大数据应用及未来展望论文

第一篇：大数据应用及未来展望论文

现阶段我国在新的科学技术发展上比较迅速,一些新的科学技术在应用上也比较广泛化。下面内容由小编为大家分享大数据应用及未来展望论文，一起来看看吧！

摘 要：大数据应用及未来展望，紧跟互联网+，便捷未来人们的生活，方便用户。畅想未来人与人之间的联系，从社交网络、社区文化，到“六度空间”；展望教育对于国家的希望，大数据和教育整合、合理的早教，对个人的帮助，对社会和国家的贡献；帮助病人的控制病情，并发病等，结合医疗平台，预测依照现有的生活方式，对个人的影响度，精确医疗救助，帮助老人送诊就医；减少自然灾害对人类，对生态环境的影响，“蝴蝶效应”预测自然灾害的发生；从开发者角度，整合用户数据，适应市场变化，用户需求，猜“你”喜欢，开发出满足用户需求的应用；大数据和人脸识别的结合应用，人脸分析，动态推送广告，全“自动”，非“手动”应用，强调人和人之间的猜“你”喜欢的全新的社交方式。大数据在未来的应用必将更加广泛，如何获取大数据，掌握大数据，提取大数据，整合大数据，关系到人们未来生活的方方面面，谁掌握了大数据，就掌握了未来！

关键字：大数据；应用；社交；教育；医疗；自然灾害；应用开发；人脸识别；

Big data applications and future perspectivesJie lv（School of computer science and technology in University of south China hengyang 421000）

Abstract： Big data applications and future prospects, with Internet+ convenient, the future of people’s lives, is convenient for users to think about the future.Between people and people, from social networks, community culture, to the “six space”;prospect of education for the hope of the nation, the integration of big data and reasonable education, early education, to help people and contribution to society and the state;to help patients control the disease, and bring new disease, combining the medical platform, in accordance with the prediction of the existing way of life, the impact on individuals, accurate medical assistance, help the elderly to send medical treatment;reduce natural disasters to human beings, the impact on the ecological environment, the natural disaster prediction butterfly effect the occurrence of;from the developer perspective, the integration of user data, the user needs to adapt to changes in the market, “you guess,” love, development to meet the needs of users of the application;application data and face recognition, face analysis, Dynamic push advertising, full automatic, non manual application, emphasizing the between person and person guess “like you” the new social way.Big data in future applications will be more extensive, how to obtain the data, master data, extraction of big data, data integration, is related to the future life of the people, who mastered the large data, the master of the future!

Keywords： big data;applications;social contract;education;medical treatment;nature calamities;App development;Face Recognition;

1、社会网络到社交文化

1.1 社会网络

社会网络基于节点与节点的联系，区别于传统的群体内的沟通。通过相同的兴趣爱好，血缘关系等方式聚集在一起。在互联网中，不断进入和退出一个群体，对同一个群体表现出归属感。个体和个体之间的互动，内部相对紧密，外部相对稀疏，暂时保持的一种相对稳定的关系。

1.2 六度空间

六度空间理论的猜想，和任何一个陌生人之间所隔的距离不会超过六个。（暂时还只是猜测）。

过去的10年，是社交网络的10年，从twitter到facebook，到中国的qq，微信，社交网络逐渐渗透到日常生活中，腾讯大数据信息统计，qq日接入消息数：30，000亿，微信平均“日登录用户”5.7亿。大量用户在互联网的社交平台上，建立大量多元化联系。社交拉进了人与人之间的距离，以个体为中心的社会网络向外辐射，又与各个群体产生联系。社会是相互联系的，不是一盘散沙，若有若无的保存着一种联系。关系型社交到非关系型社交再到关系型社交，人与人之间的距离真的只有那么近！关于社交文化的研究会是一个大数据应用方向。

2、早教到合理，优质教育

2.1 三岁看大七岁看老

美国当代著名心理学家本杰明·布鲁姆，著有《我们的儿童都能学习》，对近1000名儿童从出生到成年的追踪研究，若人在17岁所达到的智力水平为100%，那么儿童在4岁时已具备了其中的50%，4～8岁期间获得30%，而8～17岁这一阶段只增加了20%[1]。可见中国古话：三岁看大，七岁看老，并非虚言。早教对一个人的发育及未来的影响起到很重要的作用。

2.2 合理，优质教育

早教不是填鸭教学，不是培养“神童”，而是通过早教形成正确的人格。通过国内外教育大数据分析，提供合理教育方案，因材施教，找到属于自己的起跑线。结合在线教育，促进优质教育资源的共享利用。

教育对一个国家的发展不言而喻，教育与国家的强大有着密切的关系，为国家的发展和崛起提供帮助。培养兴趣爱好，培养健康人格，培养合格人才，解决教育难题。合理，优质教育是当代中国实现强国之路的先决条件。

