第一篇：大數據應用及未來展望論文

現階段我國在新的科學技術發展上比較迅速,一些新的科學技術在應用上也比較廣泛化。下面內容由小編為大家分享大數據應用及未來展望論文，一起來看看吧！

摘 要：大數據應用及未來展望，緊跟互聯網+，便捷未來人們的生活，方便用戶。暢想未來人與人之間的聯系，從社交網絡、社區文化，到“六度空間”；展望教育對于國家的希望，大數據和教育整合、合理的早教，對個人的幫助，對社會和國家的貢獻；幫助病人的控制病情，并發病等，結合醫療平臺，預測依照現有的生活方式，對個人的影響度，精確醫療救助，幫助老人送診就醫；減少自然災害對人類，對生態環境的影響，“蝴蝶效應”預測自然災害的發生；從開發者角度，整合用戶數據，適應市場變化，用戶需求，猜“你”喜歡，開發出滿足用戶需求的應用；大數據和人臉識別的結合應用，人臉分析，動態推送廣告，全“自動”，非“手動”應用，強調人和人之間的猜“你”喜歡的全新的社交方式。大數據在未來的應用必將更加廣泛，如何獲取大數據，掌握大數據，提取大數據，整合大數據，關系到人們未來生活的方方面面，誰掌握了大數據，就掌握了未來！

關鍵字：大數據；應用；社交；教育；醫療；自然災害；應用開發；人臉識別；

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、社會網絡到社交文化

1.1 社會網絡

社會網絡基于節點與節點的聯系，區別于傳統的群體內的溝通。通過相同的興趣愛好，血緣關系等方式聚集在一起。在互聯網中，不斷進入和退出一個群體，對同一個群體表現出歸屬感。個體和個體之間的互動，內部相對緊密，外部相對稀疏，暫時保持的一種相對穩定的關系。

1.2 六度空間

六度空間理論的猜想，和任何一個陌生人之間所隔的距離不會超過六個。（暫時還只是猜測）。

過去的10年，是社交網絡的10年，從twitter到facebook，到中國的qq，微信，社交網絡逐漸滲透到日常生活中，騰訊大數據信息統計，qq日接入消息數：30，000億，微信平均“日登錄用戶”5.7億。大量用戶在互聯網的社交平臺上，建立大量多元化聯系。社交拉進了人與人之間的距離，以個體為中心的社會網絡向外輻射，又與各個群體產生聯系。社會是相互聯系的，不是一盤散沙，若有若無的保存著一種聯系。關系型社交到非關系型社交再到關系型社交，人與人之間的距離真的只有那么近！關于社交文化的研究會是一個大數據應用方向。

2、早教到合理，優質教育

2.1 三歲看大七歲看老

美國當代著名心理學家本杰明·布魯姆，著有《我們的兒童都能學習》，對近1000名兒童從出生到成年的追蹤研究，若人在17歲所達到的智力水平為100%，那么兒童在4歲時已具備了其中的50%，4～8歲期間獲得30%，而8～17歲這一階段只增加了20%[1]。可見中國古話：三歲看大，七歲看老，并非虛言。早教對一個人的發育及未來的影響起到很重要的作用。

2.2 合理，優質教育

早教不是填鴨教學，不是培養“神童”，而是通過早教形成正確的人格。通過國內外教育大數據分析，提供合理教育方案，因材施教，找到屬于自己的起跑線。結合在線教育，促進優質教育資源的共享利用。

教育對一個國家的發展不言而喻，教育與國家的強大有著密切的關系，為國家的發展和崛起提供幫助。培養興趣愛好，培養健康人格，培養合格人才，解決教育難題。合理，優質教育是當代中國實現強國之路的先決條件。

3、醫療平臺結合3.1 社會醫療現狀

醫療資源大部分80%集中在省市區，大醫院資源又集中在30%三甲醫院，優質的醫療和醫生資源過度集中，百姓不管大病小病都會選擇去省市的大醫院，一則大醫院本是負責重大疾病救治的，不但浪費了大醫院的優質資源，還增加了醫院和醫生的負擔。二則需要緊急治療的患者因為不能及時享受到優質的資源，導致病情的加重。本都是為了能夠看好病這一條原因，最后導致普通疾病治療的成本攀高，大病急病治療的延誤，對于百姓整體健康水平的提高是及其不利的。

3.2 預測疾病

錯誤的飲食和生活習慣，環境改變，生活壓力大等元素均會導致疾病生成，每一個疾病都不存在巧合，有果有因。不同于google通過搜索詞預測流感趨勢，預測疾病是通過醫院對過往病人疾病及生成原因的大數據分析，預測一個人處于現在的生活狀態下會得哪一種疾病何時會得。

