文档介绍
* 中国互联网用户 * 移动终端功能的演进 * 移动互联网加快普及 * 智能终端引领后PC时代 * 移动数据流量超过话音 * 全球移动数据流量 * 移动互联网流量 * 互联网上1分钟 * 互联网上的1天 * 照片 * 大数据时代到来 * 大数据定义 * 大数据例子 * 科学研究催生大数据 * 物联网催生大数据 * 安全监控的数据量 * 环境监测催生大数据 * 医疗病历隐藏大数据 * 国际关注大数据 * 大数据的4V特征 “大量化(Volume)、多样化(Variety)、快速化(Velocity)、价值密度低（Value）”就是“大数据”的显著特征，或者说，只有具备这些特点的数据，才是大数据。 体量Volume 多样性Variety 价值密度Value 速度Velocity 非结构化数据的超大规模和增长 总数据量的80~90% 比结构化数据增长快10倍到50倍 是传统数据仓库的10倍到50倍 大数据的异构和多样性 很多不同形式（文本、图像、视频、机器数据） 无模式或者模式不明显 不连贯的语法或句义 大量的不相关信息 对未来趋势与模式的可预测分析 深度复杂分析（机器学习、人工智能Vs传统商务智能(咨询、报告等） 实时分析而非批量式分析 数据输入、处理与丢弃 立竿见影而非事后见效 * 大数据的4V * 大数据的划分 * 大数据技术挑战 * 大数据技术挑战 * 大数据平台技术 * 分布式存储与架构 * 大数据的并行处理 * 大数据并行处理分析 * 大数据可视化分析 * 虚拟化与可视化 * 大数据可视化 Thanks S 大数据技术 * Big Data名词由来 20世纪90年代，数据仓库之父的Bill Inmon就经常提及Big Data 2011年5 月，在“云计算相遇大数据” 为主题的EMC World 2011 会议中，EMC 抛出了Big Data概念 * 大数据的产生