3、医疗平台结合3.1 社会医疗现状

医疗资源大部分80%集中在省市区，大医院资源又集中在30%三甲医院，优质的医疗和医生资源过度集中，百姓不管大病小病都会选择去省市的大医院，一则大医院本是负责重大疾病救治的，不但浪费了大医院的优质资源，还增加了医院和医生的负担。二则需要紧急治疗的患者因为不能及时享受到优质的资源，导致病情的加重。本都是为了能够看好病这一条原因，最后导致普通疾病治疗的成本攀高，大病急病治疗的延误，对于百姓整体健康水平的提高是及其不利的。

3.2 预测疾病

错误的饮食和生活习惯，环境改变，生活压力大等元素均会导致疾病生成，每一个疾病都不存在巧合，有果有因。不同于google通过搜索词预测流感趋势，预测疾病是通过医院对过往病人疾病及生成原因的大数据分析，预测一个人处于现在的生活状态下会得哪一种疾病何时会得。

3.3 预防疾病

美国强生OTDMS糖尿病管理软件，通过直观的数据图谱，显示2型糖尿病患者的先关血糖数据，帮助糖尿病患者更好的控制血糖，加强自我管理，自我预防。起到了很好的效果[2]。通过大数据整合，对患者的病情分析，给患者提供正确医疗建议，有助于患者方便快捷的实现自助式医疗服务，能够起到很好的预防疾病及其并发疾病。

3.4 精确医疗救助

中国已经成为世界上最大的老龄化国家，60岁以上人口近两亿。老人基数大，且增长速度快，养老制度不健全，障碍问题突出，家庭支持功能弱化。如何有针对的赡养老人，或者对老人提供医疗救助服务，是如今社会面临的问题。通过社区，居委会，福利院等机构对当地的老人，如年龄，居住地，健康状况，疾病状况等进行登记。老人可通过手机软件，简单操作发送求助信息，得到针对性的医疗救助，附近的医院单位进行及时看护、治疗，防止意外的发生，不错过最佳的治疗时间。

3.5 语音识别指定医疗方案

通过引导语音交流，判断疾病可能性的打分制，提供医疗指导方案，解决医患比例严重不足，小病可以自动化处理过程。通过语音引导，比如第一步询问哪里不舒服或者哪里有疼痛，根据患者的回答进一步缩小一定范围，通过进一步的询问，最终根据后台大数据系统得到可能的病例分析，给出相应的打分，比如肠胃炎80%，胃溃疡50%…并给出各个结果的相应其他症状，并给出推荐治疗，或进一步检查方案。最终减轻小病的医生诊治，减轻医生负担，合理利用和分配医院资源。

4、自然灾害

4.1 科研机构

全国范围内地方的地震机构,包括市级、区级和县级，数量可达两千多个,年经费预算达40亿[4]，并成逐年上涨趋势。在汶川地震，玉树地震等，没有做出任何贡献的地震局，解释地震无法“预报”的窘况，屡屡受到公众诟病。找到地震，大到所有自然灾害的原因，减少人类生命财产的损失至关重要。

4.2 预防灾害

一只南美洲亚马逊河流热带雨林中的蝴蝶，偶尔扇动几下翅膀，可以在两周以后引起美国德克萨斯州的一场龙卷风，这就是蝴蝶效应。自然灾害的形成，可能源于若干个小的活动的积累。每个小的数据，汇聚成大量的可用性，可推测型数据，用以预防灾害。

5、流行应用

5.1 手机应用使用率

App Store和Google Play都拥有超过150万个应用，相关开发者的数量各自都突破了30万，根据Flurry Analytics的调查研究显示，2015年全球移动应用的使用量增长了58%。[5]大量的应用中，只有很少的一部分应用被人们经常使用，如何能从众多应用中脱颖而出，成为每一个开发者，每一个创业者的难关。

5.2 下一个超级app+猜你喜欢

开发出符合用户需求，独立于现有软件，给未来用户的生活便捷的应用，满足人们生活需要，就可能成为下一个超级App。

俗话说：“打江山容易，守江山难”，如何开发出来的一款应用后，跟随市场的动态，用户需求的变化，守住App的“江山”，在同类型应用中，守住自己的一片天地，更重要。“猜你喜欢”这个名词第一次了解是在淘宝App的首页，根据你的浏览历史纪录，判断出可能要买、或者感兴趣的东西。区别于无目的推广，很大程度的提高了产品的宣传及销售成功比例。猜你喜欢并不是只适用于购物App，例如阅读，视频网站，个性化的推送不单单能够方便用户的选择，更加有利于企业对于用户的了解，增强用户的黏附力。在一个视频网站中，可以知道用户当下的，下一分钟的选择，对于整个用户群，能知道对于哪一类型的视频更感兴趣。现在的视频网站不单单整合视频内容，利益产出更多的是企业创作的视频内容，能产出更多优质，贴合用户的视频。