3.3 預防疾病

美國強生OTDMS糖尿病管理軟件，通過直觀的數據圖譜，顯示2型糖尿病患者的先關血糖數據，幫助糖尿病患者更好的控制血糖，加強自我管理，自我預防。起到了很好的效果[2]。通過大數據整合，對患者的病情分析，給患者提供正確醫療建議，有助于患者方便快捷的實現自助式醫療服務，能夠起到很好的預防疾病及其并發疾病。

3.4 精確醫療救助

中國已經成為世界上最大的老齡化國家，60歲以上人口近兩億。老人基數大，且增長速度快，養老制度不健全，障礙問題突出，家庭支持功能弱化。如何有針對的贍養老人，或者對老人提供醫療救助服務，是如今社會面臨的問題。通過社區，居委會，福利院等機構對當地的老人，如年齡，居住地，健康狀況，疾病狀況等進行登記。老人可通過手機軟件，簡單操作發送求助信息，得到針對性的醫療救助，附近的醫院單位進行及時看護、治療，防止意外的發生，不錯過最佳的治療時間。

3.5 語音識別指定醫療方案

通過引導語音交流，判斷疾病可能性的打分制，提供醫療指導方案，解決醫患比例嚴重不足，小病可以自動化處理過程。通過語音引導，比如第一步詢問哪里不舒服或者哪里有疼痛，根據患者的回答進一步縮小一定范圍，通過進一步的詢問，最終根據后臺大數據系統得到可能的病例分析，給出相應的打分，比如腸胃炎80%，胃潰瘍50%…并給出各個結果的相應其他癥狀，并給出推薦治療，或進一步檢查方案。最終減輕小病的醫生診治，減輕醫生負擔，合理利用和分配醫院資源。

4、自然災害

4.1 科研機構

全國范圍內地方的地震機構,包括市級、區級和縣級，數量可達兩千多個,年經費預算達40億[4]，并成逐年上漲趨勢。在汶川地震，玉樹地震等，沒有做出任何貢獻的地震局，解釋地震無法“預報”的窘況，屢屢受到公眾詬病。找到地震，大到所有自然災害的原因，減少人類生命財產的損失至關重要。

4.2 預防災害

一只南美洲亞馬遜河流熱帶雨林中的蝴蝶，偶爾扇動幾下翅膀，可以在兩周以后引起美國德克薩斯州的一場龍卷風，這就是蝴蝶效應。自然災害的形成，可能源于若干個小的活動的積累。每個小的數據，匯聚成大量的可用性，可推測型數據，用以預防災害。

5、流行應用

5.1 手機應用使用率

App Store和Google Play都擁有超過150萬個應用，相關開發者的數量各自都突破了30萬，根據Flurry Analytics的調查研究顯示，2015年全球移動應用的使用量增長了58%。[5]大量的應用中，只有很少的一部分應用被人們經常使用，如何能從眾多應用中脫穎而出，成為每一個開發者，每一個創業者的難關。

5.2 下一個超級app+猜你喜歡

開發出符合用戶需求，獨立于現有軟件，給未來用戶的生活便捷的應用，滿足人們生活需要，就可能成為下一個超級App。

俗話說：“打江山容易，守江山難”，如何開發出來的一款應用后，跟隨市場的動態，用戶需求的變化，守住App的“江山”，在同類型應用中，守住自己的一片天地，更重要。“猜你喜歡”這個名詞第一次了解是在淘寶App的首頁，根據你的瀏覽歷史紀錄，判斷出可能要買、或者感興趣的東西。區別于無目的推廣，很大程度的提高了產品的宣傳及銷售成功比例。猜你喜歡并不是只適用于購物App，例如閱讀，視頻網站，個性化的推送不單單能夠方便用戶的選擇，更加有利于企業對于用戶的了解，增強用戶的黏附力。在一個視頻網站中，可以知道用戶當下的，下一分鐘的選擇，對于整個用戶群，能知道對于哪一類型的視頻更感興趣。現在的視頻網站不單單整合視頻內容，利益產出更多的是企業創作的視頻內容，能產出更多優質，貼合用戶的視頻。

6、人臉識別

6.1 基于人臉識別的商業大數據分析系統（中國軟件杯大賽題目）

首先通過人臉識別技術進行人臉檢測、人臉識別、性別識別、年齡段識別、表情識別、注視時長統計等處理收集觀看廣告機、數字標牌用戶的信息，在收集大量數據之后利用大數據處理技術分析用戶對內容的喜好，為不同性別、年齡、情緒狀態的用戶提供更加人性化的內容，在不同時段投放不同內容作出參考依據[6]。簡稱為“猜你喜歡”，強調人和物之間的聯系，針對不同的人，動態實現廣告，消息等推送。

