(1)数据

计算机的世界里只有两个数符:0、1。而正是这简单而又神奇的两个数字,却能表示现实生活中各式各样的数据。回想一下生活中有哪些数据呢?书本中所包含的汉语、英语字符,与人交流所用的语音,照相摄影所留下的照片、录像,这些统统都是数据。细心的读者会问,诸如照片、语音这类连续的数据(信号),计算机怎么就能把它看作是0、1这两个神奇数字所构成的呢?或者说,这些数据怎么才能被计算机所认识呢?答案是模数转换器(ADC),它是用于将模拟信号(即真实世界的连续的信号)转换为数字信号(即用数值表示的离散信号)的一类设备。

在计算机科学中,数据是指所有能输入计算机并被计算机程序处理的,具有一定意义的数字、字母、符号和模拟量等的统称。

(2)数据处理操作

正如数据在计算机中的定义:输入计算机并进行处理的内容。将照片、音频等信息转化为二进制的过程,是计算机对数据的采集工作:将这些数据以二进制的方式存入计算机,计算机完成了对数据的存储操作;在存入计算机的信息中提取我们感兴趣的部分,是计算机对数据的检索操作;对数据进行加工,比如噪声去除、图像增强,是计算机对数据的加工操作;将关键数据进行加密等操作,是计算机对数据的变换操作;最后,将这些数据传输给其他计算机,计算机完成了对数据的传输操作。

以上各种操作均是数据处理的部分内容。数据处理指的就是对数据的采集、存储、检索、加工、变换和传输。

(3)大数据(www.daowen.com)

同样是数据,同样是对数据进行处理,何谓大数据呢?首先来看一下一些公司对大数据的定义。国际数据公司(IDC)从下面这四个特征来定义大数据,即海量的数据规模(volumee)、快速的数据流转和动态的数据体系(velocity)、多样的数据类型(variety)、巨大的数据价值(value)。

亚马逊(全球最大的电子商务公司)的大数据科学家John Rauser给出了一个简单的定义:“大数据是任何超过了一台计算机处理能力的数据量。”

维基百科解释道:“大数据(big data),指的是所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。”

在许多领域,由于数据集庞大,科学家经常因为数据分析和处理过程的漫长而遭遇限制和阻碍。例如气象学、基因组学、神经网络体学、复杂的物理模拟,以及生物和环境研究。这样的限制也对网络搜索、金融与经济信息学造成影响。数据持续地从各种来源被广泛收集,这些来源包括搭载传感设备的移动设备、高空传感科技(遥感)、软件记录、相机、麦克风、无线射频辨识(RFID)和无线传感网络。

自20世纪80年代起,现代科技可存储数据的容量每40个月增加1倍,据统计,截至2012年,数据量已经从TB(1 024 GB=1 TB)级别跃升到PB(1 024 TB=1 PB)、EB(1 024 PB=1 EB)乃至ZB(1 024 EB=1 ZB)级别。国际数据公司(IDC)的研究结果表明,2008年全球产生的数据量为0.49 ZB,2009年的数据量为0.8 ZB,2010年增长为1.2 ZB,2011年的数量更是高达1.82 ZB,相当于全球每人产生200 GB以上的数据。而到2012年为止,人类生产的所有印刷材料的数据量是200 PB,全人类历史上说过的所有话的数据量大约是5 EB。IBM的一项研究称,整个人类文明所获得的全部数据中,有90%是过去两年内产生的。而到了2020年,全世界所产生的数据规模将达到今天的44倍。每一天,全世界会上传超过5亿张图片,每分钟就有20小时时长的视频被分享。然而,即使是人们每天创造的全部信息——包括语音通话、电子邮件和信息在内的各种通信,以及上传的全部图片、视频与音乐,其信息量也无法匹及每一天所创造出的关于人们自身的数字信息量。

大数据是一个宽泛的概念。上面几个定义,无一例外地都突出了“大”字。诚然“大”是大数据的一个重要特征,但远不是全部。大数据是“在多样的大量的数据中,迅速获取信息的能力”。这个定义凸显了大数据的功用,而其重心是“能力”。大数据的核心能力,是发现规律和预测未来。