6、人脸识别

6.1 基于人脸识别的商业大数据分析系统（中国软件杯大赛题目）

首先通过人脸识别技术进行人脸检测、人脸识别、性别识别、年龄段识别、表情识别、注视时长统计等处理收集观看广告机、数字标牌用户的信息，在收集大量数据之后利用大数据处理技术分析用户对内容的喜好，为不同性别、年龄、情绪状态的用户提供更加人性化的内容，在不同时段投放不同内容作出参考依据[6]。简称为“猜你喜欢”，强调人和物之间的联系，针对不同的人，动态实现广告，消息等推送。

6.2 非手动应用

不用于传统应用的点击，手势等操作方式，通过识别面部，眼睛等信息，预测下一步的操作，实现非手动，全自动的应用。例如对某段文字或某张图片的注视时间和脸部表情，判断是否有兴趣，直接进入文章或者放大一张图片等等。通过人脸识别和大数据特征，实现应用全自动操作。

6.3 人与人之间的猜你喜欢

强调人和人之间的猜你喜欢，例如通过摄像头识别对方看你的脸部表情，预测对你的兴趣或者称为好感度，类似于相亲，换言之你就是广告牌，我对你有几分兴趣？茫茫人海中，总有一个对的人，可大多檫肩而过，从此再无交集，如何改变未来的社交方式，比你更懂你，找到你的那个人。

文献：

[1]本杰明·布鲁姆.《我们的儿童都能学习》[数据].[2016.2.2].[2]杨洲.浅谈OTDMS糖尿病管理软件在糖尿病防治中的应用[糖尿病防治/计算机管理软件].求医问药（学术版）．

[3] 陈根.互联网+医疗融合.互联网+”医疗的基础——大数据[书籍].2015-9-14.[2016.03.01].[4] 新快报.人大代表建议撤销国家地震局:预算40亿无法预测[新闻]2014-03-04.[2016.2.11].[5] 晏殊,王冠雄,谁将成为下一个“超级APP”？[数据].2016-02-02 [2016.2.4].[6] 中国软件杯,基于人脸识别的商业大数据分析技术[比赛].2016-02-01.

第二篇：大数据的典型应用场景及展望

大数据的典型应用场景及展望

2015年1月24号，2015 China Hadoop Summit技术峰会在北京如期举行。本次大会作为国内大数据行业最具影响力的IT大会，吸引了众多从事Hadoop研究与推广的权威技术专家、Hadoop技术爱好者和IT厂商前往参加。

现任星环信息科技(上海)有限公司联合创始人兼首席技术官，曾任英特尔数据中心软件部亚太区CTO的孙元浩老师在本次大会上带来了主题为《2014年大数据的典型应用场景及展望》的分享，本文主要针对目前Hadoop主流应用场景，实时流数据的处理以及大数据技术给未来生活的设想等内容进行了整理。

四年前的硅谷，风投埃里森拿出一亿美金来投资大数据公司，他认为Hadoop技术在未来的若干年中会从底层的数据平台，从传统的关系型数据库进行迁移。数据的分析层会被全新的数据分析工具所替代，可视化层和应用分析会有更多的新工具出现，并认为这个市场将达到几百亿美金的规模。

过去几年，Hadoop的发展非常迅猛。我们常讲大数据的四V特征，Hadoop在大数据处理上表现出的处理量、性能、挖掘能力的提升和碎片化处理能力，使其得到越来越广泛的应用。

一、Hadoop的主流应用场景：数据仓库的主要组成部分

传统的企业有若干个主机，用于销售、运营管理等等，产生的数据首先经过ODS层，将数据从多个业务系统中集中起来，进行清洗、转换等集成操作，然后将过加工的数据进入企业IT架构的核心——数据仓库进行统计、挖掘和分析。最后用可视化工具进行展现。这是传统的企业数据仓库的架构，经常采用主流的甲骨文等数据库技术来实现。

Hadoop作为数据仓库组成部分的四个驱动力

互联网公司早年的时候，是把Hadoop做在数据仓库的核心，比如Facebook早期的时候是从服务器采集是通过实时的日志的采集工具，经过Hadoop把Hadoop作为数据分析工具，呈现把结果放在甲骨文中做展现。