6.2 非手動應用

不用于傳統應用的點擊，手勢等操作方式，通過識別面部，眼睛等信息，預測下一步的操作，實現非手動，全自動的應用。例如對某段文字或某張圖片的注視時間和臉部表情，判斷是否有興趣，直接進入文章或者放大一張圖片等等。通過人臉識別和大數據特征，實現應用全自動操作。

6.3 人與人之間的猜你喜歡

強調人和人之間的猜你喜歡，例如通過攝像頭識別對方看你的臉部表情，預測對你的興趣或者稱為好感度，類似于相親，換言之你就是廣告牌，我對你有幾分興趣？茫茫人海中，總有一個對的人，可大多檫肩而過，從此再無交集，如何改變未來的社交方式，比你更懂你，找到你的那個人。

文獻：

[1]本杰明·布魯姆.《我們的兒童都能學習》[數據].[2016.2.2].[2]楊洲.淺談OTDMS糖尿病管理軟件在糖尿病防治中的應用[糖尿病防治/計算機管理軟件].求醫問藥（學術版）．

[3] 陳根.互聯網+醫療融合.互聯網+”醫療的基礎——大數據[書籍].2015-9-14.[2016.03.01].[4] 新快報.人大代表建議撤銷國家地震局:預算40億無法預測[新聞]2014-03-04.[2016.2.11].[5] 晏殊,王冠雄,誰將成為下一個“超級APP”？[數據].2016-02-02 [2016.2.4].[6] 中國軟件杯,基于人臉識別的商業大數據分析技術[比賽].2016-02-01.

第二篇：大數據的典型應用場景及展望

大數據的典型應用場景及展望

2015年1月24號，2015 China Hadoop Summit技術峰會在北京如期舉行。本次大會作為國內大數據行業最具影響力的IT大會，吸引了眾多從事Hadoop研究與推廣的權威技術專家、Hadoop技術愛好者和IT廠商前往參加。

現任星環信息科技(上海)有限公司聯合創始人兼首席技術官，曾任英特爾數據中心軟件部亞太區CTO的孫元浩老師在本次大會上帶來了主題為《2014年大數據的典型應用場景及展望》的分享，本文主要針對目前Hadoop主流應用場景，實時流數據的處理以及大數據技術給未來生活的設想等內容進行了整理。

四年前的硅谷，風投埃里森拿出一億美金來投資大數據公司，他認為Hadoop技術在未來的若干年中會從底層的數據平臺，從傳統的關系型數據庫進行遷移。數據的分析層會被全新的數據分析工具所替代，可視化層和應用分析會有更多的新工具出現，并認為這個市場將達到幾百億美金的規模。

過去幾年，Hadoop的發展非常迅猛。我們常講大數據的四V特征，Hadoop在大數據處理上表現出的處理量、性能、挖掘能力的提升和碎片化處理能力，使其得到越來越廣泛的應用。

一、Hadoop的主流應用場景：數據倉庫的主要組成部分

傳統的企業有若干個主機，用于銷售、運營管理等等，產生的數據首先經過ODS層，將數據從多個業務系統中集中起來，進行清洗、轉換等集成操作，然后將過加工的數據進入企業IT架構的核心——數據倉庫進行統計、挖掘和分析。最后用可視化工具進行展現。這是傳統的企業數據倉庫的架構，經常采用主流的甲骨文等數據庫技術來實現。

Hadoop作為數據倉庫組成部分的四個驅動力

互聯網公司早年的時候，是把Hadoop做在數據倉庫的核心，比如Facebook早期的時候是從服務器采集是通過實時的日志的采集工具，經過Hadoop把Hadoop作為數據分析工具，呈現把結果放在甲骨文中做展現。

互聯網公司之所以這么做，是因為互聯網數據量大到在傳統的數據庫不能處理。現在傳統的企業也面臨同樣的問題，將Hadoop作為數據倉庫主要組成部分有四個驅動力：

效率：傳統的數據倉庫技術已經面臨非常繁重的數據分析任務，處理的延遲從一天到了一周。

成本：傳統的數據架構成本動輒幾千萬。Hadoop可以實現成本若干倍的降低。

數據來源多樣：視頻、音頻等企業非結構化數據來源增多。MapReduce對于非結構化或半結構化數據的讀取非常有效。

數據分析需求的演進： 數據分析不再只滿足于統計。使用Hadoop的技術，能夠對數據進行深度的挖掘和分析，實現對未來的預測。

Hadoop改變企業數據倉庫架構的線路圖 第一步：數據倉庫的補充 2011、2012年的時候 Hadoop主要是作為數據倉庫的補充在做數據的清洗。這一層Hadoop很擅長。Hadoop的優勢是能夠把計算任務對全要素進行統計分析，這是方式非常適合簡單的場景，早年Hadoop的最佳用途是作為ETL的平臺，第二步：逐漸進入核心

