「本文作者 陳睿 ，優知學院創始人新技術、新趨勢往往趨之若鶩卻又很難說的透徹，希望這篇文章能讓大家完整的理解什麼是大數據:該篇包含：大數據、技術、場景應用以及大數據的崗位。
什麼是大數據
說起大數據，估計大家都覺得只聽過概念，但是具體是什麼東西，怎麼定義，沒有一個標準的東西，因為在我們的印象中好像很多公司都叫大數據公司，業務形態則有幾百種，感覺不是很好理解，所以我建議還是從字面上來理解大數據，在維克託邁爾-舍恩伯格及肯尼斯庫克耶編寫的《大數據時代》提到了大數據的4個特徵：
一個是數量大一個是價值大一個是速度快一個是多樣性第一個是數量比較大，只有數據體量達到了PB級別以上，才能被稱為大數據。1PB等於1024TB，1TB等於1024G，那麼1PB等於1024*1024個G的數據。
第二個是價值大，你如果有1PB以上的全國所有20-35年輕人的上網數據的時候，那麼它自然就有了商業價值，比如通過分析這些數據，我們就知道這些人的愛好，進而指導產品的發展方向等等。如果有了全國幾百萬病人的數據，根據這些數據進行分析就能預測疾病的發生，這些都是大數據的價值。
第三個就是多樣性，如果只有單一的數據，那麼這些數據就沒有了價值，比如只有單一的個人數據，或者單一的用戶提交數據，這些數據還不能稱為大數據，所以說大數據還需要是多樣性的，比如當前的上網用戶中，年齡，學歷，愛好，性格等等每個人的特徵都不一樣，這個也就是大數據的多樣性，當然了如果擴展到全國，那麼數據的多樣性會更強，每個地區，每個時間段，都會存在各種各樣的數據多樣性。
第四個是速度快，就是通過算法對數據的邏輯處理速度非常快，1秒定律，可從各種類型的數據中快速獲得高價值的信息，這一點也是和傳統的數據挖掘技術有著本質的不同。
大數據的行業應用
大數據無處不在，大數據應用於各個行業，包括金融、汽車、餐飲、電信、能源、體能和娛樂等在內的社會各行各業都已經融入了大數據的印跡。
製造業，利用工業大數據提升製造業水平，包括產品故障診斷與預測、分析工藝流程、改進生產工藝，優化生產過程能耗、工業供應鏈分析與優化、生產計劃與排程。
金融行業，大數據在高頻交易、社交情緒分析和信貸風險分析三大金融創新領域發揮重大作用。
汽車行業，利用大數據和物聯網技術的無人駕駛汽車，在不遠的未來將走入我們的日常生活。
網際網路行業，藉助於大數據技術，可以分析客戶行為，進行商品推薦和針對性廣告投放。
電信行業，利用大數據技術實現客戶離網分析，及時掌握客戶離網傾向，出臺客戶挽留措施。
能源行業，隨著智能電網的發展，電力公司可以掌握海量的用戶用電信息，利用大數據技術分析用戶用電模式，可以改進電網運行，合理設計電力需求響應系統，確保電網運行安全。
物流行業，利用大數據優化物流網絡，提高物流效率，降低物流成本。
城市管理，可以利用大數據實現智能交通、環保監測、城市規劃和智能安防。
生物醫學，大數據可以幫助我們實現流行病預測、智慧醫療、健康管理，同時還可以幫助我們解讀DNA,了解更多的生命奧秘。
體育娛樂，大數據可以幫助我們訓練球隊，決定投拍哪種題財的影視作品，以及預測比賽結果。
安全領域，政府可以利用大數據技術構建起強大的國家安全保障體系，企業可以利用大數據抵禦網絡攻擊，警察可以藉助大數據來預防犯罪。
個人生活， 大數據還可以應用於個人生活，利用與每個人相關聯的「個人大數據」，分析個人生活行為習慣，為其提供更加周到的個性化服務。
大數據的價值，遠遠不止於此，大數據對各行各業的滲透，大大推動了社會生產和生活，未來必將產生重大而深遠的影響。
大數據使用的技術
說起大數據，大數據有三個層數據採集、存儲、計算三層。
第一個是數據採集層，以App、saas為代表的服務。
大數據基礎階段需掌握的技術有：Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis以及hadoopmapreduce hdfs yarn等。
第二個數據存儲層，比如雲存儲，需掌握的技術有：hbase、hive、sqoop等。
比如：Hadoop作為一個開源的框架，專為離線和大規模數據分析而設計，HDFS作為其核心的存儲引擎，已被廣泛用於數據存儲。HBase，是一個分布式的、面向列的開源資料庫，可以認為是hdfs的封裝，本質是數據存儲、NoSQL資料庫。
HBase是一種Key/Value系統，部署在hdfs上，克服了hdfs在隨機讀寫這個方面的缺點，與hadoop一樣，Hbase目標主要依靠橫向擴展，通過不斷增加廉價的商用伺服器，來增加計算和存儲能力。
第三個是數據計算應用層，以數據為基礎，為將來的移動社交、交通、教育，金融進行服務，涉及到大數據架構設計階段需掌握的技術有：Flume分布式、Zookeeper、Kafka等，以及大數據實時計算階段需掌握的技術有：Mahout、Spark、storm。
大數據的崗位
1.數據分析師Data analyst
指熟悉相關業務，熟練搭建數據分析框架，掌握和使用相關的分析常用工具和基本的分析方法，進行數據搜集、整理、分析，針對數據分析結論給管理銷售運營提供指導意義的分析意見。
2.數據架構師Data architect
對Hadoop解決方案的整個生命周期進行引導，包括需求分析，平臺選擇，技術架構設計，應用設計和開發，測試和部署。深入掌握如何編寫MapReduce的作業及作業流的管理完成對數據的計算，並能夠使用Hadoop提供的通用算法， 熟練掌握Hadoop整個生態系統的組件如： Yarn，HBase、Hive、Pig等重要組件，能夠實現對平臺監控、輔助運維系統的開發。
3.大數據工程師Big DataEngineer
收集和處理大規模的原始數據（包括腳本編寫，網頁獲取，調用APIs，編寫SQL查詢等）；將非結構化數據處理成適合分析的一種形式，然後進行分析；根據所需要的和專案分析商業決策。
4.數據倉庫管理員
Data warehousemanager：指定並實施信息管理策略；協調和管理的信息管理解決方案；多個項目的範圍，計劃和優先順序安排；管理倉庫的各個方面，比如數據外包，移動，質量，設計和實施。
5.資料庫管理員Database manager
提高資料庫工具和服務的有效性；確保所有的數據符合法律規定；確保信息得到保護和備份；做定期報告；監控資料庫性能；改善使用的技術；建立新的資料庫；檢測數據錄入程序；故障排除。
6.商業智能分析員Businessintelligence analyst
就工具，報告或者元數據增強來進行傳播信息；進行或協調測試，以確保情報的定義與需求相一致；使用商業智能工具來識別或監測現有和潛在的客戶；綜合目前的商業只能和趨勢數據，來支持採取行動的建議；維護或更新的商業智能工具，資料庫，儀錶板，系統或方法；及時的管理用戶流量的商業情報。