互联网公司之所以这么做，是因为互联网数据量大到在传统的数据库不能处理。现在传统的企业也面临同样的问题，将Hadoop作为数据仓库主要组成部分有四个驱动力：

效率：传统的数据仓库技术已经面临非常繁重的数据分析任务，处理的延迟从一天到了一周。

成本：传统的数据架构成本动辄几千万。Hadoop可以实现成本若干倍的降低。

数据来源多样：视频、音频等企业非结构化数据来源增多。MapReduce对于非结构化或半结构化数据的读取非常有效。

数据分析需求的演进： 数据分析不再只满足于统计。使用Hadoop的技术，能够对数据进行深度的挖掘和分析，实现对未来的预测。

Hadoop改变企业数据仓库架构的线路图 第一步：数据仓库的补充 2011、2012年的时候 Hadoop主要是作为数据仓库的补充在做数据的清洗。这一层Hadoop很擅长。Hadoop的优势是能够把计算任务对全要素进行统计分析，这是方式非常适合简单的场景，早年Hadoop的最佳用途是作为ETL的平台，第二步：逐渐进入核心

随着Hadoop生态系统逐渐完善，有更多的数字化工具支持Hadoop，Hadoop开始进入数据仓库的核心领域。有些企业开使用Hadoop来直接做数据可视化，在有些行业中已经开始用Hadoop逐渐取代传统的关系数据库来建立数据仓库。从整个的数据仓库的架构来看，有一半的架构已经开始被Hadoop覆盖了。

第三步：Hadoop使资源管理变为可能，最终将取代企业完整的整据仓库

在一两年之内有些企业完整的数据仓库架构都可能会被Hadoop取代掉。

过去企业数据仓库的时候任务很繁重，系统效率低下。造成这种状况的重要原因是，客户把过多的负载放在数据仓库上面，数据仓库本身又没有资源配合的方式。

Hadoop2.0推出了管理框架，使得资源管理变成了可能，使得数据仓库支撑多个部门的数据分析和访问更加高效。举例来说，每个部门的业务都是动态创建虚拟集群实现的，每个集群都有一定的资源配额，这样的配额用时不会超过这个配额，使得用户任何的负载不会影响其他的用户，这成为数据仓库里一个重要的实现，数据仓库完全平滑，24小时不间断运行的保障。过去上千人在访问Hadoop的时候，也是通过调度机制实现的，随着Hadoop2.0的出现和资源管理能力的提升，通过资源管理层可以方便的配置资源。

我们可以设定CPU的内存和存储资源，每个部门使用的时候有配额的最低保障。当另外一个部门的用户上线使用的时候，比如创建了一个集群，这时会把你的部分资源还给后面的第二个用户，原来第一个用户的资源被收缩了，更多的用户进来的时候，第一个用户的资源被进一步收缩，收缩到一个最低的指标。一方面充分保障了每个用户最低资源的配额，第二也保证系统整体运行的情况下可以充分有效利用整体的计算资源。

二、随着云计算和物联网的逐渐兴起，实时流数据的处理将成为关注重点

云计算和物联网使得数据呈现两个主要特点。首先，数据在没有人工干预的情况下24小时不间断的产生；第二数据并发量高，使得单一的统计已经不能满足用户要求，对数据模式的分析和深度挖掘的要求增强

现在的大数据处理不光需要做统计，而是需要做机器学习，快速地检测出异常的状态。

比如在交通行业部署的实时监控平台，这是一个发展得比较成熟的案例，在全国已经得到了广泛部署。其主要用途是把路面上装的摄像机的照片和分析出来的车牌等信息，实时的传送到中心的大集群中，然后把所有的车流信息实时汇总至省级集群部署，通过流处理形成实时的应用，比如说区间测速、实时路况、公安部实时布控的应用等。相关数据也会进入到数据库，对外提供车辆轨迹的查询，实时路况的检索，比如行车分析和交通管理的应用等。

过去在常见的部署架构中由数据集群做实时的处理时，包括应用和查询的功能，数据会经过蜂窝队列，分布量是非常高的，单节点的服务器可以支撑一秒钟十万条结果的插入，基本上是满负荷。

传统的流处理加上Hadoop，可以解耦前端应用和后端的分析应用。由于分布队列的吞吐量很高，可以在几百万个地方写入，可以基本满足上千万传感器同时传送峰值的压力，后端的是流处理的引擎做数据分析。

我们把数据流按时间切片，每个小切片一百毫秒左右。我们需要在数据经过这个流的时候在流上直接做异常检测，包括多种算法，最基本的是希望将这些算法直接移植到流上，实现流式的异常检测。这里面有一个挑战是，刚开始出现的异常可能并不准确，尽量要避免误报的情况，通常会用SQL来做聚合和预先的数据处理，而Spark可以实现小片的批处理流程，我们在小的批量上能够实现延迟是一秒钟内可以发出告警。

这种方式的好处是可以对实时数据和历史数据实现综合的分析，都同在一个数据库中，可以在上面用完整的统计分析的挖掘，包括可以做计算和预测，这些分析超出了以前统计的范畴，而且需要历史数据和实时数据进行统一的分析。这个领域今年可能会是比较热门的领域，预计这个模式在物联网实时处理上得到更加广泛的应用。