隨著Hadoop生態系統逐漸完善，有更多的數字化工具支持Hadoop，Hadoop開始進入數據倉庫的核心領域。有些企業開使用Hadoop來直接做數據可視化，在有些行業中已經開始用Hadoop逐漸取代傳統的關系數據庫來建立數據倉庫。從整個的數據倉庫的架構來看，有一半的架構已經開始被Hadoop覆蓋了。

第三步：Hadoop使資源管理變為可能，最終將取代企業完整的整據倉庫

在一兩年之內有些企業完整的數據倉庫架構都可能會被Hadoop取代掉。

過去企業數據倉庫的時候任務很繁重，系統效率低下。造成這種狀況的重要原因是，客戶把過多的負載放在數據倉庫上面，數據倉庫本身又沒有資源配合的方式。

Hadoop2.0推出了管理框架，使得資源管理變成了可能，使得數據倉庫支撐多個部門的數據分析和訪問更加高效。舉例來說，每個部門的業務都是動態創建虛擬集群實現的，每個集群都有一定的資源配額，這樣的配額用時不會超過這個配額，使得用戶任何的負載不會影響其他的用戶，這成為數據倉庫里一個重要的實現，數據倉庫完全平滑，24小時不間斷運行的保障。過去上千人在訪問Hadoop的時候，也是通過調度機制實現的，隨著Hadoop2.0的出現和資源管理能力的提升，通過資源管理層可以方便的配置資源。

我們可以設定CPU的內存和存儲資源，每個部門使用的時候有配額的最低保障。當另外一個部門的用戶上線使用的時候，比如創建了一個集群，這時會把你的部分資源還給后面的第二個用戶，原來第一個用戶的資源被收縮了，更多的用戶進來的時候，第一個用戶的資源被進一步收縮，收縮到一個最低的指標。一方面充分保障了每個用戶最低資源的配額，第二也保證系統整體運行的情況下可以充分有效利用整體的計算資源。

二、隨著云計算和物聯網的逐漸興起，實時流數據的處理將成為關注重點

云計算和物聯網使得數據呈現兩個主要特點。首先，數據在沒有人工干預的情況下24小時不間斷的產生；第二數據并發量高，使得單一的統計已經不能滿足用戶要求，對數據模式的分析和深度挖掘的要求增強

現在的大數據處理不光需要做統計，而是需要做機器學習，快速地檢測出異常的狀態。

比如在交通行業部署的實時監控平臺，這是一個發展得比較成熟的案例，在全國已經得到了廣泛部署。其主要用途是把路面上裝的攝像機的照片和分析出來的車牌等信息，實時的傳送到中心的大集群中，然后把所有的車流信息實時匯總至省級集群部署，通過流處理形成實時的應用，比如說區間測速、實時路況、公安部實時布控的應用等。相關數據也會進入到數據庫，對外提供車輛軌跡的查詢，實時路況的檢索，比如行車分析和交通管理的應用等。

過去在常見的部署架構中由數據集群做實時的處理時，包括應用和查詢的功能，數據會經過蜂窩隊列，分布量是非常高的，單節點的服務器可以支撐一秒鐘十萬條結果的插入，基本上是滿負荷。

傳統的流處理加上Hadoop，可以解耦前端應用和后端的分析應用。由于分布隊列的吞吐量很高，可以在幾百萬個地方寫入，可以基本滿足上千萬傳感器同時傳送峰值的壓力，后端的是流處理的引擎做數據分析。

我們把數據流按時間切片，每個小切片一百毫秒左右。我們需要在數據經過這個流的時候在流上直接做異常檢測，包括多種算法，最基本的是希望將這些算法直接移植到流上，實現流式的異常檢測。這里面有一個挑戰是，剛開始出現的異常可能并不準確，盡量要避免誤報的情況，通常會用SQL來做聚合和預先的數據處理，而Spark可以實現小片的批處理流程，我們在小的批量上能夠實現延遲是一秒鐘內可以發出告警。

這種方式的好處是可以對實時數據和歷史數據實現綜合的分析，都同在一個數據庫中，可以在上面用完整的統計分析的挖掘，包括可以做計算和預測，這些分析超出了以前統計的范疇，而且需要歷史數據和實時數據進行統一的分析。這個領域今年可能會是比較熱門的領域，預計這個模式在物聯網實時處理上得到更加廣泛的應用。

三、大數據技術能給我們的生活帶來什么 我們把數據源分兩大類：

1.人的行為產生的數據：包括網上購物、通過運營商通話、發微信都會留下數據，這些分析無外乎是給客戶提供更好的服務，或者是幫助商家更準確的找到客戶進行精準營銷；

2.機器產生的數據：幫助發現一些客觀規律，比如說交通的模式是怎樣的，用電的消耗量和氣侯和電網的關系是怎樣的，也對數據進行分析和能夠做實時報警和診斷優化生產線的流程提供依據。

