一、大数据技术
1、尝试数据生成方式经验的几个阶段。
运营系统阶段：在此阶段，数据生成方法是被动的，只有在发生实际的企业业务时才会生成新记录并存储在数据库中。
用户原创内容阶段：互联网真正的数据爆炸。 强调自助服务，大量互联网用户本身就是内容的生成者，数据量开始急剧增长。
感知系统阶段：原因：物联网的发展，物联网的一些传感设备，时时刻刻产生大量的数据，物联网的自动数据生成方式，在短时间内产生更密集、更大量的数据，使人类社会迅速发展
2、尝试大数据的四个基本特征。
数据量大：数据以自然的方式增加，其发生不以人的意志为转移。 各种数据发生速度快，发生数量多，远远超出了人类可控的范围。
数据种类繁多：大数据种类丰富，包括结构化数据和非结构化数据。
处理速度快：大数据时代的数据生成速度非常快。
低价值密度：价值密度远远低于传统关系数据库中的现有数据。 很多宝贵的信息分散在大量的数据中。
3、考验大数据对思维方式的重要影响。
思想的三个变化：不是采样，而是效率，不准确，不是因果，而是相关性
1 )全样本而不是抽样)以往，由于数据存储和处理能力的限制，科学分析通常采用抽样的方法，通过分析样本数据来估计全集成数据的整体特征。 目前有大数据技术的支持，科学分析可以直接适应全集数据，而且可以在短时间内快速得到分析结果，速度快。
2 )不准确、高效)传统采样分析方法中误差有所放大，但为了保证误差在全集数据中放大后仍能达到可接受的范围，必须确保采样分析结果的准确性。 其次，实现算法的高效化。 目前，大数据时代采用全样本分析而不是采样分析，不存在误差放大的问题。 数据分析的效率是关注的核心。
3 )相关性而非因果关系(过去、数据分析的目的、说明事物背后的发展机制、预测未来可能发生的事情，都反映出一种“因果关系”。 在大数据时代，人们开始追求“相关性”而不是“因果性”。
4、举例说明大数据的具体应用
制造业：利用工业大数据提高制造业水平。 例如产品故障诊断和预测下降、工艺流程分析、生产工艺改进、生产工艺能耗优化、工业供应链分析和优化等
金融：大数据在高频交易、社会情感分析、信用风险分析三大金融创新领域发挥重要作用
汽车：利用大数据和物联网技术实现无人驾驶汽车
互联网：利用大数据技术，分析客户行为，进行商品推荐和针对性广告投放
餐饮：利用大数据实现餐饮o2o模式，彻底改变传统餐饮经营方式
电信：利用大数据技术实现客户离网分析，及时把握客户离网趋势，制定客户留住措施
能源：利用大数据技术分析用户用电模式，改善电网运行，合理设计电力需求响应系统，确保电网运行安全
物流：利用大数据优化物流网络，提高物流效率，降低物流成本
城市管理：利用大数据实现智能交通、环保监测、城市规划和智能安全
生物医学：大数据预测大爆发、智能医疗、健康管理、DNA解读等
体育与娱乐：通过大数据训练团队，预测比赛结果，分析拍摄什么题材的电影作品
安全领域：政府利用大数据技术构建强大的国家安全体系，企业利用大数据抵御网络攻击，警方利用大数据预防犯罪
个人生活：通过大数据分析个人生活行为习惯，提供更周到的个性化服务
以大数据关键技术为例
数据采集与预处理：利用ETL工具将分布在异构数据源中的数据提取到临时中间层，然后进行清洗、转换、集成，最后加载到数据仓库或数据集市，成为在线分析处理、数据挖掘的基础； 利用日志采集工具将实时采集的数据作为流量计算系统的失败者，进行实时处理分析
数据存储和管理—利用分布式文件系统、数据仓库、关系数据库、NoSQL数据库、云数据库等来存储和管理结构化、半结构化和非结构化的海量数据
数据处理与分析：利用分布式并行编程模型和计算框架，将机器学习与数据挖掘算法相结合，实现海量数据的处理与分析； 可视化表达分析结果，有助于人们更好地理解数据，分析数据
数据安全和隐私保护：在从大数据中挖掘潜在巨大业务价值和学术价值的同时，构建数据安全体系和隐私数据保护体系，有效保护数据安全和隐私