三、大数据技术能给我们的生活带来什么 我们把数据源分两大类：

1.人的行为产生的数据：包括网上购物、通过运营商通话、发微信都会留下数据，这些分析无外乎是给客户提供更好的服务，或者是帮助商家更准确的找到客户进行精准营销；

2.机器产生的数据：帮助发现一些客观规律，比如说交通的模式是怎样的，用电的消耗量和气侯和电网的关系是怎样的，也对数据进行分析和能够做实时报警和诊断优化生产线的流程提供依据。

数据分析和挖掘开始出现，目前还不是主流。大数据描绘的场景是能够进行预测，这逐渐开始成为事实。人流密度实时预警

比如通过对基站的数据基本上可以比较粗的定位人的大致位置。通过对数据进行密度的统计，可以非常迅速的找出区域内部密度的值，基础值是每个基站每英里多少个用户数，这是基站可以提供的数据，利用这个数据可以非常快的知道人群的密度。

也可以利用银联的数据，我们的合作伙伴用银联的数据把上海的商圈都找出来了，商圈是根据过去三个月银联的刷卡记录，根据消费额、消费地点以及消费商户的类别进行统计的，上海14个商圈是比较密集的，有些商圈我们也没去过，比较偏远的反而是商圈。上海的架构看基础是卫星城的架构，和北京不同，周围有很多密集的商圈。这个数据也可以做人群的预测，商圈是人群密集的地方，随着踩踏事件的出现，公安的客户也来找到我们，发现这个数据对他们很有用，因为我们可以统计节日间实时的刷卡记录，可以判断晚七点到九点消费集中的区域，这些区域是人 垃圾短信分类

利用流式的机器学习做垃圾短信的分类，在流上做实时的检测，速度是非常快的，可以流上实时的实现。运营商所有的短信经过流式系统可以迅速的判断出哪些消息是垃圾短信，来净化现在运营商的垃圾短信泛滥局面。消费者行为预测

机器学习类：协同过滤、相似度主要是比较商品间的相似程度进行推荐，一些新的应用也比较有趣，像是基于时序关系的预测。每次消费行为和时间是有关的，一个人经常跑到陆家嘴有一个明显的地方，带着小孩会去海洋公园玩一下，有时看东方明珠看一下，然后去正大广场吃个午饭，这是统计出一个模式，这是时序相关性，我们可以对客户推送一些比较精准的广告。总结

我们看到Hadoop主要的用途是数据仓库中，未来会逐渐的开始把更多的负载牵到上面来；第二物联网逐渐的兴起，针对一些挑战我们需要在流上做更强的分析和机器学习，这种新的架构也层出不穷；第三是全新的集群的应用。可以预见的是，随着云计算和物联网等技术的不断发展，利用大数据的分析能力实现对未来的洞察将逐渐成为现实。【编辑推荐】

大数据时代之hadoop：了解hadoop数据流（生命周期）惠普携手青岛打造大数据应用及产业示范基地

Apache Hadoop 2.6.0发布——异构存储，长时间运行的服务与滚动升级支持

Hadoop RPC通信Client客户端的流程分析

Spark 1.2：向MapReduce在Hadoop中的统治地位发起挑战

第三篇：大数据论文

大数据时代

摘要：随着物联网、移动互联网、智能便携终端和云计算技术的发展，人类社会进入了“大数据”时代。对于数据分析，这无疑是一个前所未有的黄金时代。现在，几乎每个人的衣袋都有一部可以随时联网的智能手机，更强大的平板电脑则安静的躺在数亿人的手提包里，加之久久没有退出历史舞台的个人电脑和方兴未艾的物联网中的电子设备，这个世界，每时每刻有数以百亿计的电子精灵在产生数据，一个崭新的数据爆炸时代正喷薄而出。大数据在社会经济、政治、文化，人们生活等方面产生深远的影响，大数据时代对人类的数据驾驭能力提出了新的挑战与机遇。

关键词：大数据 数据爆炸海量发展 影响

一、大数据的概念及形成

1、大数据的概念

“大数据”是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。狭义的大数据概念，主要指大数据技术及其应用，是指从各种各样类型的数据中，快速获得有价值信息的能力，一方面，强调从海量数据、多样数据提取微价值，即具有价值(Value)特征；另一方面，强调数据获取、数据传递、数据处理、数据利用等层面的高速高效，即具有快速处理(Velocity)特征。大数据概念里的“数据”，是指具有可追踪、可分析、可量化特性的数据。大数据概念里的“大”，是指“大数据”所应具有的“大量化”(Volume)、“多样化”(Variety)两个特征。从概念内涵上讲，“大数据”(Big Data)，一方面，反映的是规模大到无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合；另一方面，主要是指海量数据的获取、存储、管理、分析、挖掘与运用的全新技术体系。