數據分析和挖掘開始出現，目前還不是主流。大數據描繪的場景是能夠進行預測，這逐漸開始成為事實。人流密度實時預警

比如通過對基站的數據基本上可以比較粗的定位人的大致位置。通過對數據進行密度的統計，可以非常迅速的找出區域內部密度的值，基礎值是每個基站每英里多少個用戶數，這是基站可以提供的數據，利用這個數據可以非常快的知道人群的密度。

也可以利用銀聯的數據，我們的合作伙伴用銀聯的數據把上海的商圈都找出來了，商圈是根據過去三個月銀聯的刷卡記錄，根據消費額、消費地點以及消費商戶的類別進行統計的，上海14個商圈是比較密集的，有些商圈我們也沒去過，比較偏遠的反而是商圈。上海的架構看基礎是衛星城的架構，和北京不同，周圍有很多密集的商圈。這個數據也可以做人群的預測，商圈是人群密集的地方，隨著踩踏事件的出現，公安的客戶也來找到我們，發現這個數據對他們很有用，因為我們可以統計節日間實時的刷卡記錄，可以判斷晚七點到九點消費集中的區域，這些區域是人 垃圾短信分類

利用流式的機器學習做垃圾短信的分類，在流上做實時的檢測，速度是非常快的，可以流上實時的實現。運營商所有的短信經過流式系統可以迅速的判斷出哪些消息是垃圾短信，來凈化現在運營商的垃圾短信泛濫局面。消費者行為預測

機器學習類：協同過濾、相似度主要是比較商品間的相似程度進行推薦，一些新的應用也比較有趣，像是基于時序關系的預測。每次消費行為和時間是有關的，一個人經常跑到陸家嘴有一個明顯的地方，帶著小孩會去海洋公園玩一下，有時看東方明珠看一下，然后去正大廣場吃個午飯，這是統計出一個模式，這是時序相關性，我們可以對客戶推送一些比較精準的廣告。總結

我們看到Hadoop主要的用途是數據倉庫中，未來會逐漸的開始把更多的負載牽到上面來；第二物聯網逐漸的興起，針對一些挑戰我們需要在流上做更強的分析和機器學習，這種新的架構也層出不窮；第三是全新的集群的應用。可以預見的是，隨著云計算和物聯網等技術的不斷發展，利用大數據的分析能力實現對未來的洞察將逐漸成為現實。【編輯推薦】

大數據時代之hadoop：了解hadoop數據流（生命周期）惠普攜手青島打造大數據應用及產業示范基地

Apache Hadoop 2.6.0發布——異構存儲，長時間運行的服務與滾動升級支持

Hadoop RPC通信Client客戶端的流程分析

Spark 1.2：向MapReduce在Hadoop中的統治地位發起挑戰

第三篇：大數據論文

大數據時代

摘要：隨著物聯網、移動互聯網、智能便攜終端和云計算技術的發展，人類社會進入了“大數據”時代。對于數據分析，這無疑是一個前所未有的黃金時代。現在，幾乎每個人的衣袋都有一部可以隨時聯網的智能手機，更強大的平板電腦則安靜的躺在數億人的手提包里，加之久久沒有退出歷史舞臺的個人電腦和方興未艾的物聯網中的電子設備，這個世界，每時每刻有數以百億計的電子精靈在產生數據，一個嶄新的數據爆炸時代正噴薄而出。大數據在社會經濟、政治、文化，人們生活等方面產生深遠的影響，大數據時代對人類的數據駕馭能力提出了新的挑戰與機遇。

關鍵詞：大數據 數據爆炸海量發展 影響

一、大數據的概念及形成

1、大數據的概念

“大數據”是一個體量特別大，數據類別特別大的數據集，并且這樣的數據集無法用傳統數據庫工具對其內容進行抓取、管理和處理。狹義的大數據概念，主要指大數據技術及其應用，是指從各種各樣類型的數據中，快速獲得有價值信息的能力，一方面，強調從海量數據、多樣數據提取微價值，即具有價值(Value)特征；另一方面，強調數據獲取、數據傳遞、數據處理、數據利用等層面的高速高效，即具有快速處理(Velocity)特征。大數據概念里的“數據”，是指具有可追蹤、可分析、可量化特性的數據。大數據概念里的“大”，是指“大數據”所應具有的“大量化”(Volume)、“多樣化”(Variety)兩個特征。從概念內涵上講，“大數據”(Big Data)，一方面，反映的是規模大到無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合；另一方面，主要是指海量數據的獲取、存儲、管理、分析、挖掘與運用的全新技術體系。

