存储、数据管理、数据分析方面，存在的数据集规模大大超出了传统数据库软件工具的能力范围，数据价值越来越大，需要专门的企业或人员来处理数据那就是现在的大数据(当然，大数据的含义用这一两个词是不能充分说明的)。 以前是小数据，现在是大数据，哈哈！ 从技术层面来说，大数据与以前的数据时代(“小数据”)最大的区别在于以前的数据搜索APP、算法的过程，侧重于通过采样来推测整体，从采样数据来分析，是采集到的采样大数据时代的一个重要技术特征是应用、算法查找数据的过程，数据规模在技术上构成了最大的挑战，所以我们关注每个个体的微观表现
二、应用场景实例：应用场景可以体现大数据的价值。 我的博客里也有一些关于大数据应用场景的故事。 https://blog.csdn.net/Jiang 7701037/article/details/81041692 )、超市管理系统：除了传统数据的汇总比较外，目前例如，根据大量的数据，“毕比这样，超市就会尽量拉近这两种商品的摆放地点，方便顾客购买。 “这是为了给商场的商品配置提供依据。 ”在电子商务平台上，数据总结更有说服力。 例如，淘宝，这个平台很“可怕”。 他可以统计南北方地区不同省份的人的特征。 例如，不同省份人群的网络购物量、哪个性别、哪个年龄段购买最多？ 另外，根据衣服的尺寸知道哪个省人们的身高状况。 那个省的人们喜欢什么颜色的衣服？ 啊，还有内衣。 根据内衣的不同，知道哪个省的女性杯子有多大……如果你在北京东部买过奶瓶搜索奶粉，北京东部的大数据会预测你有宝宝的可能性。 你可能会说这就是大数据，太简单了。 其实如果京东只为你一个人服务，那很简单，但是京东可以对数亿用户(大数据)进行这个推广。 不容易。 这是商业公司总结分析消费者日常购买行为和使用商品习惯，了解消费者需求，改进现有商品，及时推出新的、消费者满意的商品的体现2 )、石油行业进口系统，著名的“魔镜”预知石油市场走向， “魔镜”是中石油等企业分析数据、可视化数据，帮助企业科学决策、节约成本、合理布局3 ) HIS )医院信息管理)系统中，尤其是在医学研究上。 改变大数据医学诊断手段的大数据分析为解决许多医学难题提供了新途径，也改变了一些疾病诊断方式。 大数据可以大量挖掘以往类似疾病的案例，通过分析这些诊断数据，快速判别疑难病症。 例如，在心脏病诊断过程中，首先收集心脏数据并转化为心脏图像，根据图像进行建模。 模型中的变量为压力、孝顺咖啡、僵硬度等，最后基于该模型分析心脏疾病病情，制定相应的诊疗方案。 此外，利用图像处理技术，将心脏数据建模为一个虚拟实体，通过设置不同参数，模拟观察各种手术和药物对心脏功能的影响，为诊疗前预测诊疗后心脏疾病的可能动向，获取疾病诊疗方法提供了手段当出现大数据可预测的病情扩散趋势大爆发时，通过对疾病现有扩散趋势和感染人数建模，并对每个时间节点的数据进行分析处理，可以对大爆发进行统计研究，预测病情扩散趋势，为疾病防治提供参考。 另外，在下次疫情发生时，还可以调用往年数据进行分析，了解规律，有望抑制病情的进一步扩张。 ……疾病预防、临床应用、互联网医疗等4 )、做搜索引擎的百度和谷歌更可怕。 他保存了所有互联网用户搜索的关键词。 用户搜索的关键词表达了他的兴趣。 例如，最近经常搜索it培训，不知道在说明什么，最近经常搜索web前端的培训，不知道在说明什么，最近搜索流感的预防方法，得了流感怎么办，自己该怎么办流感季节到了，担心的人很多，另外，说明了可能得到的流感人数的占有率和速度……
5）、交通： 实时路况给人们出行选择带来的方便。交通拥堵的原因分析，并结合车辆购买的增长情况，决定修路的节奏把握（如：什么路段需要修路，什么路段需要优先修路，要不要单行等等），根据大数据的全样本体现的高峰期更有说服力，并制定一系列的对策等等。三、大数据能做什么？ 预测，决策，为机器学习和人工智能提供支撑 预测从古代就做了，但是大数据做预测的核心是全样本，多个维度的全样本，交叉确认，人会说谎，在社交场合会隐藏部分内心，但这部分内心在日积月累的互联网上总有丝竹马迹会留下来，所以，越来越多的数据模型和数据会给出无限接近感知的结果。也就是可以让计算机具有学习能力，机器学习就是设计一个一些让计算机可以自动学习的算法，人工智能的核心是什么？归根到底是“计算机用大数据在代替人脑来思考；计算机可能比人脑思考的更全面和迅速 当然大数据的应用，不是一篇文章，简单举个例子就能说明白的，现在是数据为王的时代，我们现在才真正开始体会“数据最有说服力"的魅力所在，我认为，数据的作用待开发的地方太多了，数据的作用，未来不可限量，没法预测，也不敢预测，只能期待。我想未来大量的数据真的是一件“可怕”的事情，人类还需要把这些数据应用在生产上，否则，会带来灾难性的结果。