事实上，大数据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的数据进行专业化处理。换言之，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”。很显然，挖掘大数据价值、提供大数据服务的能力，是大数据时代的核心竞争力。

2、大数据形成的必然性

数据管理理念不断变革，大数据成为信息技术发展的必然选择。随着现代信息传播技术手段和方式不断丰富，信息获取、信息传递、信息处理、信息再生、信息利用等功能应用日益多样化，智能化信息系统逐渐形成一个信息网络体系，人类社会的生产方式、工作方式、学习方式、交往方式、生活方式、思维方式等发生了极其深刻的变革，互动化、即时性、全媒体等，成为常态性的信息生态环境，传统的数据库组织架构和信息服务模式已经难以适应信息社会现实需要，整个信息技术架构的革命性重构势在必行，大数据成为信息技术发展的必由之路。大数据源于虚拟网络的迅速发展和现实世界的快速网络化。虚拟网络的迅速发展和现实世界的快速网络化，两者交互影响，最终导致海量数据的持续生成和繁杂数据的不断出现。

大数据成了决定我们未来数字生活方式的重大技术命题，几乎所有世界级的互联网企业，都将业务触角延伸至大数据产业；无论社交平台逐鹿、电商价格大战还是门户网站竞争，都有它的影子；美国政府投资2亿美元启动“大数据研究和发展计划”，更将大数据上升到国家战略层面。2013年，大数据正由技术热词变成一股社会浪潮，将影响社会生活的方方面面。

二、大数据的五个特点

1、类型多。大数据分为结构化数据和非结构化数据。结构化数据包括“1、2、3、4”等传统数字以及符号，非结构化数据包括网络日志、音频、视频、图片、地理位置信息等。

2、容量大。根据IDC（国际数据公司）的监测统计，2011年全球数据总量已经达到1.8ZB，而这个数值还在以每两年翻一番的速度增长，预计到2020年全球将拥有35ZB的数据量，增长近20倍。

3、存取速度快。存取速度快有两个意思。一是数据产生的快；二是数据处理的快

4、应用价值大。大数据之“大”，其实并不在于其表面的“大容量”，而在于其潜在的“大价值”.如果不能把拥有的数据转化为价值，那么拥有再多的数据也是毫无意义的。

5、具备大智能。正是因为大数据拥有的“大价值”，才使得大数据有机会成为社会的财富和创新的基础，是大数据能够像土壤一样，在不久的将来孕育出一个更加智能的社会。

三、大数据应用的现状分析

最早提出世界已经迎来“大数据”时代的机构则是全球知名的咨询公司——麦肯锡。麦肯锡在其研究报告中指出：数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。事实上，全球IT业巨头都已经意识到数据的重要意义和“大数据”时代的到来。包括IBM、EMC、惠普、微软在内的全球知名跨国公司都陆续通过收购与“大数据”相关的厂商来实现技术整合。目前典型的大数据应用领域有：商业智能。例如：用户行为分析，即结合用户资料、产品、服务、计费、财务等信息进行综合分析，得出细致、精确的结果，实现对用户个性化的策略控制，这在营销网络的流量经营分析中占有越来越举足轻重的地位。公共服务。一方面，公共机构可以利用大数据技术把积累的海量历史数据进行挖掘利用，从而提供更为广泛和深度的公共服务，如实时路况和交通引导；另一方面，公共机构也可以通过对某些领域的大数据实时分析，提高危机的预判能力，如疾病预防、环境保护等，为实现更好、更科学的危机响应提供技术基础。政府决策。通过对数据的挖掘，从而有效提高政府决策的科学性和时效性。

四、大数据时代对生活、工作的影响

大数据，其影响除了经济方面的，它同时也能在政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。

“大数据”的影响，增加了对信息管理专家的需求。事实上，大数据的影响并不仅仅限于信息通信产业，而是正在“吞噬”和重构很多传统行业，广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。大数据在个人隐私的方面，大量数据经常含有一些详细的潜在的能够展示有关我们的信息，逐渐引起了我们对个人隐私的担忧。一些处理大数据公司需要认真的对待这个问题。

总结：这是一个信息爆炸的时代，大数据时代的到来给国家和个人带来了很多机遇，同时也带来了很多挑战。在当下的大数据时代，大数据只是冰山一角，其中的大部分都隐藏在冰山之下，因此大数据还有很多方面值得我们去发现和探索。

参考文献：王珊《架构大数据：挑战、现状与展望》

维克托•迈尔•舍恩伯格《大数据时代：生活、工作与思维

的大变革》

中国百强报刊《时事报告：大学生版》

第四篇：大数据在风电场运维应用前景展望概括

摘 要：风电能源是社会运行及发展过程中的重要能源之一，随着近年来社会经济的发展以及科学技术的进步，大规模装机能量风电场的崛起，为社会生产生活提供丰富的电能资源，但其自身运维管理工作的难度也不断增大。本文简要探讨大数据在风电场运维应用前景，以促进风电事业的蓬勃发展。