事實上，大數據的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。換言之，如果把大數據比作一種產業，那么這種產業實現盈利的關鍵，在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。很顯然，挖掘大數據價值、提供大數據服務的能力，是大數據時代的核心競爭力。

2、大數據形成的必然性

數據管理理念不斷變革，大數據成為信息技術發展的必然選擇。隨著現代信息傳播技術手段和方式不斷豐富，信息獲取、信息傳遞、信息處理、信息再生、信息利用等功能應用日益多樣化，智能化信息系統逐漸形成一個信息網絡體系，人類社會的生產方式、工作方式、學習方式、交往方式、生活方式、思維方式等發生了極其深刻的變革，互動化、即時性、全媒體等，成為常態性的信息生態環境，傳統的數據庫組織架構和信息服務模式已經難以適應信息社會現實需要，整個信息技術架構的革命性重構勢在必行，大數據成為信息技術發展的必由之路。大數據源于虛擬網絡的迅速發展和現實世界的快速網絡化。虛擬網絡的迅速發展和現實世界的快速網絡化，兩者交互影響，最終導致海量數據的持續生成和繁雜數據的不斷出現。

大數據成了決定我們未來數字生活方式的重大技術命題，幾乎所有世界級的互聯網企業，都將業務觸角延伸至大數據產業；無論社交平臺逐鹿、電商價格大戰還是門戶網站競爭，都有它的影子；美國政府投資2億美元啟動“大數據研究和發展計劃”，更將大數據上升到國家戰略層面。2013年，大數據正由技術熱詞變成一股社會浪潮，將影響社會生活的方方面面。

二、大數據的五個特點

1、類型多。大數據分為結構化數據和非結構化數據。結構化數據包括“1、2、3、4”等傳統數字以及符號，非結構化數據包括網絡日志、音頻、視頻、圖片、地理位置信息等。

2、容量大。根據IDC（國際數據公司）的監測統計，2011年全球數據總量已經達到1.8ZB，而這個數值還在以每兩年翻一番的速度增長，預計到2020年全球將擁有35ZB的數據量，增長近20倍。

3、存取速度快。存取速度快有兩個意思。一是數據產生的快；二是數據處理的快

4、應用價值大。大數據之“大”，其實并不在于其表面的“大容量”，而在于其潛在的“大價值”.如果不能把擁有的數據轉化為價值，那么擁有再多的數據也是毫無意義的。

5、具備大智能。正是因為大數據擁有的“大價值”，才使得大數據有機會成為社會的財富和創新的基礎，是大數據能夠像土壤一樣，在不久的將來孕育出一個更加智能的社會。

三、大數據應用的現狀分析

最早提出世界已經迎來“大數據”時代的機構則是全球知名的咨詢公司——麥肯錫。麥肯錫在其研究報告中指出：數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素；而人們對于海量數據的運用將預示著新一波生產率增長和消費者盈余浪潮的到來。事實上，全球IT業巨頭都已經意識到數據的重要意義和“大數據”時代的到來。包括IBM、EMC、惠普、微軟在內的全球知名跨國公司都陸續通過收購與“大數據”相關的廠商來實現技術整合。目前典型的大數據應用領域有：商業智能。例如：用戶行為分析，即結合用戶資料、產品、服務、計費、財務等信息進行綜合分析，得出細致、精確的結果，實現對用戶個性化的策略控制，這在營銷網絡的流量經營分析中占有越來越舉足輕重的地位。公共服務。一方面，公共機構可以利用大數據技術把積累的海量歷史數據進行挖掘利用，從而提供更為廣泛和深度的公共服務，如實時路況和交通引導；另一方面，公共機構也可以通過對某些領域的大數據實時分析，提高危機的預判能力，如疾病預防、環境保護等，為實現更好、更科學的危機響應提供技術基礎。政府決策。通過對數據的挖掘，從而有效提高政府決策的科學性和時效性。

四、大數據時代對生活、工作的影響

大數據，其影響除了經濟方面的，它同時也能在政治、文化等方面產生深遠的影響，大數據可以幫助人們開啟循“數”管理的模式，也是我們當下“大社會”的集中體現，三分技術，七分數據，得數據者得天下。

“大數據”的影響，增加了對信息管理專家的需求。事實上，大數據的影響并不僅僅限于信息通信產業，而是正在“吞噬”和重構很多傳統行業，廣泛運用數據分析手段管理和優化運營的公司其實質都是一個數據公司。大數據在個人隱私的方面，大量數據經常含有一些詳細的潛在的能夠展示有關我們的信息，逐漸引起了我們對個人隱私的擔憂。一些處理大數據公司需要認真的對待這個問題。

總結：這是一個信息爆炸的時代，大數據時代的到來給國家和個人帶來了很多機遇，同時也帶來了很多挑戰。在當下的大數據時代，大數據只是冰山一角，其中的大部分都隱藏在冰山之下，因此大數據還有很多方面值得我們去發現和探索。