关键词：大数据；风电场；运维管理；应用前景

大数据是需要新处理模式才能够具有更强的决策力、洞察力和流程优化能力，从而适应多元化的信息资产。大数据时代的到来，风电场装机容量逐渐增大，电力网架比例不断攀升，机组设备不断更新，对风电场运维提出了新的要求。因此加大力度探讨大数据在风电场运维管理中的应用，在推进风电事业发展方面具有重要的现实意义。

风电场运维管理的特点

风电场建设往往规模大，分布区域相对广阔，随着设备配件的不断更新，运维管理过程中存在一些不容忽视的特点。

1.1 设备台数多，高空作业难度大

每一个风机都是一个发电单元，故障几率大，工作点分散，再加上风电场多分布在广阔的野外，地域宽广，给工作人员操作带来了极大的困难；其次，风机作业属于高空作业，每次都需要爬至少70米高的塔筒，作业面狭窄，相对地面有一定危险性，极大的工作强度造成一定的压力；另外，从电气、机械到自动化，风机虽小，五脏俱全，所有的发电系统及能量传动链都需要同一批人员维修维护，对人员的素质及经验有一定的要求。因此，多种因素导致风电场运维管理难度大，在一定程度上给风电场后期生产运维造成了很多不确定因素。

1.2 岗位条件差，运维管理人才少

目前而言，我国风电场规模在逐步扩大，但从发展进程来看我国风电行业仅仅处于初始阶段，工作岗位不稳定，不能有效的吸收具有专业才能大学生的目光，由于地处偏远地区，工作条件差。另外，风电场设备较多，不仅需要专业才能，更需要长期的工作经验和积累，而许多风电场建在高山峻岭的偏远之地，恶劣的工作条件，让很多有着丰富经验和精湛技术的工作人员望而却步，最终导致越是偏远地区运维管理人才越稀缺，无法满足运维管理工作需求，给风电场的安全管理埋下隐患。

1.3 运维管理模式旧

风电产业在中国的发展仅仅二三十年的历程，各种管理还处于摸索阶段，就目前而言，我国风电场的前身是火电厂，在风电场的运维管理中，管理模式多采用原有火电厂的管理模式进行，然而风电场与火电厂相比，在设备运行上存在很大差别，这种“拿来主义”无法实现运维管理工作的最优化。大数据在风电场运维管理中的应用

2.1 提高风电的可靠性

在现代信息技术发展环境下，大数据在风电场运维管理中的有效应用，促进了大数据分析与天气建模技术的有机融合，全面提高能源电力系统的稳定性，从而保障风电场运行及维护的可靠性。传统模式下，风能资源预测精准度较低，风能无法贡献预期功力时，需要以火电作为后备力量。此种情况下，电网往往对风电的依赖程度较高，导致风电场建设后备电站的成本较高。一旦启用火电站，就不免会向大气环境内释放一定量的碳排。而大数据时代的到来，数据分析精准度更高，数据分析速度更快，基于温度、湿度、降雨量、风向和风力等变量能够对风电进行精准预测，便于电网调度人员结合风电场实际情况及时做好调度安排，从而有效提高风电场运维管理的有效性。

2.2 改善风机性能，实现风电场效益最大化

通过大数据在风电场运维管理中的有效应用，便于相关工作人员对风机的运转数据以及风电场运营数据进行准确的检测和采集，进一步改善风机性能。风电场相关数据信息往往分散于风机制造商、风场业主、系统运营商以及运维服务商等多个环节内部，大数据的有效应用，有助于实现利益的合理分配，为风电场业主追求效益最大化提供可靠的依据。

2.3 细化风电场运维管理基础性工作

就设备管理方面来看，大数据在风电场运维管理中的有效应用，有助于规范风电场建设中的相关操作，充分做好设备选型及风电场规划工作，并加强风电场设备的重点维护管理，通过对大数据技术的有效应用，定期组织开展检测和检修工作，降低风电场设备的故障发生率，保障风电场设备的安全稳定运行。由于风机其所处环境恶劣，维修检测困难，导致设备运维管理中的难度较大。而大数据的有效应用，有助于及早发现风电场设备运维管理中的异常情况，早发现早处理，及时排出风电场安全隐患。

就技术管理方面来看，大数据的有效应用，便于将风电场运维管理的具体情况进行准确的记录，促进标准化、模板化的运维管理方式的形成，从而确保在第一时间排查风电场故障问题，并建立动态的信息系统，应用于归档记录和查询，为后期风电场运维管理提供可靠的依据。