參考文獻：王珊《架構大數據：挑戰、現狀與展望》

維克托?邁爾?舍恩伯格《大數據時代：生活、工作與思維

的大變革》

中國百強報刊《時事報告：大學生版》

第四篇：大數據在風電場運維應用前景展望概括

摘 要：風電能源是社會運行及發展過程中的重要能源之一，隨著近年來社會經濟的發展以及科學技術的進步，大規模裝機能量風電場的崛起，為社會生產生活提供豐富的電能資源，但其自身運維管理工作的難度也不斷增大。本文簡要探討大數據在風電場運維應用前景，以促進風電事業的蓬勃發展。

關鍵詞：大數據；風電場；運維管理；應用前景

大數據是需要新處理模式才能夠具有更強的決策力、洞察力和流程優化能力，從而適應多元化的信息資產。大數據時代的到來，風電場裝機容量逐漸增大，電力網架比例不斷攀升，機組設備不斷更新，對風電場運維提出了新的要求。因此加大力度探討大數據在風電場運維管理中的應用，在推進風電事業發展方面具有重要的現實意義。

風電場運維管理的特點

風電場建設往往規模大，分布區域相對廣闊，隨著設備配件的不斷更新，運維管理過程中存在一些不容忽視的特點。

1.1 設備臺數多，高空作業難度大

每一個風機都是一個發電單元，故障幾率大，工作點分散，再加上風電場多分布在廣闊的野外，地域寬廣，給工作人員操作帶來了極大的困難；其次，風機作業屬于高空作業，每次都需要爬至少70米高的塔筒，作業面狹窄，相對地面有一定危險性，極大的工作強度造成一定的壓力；另外，從電氣、機械到自動化，風機雖小，五臟俱全，所有的發電系統及能量傳動鏈都需要同一批人員維修維護，對人員的素質及經驗有一定的要求。因此，多種因素導致風電場運維管理難度大，在一定程度上給風電場后期生產運維造成了很多不確定因素。

1.2 崗位條件差，運維管理人才少

目前而言，我國風電場規模在逐步擴大，但從發展進程來看我國風電行業僅僅處于初始階段，工作崗位不穩定，不能有效的吸收具有專業才能大學生的目光，由于地處偏遠地區，工作條件差。另外，風電場設備較多，不僅需要專業才能，更需要長期的工作經驗和積累，而許多風電場建在高山峻嶺的偏遠之地，惡劣的工作條件，讓很多有著豐富經驗和精湛技術的工作人員望而卻步，最終導致越是偏遠地區運維管理人才越稀缺，無法滿足運維管理工作需求，給風電場的安全管理埋下隱患。

1.3 運維管理模式舊

風電產業在中國的發展僅僅二三十年的歷程，各種管理還處于摸索階段，就目前而言，我國風電場的前身是火電廠，在風電場的運維管理中，管理模式多采用原有火電廠的管理模式進行，然而風電場與火電廠相比，在設備運行上存在很大差別，這種“拿來主義”無法實現運維管理工作的最優化。大數據在風電場運維管理中的應用

2.1 提高風電的可靠性

在現代信息技術發展環境下，大數據在風電場運維管理中的有效應用，促進了大數據分析與天氣建模技術的有機融合，全面提高能源電力系統的穩定性，從而保障風電場運行及維護的可靠性。傳統模式下，風能資源預測精準度較低，風能無法貢獻預期功力時，需要以火電作為后備力量。此種情況下，電網往往對風電的依賴程度較高，導致風電場建設后備電站的成本較高。一旦啟用火電站，就不免會向大氣環境內釋放一定量的碳排。而大數據時代的到來，數據分析精準度更高，數據分析速度更快，基于溫度、濕度、降雨量、風向和風力等變量能夠對風電進行精準預測，便于電網調度人員結合風電場實際情況及時做好調度安排，從而有效提高風電場運維管理的有效性。

2.2 改善風機性能，實現風電場效益最大化

通過大數據在風電場運維管理中的有效應用，便于相關工作人員對風機的運轉數據以及風電場運營數據進行準確的檢測和采集，進一步改善風機性能。風電場相關數據信息往往分散于風機制造商、風場業主、系統運營商以及運維服務商等多個環節內部，大數據的有效應用，有助于實現利益的合理分配，為風電場業主追求效益最大化提供可靠的依據。

2.3 細化風電場運維管理基礎性工作

就設備管理方面來看，大數據在風電場運維管理中的有效應用，有助于規范風電場建設中的相關操作，充分做好設備選型及風電場規劃工作，并加強風電場設備的重點維護管理，通過對大數據技術的有效應用，定期組織開展檢測和檢修工作，降低風電場設備的故障發生率，保障風電場設備的安全穩定運行。由于風機其所處環境惡劣，維修檢測困難，導致設備運維管理中的難度較大。而大數據的有效應用，有助于及早發現風電場設備運維管理中的異常情況，早發現早處理，及時排出風電場安全隱患。

就技術管理方面來看，大數據的有效應用，便于將風電場運維管理的具體情況進行準確的記錄，促進標準化、模板化的運維管理方式的形成，從而確保在第一時間排查風電場故障問題，并建立動態的信息系統，應用于歸檔記錄和查詢，為后期風電場運維管理提供可靠的依據。

2.4 轉變管理模式，充分發掘風電場運維管理綜合效益

大數據在風電場運維管理中的有效應用，促進了集控式、智能化管理模式的形成，一定程度上轉變了風電場運維管理中的資源配置方式和技術支持特點，促進資源優化整合，實現風電場業務整合一體化運作，促進集控管理、協作制約的管理模式的形成，提高了風電場遠程監控的有效性。大數據技術在風電場運維管理中的有效應用，便于及時發送風電場預警信息和故障信息，在實際運行過程中有效的提高了工作效率，節約企業成本，提高資金回籠的效率，全面提高企業的綜合實力，充分發掘風電場運維管理的綜合效益，推進風電事業的穩定發展。

隨著大數據技術在風電場運維管理中的有效運用，未來風電場的管理模式將更加趨向于數字化、網絡化和智能化，融入多項高科技技術，積極引進先進的管理理念，并采用現代化的管理方式，全面提高風電場運維管理效率和管理水平。通過網絡視頻功能指導風機維修操作，并通過遠程操控為風電場事故提供解決方案，并結合風電場的實際情況，積極制定高校的預防措施，通過對大數據的有效應用，基于智能化操作系統對風電場進行科學合理的故障診斷，將風電場事故發生率降到最低，在此基礎上，將風電場風機運行與電網協同進行柴油機結合，準確高效的完成電網調度指令，通過對大數據的有效運用，加強風電場運維管理的智能化和精細化，從整體上推進未來風電場的穩定發展。

結束語

風電場運維管理工作的順利開展，應當基于當前風電場的實際情況，加強風電設備、技術及操作人員等方面的運維管理，積極探索大數據時代下的運維方式，積極加強技術創新，堅持與時俱進，充分發揮大數據在風電場運維管理工作中的應用價值，為企業潛能的發揮提供可靠的保障，推進風電事業的穩定發展。

第五篇：大數據算法及臨床應用(定稿)

“大數據算法及臨床應用”學術講座通知

主題：Big Data Algorithms and Clinical Applications(大數據算法及臨床應用）

講座人：美國華盛頓大學計算機系副教授 陳一昕博士 時間：2014年10月20日（周一）下午14：30 地點：湖北工業大學科技樓二樓圓形報告廳

歡迎全校對講座主題感興趣的師生參加！

[陳一昕簡介] 陳一昕博士，中國科技大學少年班本科畢業，美國伊利諾大學香檳分校獲計算機科學博士學位，導師為華云生教授。現任美國華盛頓大學計算機系副教授，終身教授，北京協和醫院衛生統計學博導，中國聯通研究院大數據首席科學家。

研究領域為數據挖掘、機器學習、優化算法、規劃調度、人工智能、博弈論、云計算等。在AIJ、JAIR、TKDE、TKDD、TIST、TPDS等國際一流期刊和VLDB、AAAI、KDD、IJCAI、ICML、RTSS等國際頂級會議和上發表論文100余篇。其研究連續獲得美國國家科學基金委、美國能源部、美國國家衛生局、美國能源研究科學計算中心、美國微軟公司、美國斯隆凱特琳癌癥中心、美國巴恩猶太醫院基金、中國科技部973項目的資助。曾獲KDD(2014)、AAAI(2010)、ICTAI(2005)、ICMLC(2004)等國際會議的最佳論文獎，以及ICDM(2013)、RTAS(2012)、KDD(2009)、ITA(2004)等國際會議的最佳論文獎提名。其開創性的研究工作獲得了美國微軟青年教授獎(2007)和美國能源部杰出青年教授獎(2006)。

現擔任美國國家科學基金委，香港研究基金委，奧地利國家科學基金委，瑞士國家科學基金委，卡塔爾國家基金委，中國科技部科技評估中心的評審委員。中國科技大學所承擔的教育部111引智計劃專家組八位專家成員之一，中國計算機學會大數據專家委員會首屆委員之一。數據挖掘和人工智能領域的一流期刊JAIR、TKDE、TIST的編委，以及ICML、KDD、AAAI、IJCAI、ICDM、SDM等一流國際會議的程序委員會委員。[講座摘要] 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.邀請人 ： 計算機學院 陳建峽副教授