2.4 转变管理模式，充分发掘风电场运维管理综合效益

大数据在风电场运维管理中的有效应用，促进了集控式、智能化管理模式的形成，一定程度上转变了风电场运维管理中的资源配置方式和技术支持特点，促进资源优化整合，实现风电场业务整合一体化运作，促进集控管理、协作制约的管理模式的形成，提高了风电场远程监控的有效性。大数据技术在风电场运维管理中的有效应用，便于及时发送风电场预警信息和故障信息，在实际运行过程中有效的提高了工作效率，节约企业成本，提高资金回笼的效率，全面提高企业的综合实力，充分发掘风电场运维管理的综合效益，推进风电事业的稳定发展。

随着大数据技术在风电场运维管理中的有效运用，未来风电场的管理模式将更加趋向于数字化、网络化和智能化，融入多项高科技技术，积极引进先进的管理理念，并采用现代化的管理方式，全面提高风电场运维管理效率和管理水平。通过网络视频功能指导风机维修操作，并通过远程操控为风电场事故提供解决方案，并结合风电场的实际情况，积极制定高校的预防措施，通过对大数据的有效应用，基于智能化操作系统对风电场进行科学合理的故障诊断，将风电场事故发生率降到最低，在此基础上，将风电场风机运行与电网协同进行柴油机结合，准确高效的完成电网调度指令，通过对大数据的有效运用，加强风电场运维管理的智能化和精细化，从整体上推进未来风电场的稳定发展。

结束语

风电场运维管理工作的顺利开展，应当基于当前风电场的实际情况，加强风电设备、技术及操作人员等方面的运维管理，积极探索大数据时代下的运维方式，积极加强技术创新，坚持与时俱进，充分发挥大数据在风电场运维管理工作中的应用价值，为企业潜能的发挥提供可靠的保障，推进风电事业的稳定发展。

第五篇：大数据算法及临床应用(定稿)

“大数据算法及临床应用”学术讲座通知

主题：Big Data Algorithms and Clinical Applications(大数据算法及临床应用）

讲座人：美国华盛顿大学计算机系副教授 陈一昕博士 时间：2014年10月20日（周一）下午14：30 地点：湖北工业大学科技楼二楼圆形报告厅

欢迎全校对讲座主题感兴趣的师生参加！

[陈一昕简介] 陈一昕博士，中国科技大学少年班本科毕业，美国伊利诺大学香槟分校获计算机科学博士学位，导师为华云生教授。现任美国华盛顿大学计算机系副教授，终身教授，北京协和医院卫生统计学博导，中国联通研究院大数据首席科学家。

研究领域为数据挖掘、机器学习、优化算法、规划调度、人工智能、博弈论、云计算等。在AIJ、JAIR、TKDE、TKDD、TIST、TPDS等国际一流期刊和VLDB、AAAI、KDD、IJCAI、ICML、RTSS等国际顶级会议和上发表论文100余篇。其研究连续获得美国国家科学基金委、美国能源部、美国国家卫生局、美国能源研究科学计算中心、美国微软公司、美国斯隆凯特琳癌症中心、美国巴恩犹太医院基金、中国科技部973项目的资助。曾获KDD(2014)、AAAI(2010)、ICTAI(2005)、ICMLC(2004)等国际会议的最佳论文奖，以及ICDM(2013)、RTAS(2012)、KDD(2009)、ITA(2004)等国际会议的最佳论文奖提名。其开创性的研究工作获得了美国微软青年教授奖(2007)和美国能源部杰出青年教授奖(2006)。

现担任美国国家科学基金委，香港研究基金委，奥地利国家科学基金委，瑞士国家科学基金委，卡塔尔国家基金委，中国科技部科技评估中心的评审委员。中国科技大学所承担的教育部111引智计划专家组八位专家成员之一，中国计算机学会大数据专家委员会首届委员之一。数据挖掘和人工智能领域的一流期刊JAIR、TKDE、TIST的编委，以及ICML、KDD、AAAI、IJCAI、ICDM、SDM等一流国际会议的程序委员会委员。[讲座摘要] In the era of big data, we need novel algorithms on top of the supporting platform.In this talk, I will first discuss some key aspects of big data algorithms in general.Then, I will talk about our recent medical big data project as a case study.Early detection of clinical deterioration is essential to improving clinical outcome.In this project, we develop new algorithms for clinical early warning by mining massive clinical records in hospital databases.The research focuses on the large population of patients in the general hospital wards, who are not in the intensive care units and suffer from infrequent monitoring.I will discuss the challenges this big data application poses to traditional machine learning and data mining algorithms, our recent progress, and the lessons we learnt.Promising results on real-life clinical trials at the Barnes-Jewish Hospital(the eighth largest hospital in the United States)will be discussed.邀请人 ： 计算机学院 陈建峡副教授