能简单通俗的解释一下什么是大数据吗 应用和数据有什么区别

「数据领域高水平开放不断推进」是一个热门话题，问答百科为你整理了4条关于数据的资料，希望对你有帮助！

1. 能简单通俗的解释一下什么是大数据吗
2. 应用和数据有什么区别
3. 统计数据的概念和类型是什么
4. 什么叫做数据词典

大数据，不仅仅是数据量大，同时在其他方面，也有一定的特点。

第一，大数据数据体量非常大，传统的单机存储系统，已经无法在存储这么大量的数据，此时需要用到分布式存储技术。

第二，大数据的数据种类非常多，数据的格式也会变得复杂，比如数据种类有视频、文档、图片、消息记录等等。

第三，大数据中潜藏着非常重要的价值，通过数据分析技术，对商业决策做出智能化以及数据化的支持。

大数据最主要的功能，就是为公司上层提供商业化决策支持，让公司能够结合历史数据，往正确的方向发展。大数据技术主要分为两类：大数据计算和大数据存储。

大数据计算主要分为离线计算和实时计算，具体使用要看业务场景对于数据产出时延的要求

离线计算对于数据的产出会有一定的时延，具体时延可以是15分钟、小时或者天级别的。离线任务一般会对数据进行全局批计算，这一次运行完就运行完了，不会像实时计算那样，除非你自己停止实时任务，否则实时程序会一直运行。

实时计算数据是不断产生的，一般数据产出的延迟会很低，最多是秒级别的。比如我们的数据大屏、实时数据流的加工处理等，这些场景对于数据的产出的时延要求很低。

离线计算的话，一般对于数据的产出时延没有那么高的要求，只要数据最终产出即可，具体使用像现在很多公司离线业务报表。目前大多数公司离线计算引擎使用的是Hive或者Spark，实时计算引擎目前主要是Flink。

大数据存储需要数据分布式存储，单机不能够在存储这么多巨量数据

在传统的关系型数据库中，当一个表非常大时，会使用分库分表技术，将表分布式的存储在不同的机器上面。分库分表技术可以使用开源工具TDDL。

在非关系型NoSQL数据库中，一般最底层的文件存储系统可以选择HDFS。HDFS文件系统将文件按照块来进行存储，一个块的大小为128兆，同时每个块会存储三份，对数据进行容灾存储，即使其中一个块坏了，可以选择其他块进行数据恢复。

分布式数据库系统可以对数据表进行水平分割和垂直分割。比如HBase数据库，水平分割使用的是Region，垂直分割则是使用的列族。

分布式数据存储技术，需要不同机器一起协同工作，每台机器存储整体数据的一个子集。在未来大数据时代，肯定都会使用分布式数据存储，分布式数据库，会成为大数据系统的标配。

我是Lake，专注大数据技术原理、人工智能、数据库技术、程序员经验分享，如果我的问答对你有帮助的话，希望你能点赞关注我，感谢。

我会持续大数据、数据库方面的内容，如果你有任何问题，也欢迎关注私信我，我会认真解答每一个问题。期待您的关注

这是一个非常好的问题，作为一名大数据从业者，我来回答一下。

在当前的大数据时代，不仅IT（互联网）行业的人需要了解大数据相关知识，传统行业的从业者和普通大学生也都应该了解一定的大数据知识，在产业互联网和新基建计划的推动下，未来大数据技术将全面开始落地应用，大数据也将重塑整个产业结构。

了解大数据首先要从大数据的概念开始，不同于人工智能概念，大数据概念还是相对比较明确的，而且大数据的技术体系也已经趋于成熟了。解释大数据概念，可以从数据自身的特点入手，然后进一步从场景、应用和行业来逐渐展开。

大数据自身的特点往往集中在五个方面，分别是数据量、数据结构多样性、数据价值密度、数据增长速度和可信度，对于这五个维度的理解和认知，是了解大数据概念的关键。当然，随着大数据技术的发展和在行业领域的应用，关于数据自身的维度也有了一定程度的扩展，这些扩展本身也是对大数据概念的一种丰富和完善。

数据量大是大数据的一个重要特征，但是数据量本身是一个汇集的概念，并不是只有很大的数据才称为大数据，传统信息系统所产生的“小数据”也是大数据的一个重要组成部分，这一点一定要有清晰的认知。当前从大数据的数据来源来看，主要集中在三个渠道，包括互联网、物联网和传统信息系统，物联网数据当前占据的比例比较大，相信在5G时代，物联网将依然是大数据的主要数据来源。

数据结构多样性是大数据的另一个重要特点，不同于创新信息系统（ERP）当中的数据，大数据的数据类型是非常复杂的，既有结构化数据，也有非结构化数据和半结构化数据，这对于传统的数据处理技术提出了巨大的挑战，这也是推动大数据技术产生的一个重要原因。在工业互联网时代，大数据的数据结构多样性会进一步得到体现，这对于数据价值化过程也提出了新的挑战。

数据价值密度往往是衡量数据价值的重要基础，相对于传统的信息系统来说，大数据当中的数据价值密度是比较低的，这就需要有更快速和便捷的方式，来完成数据的价值化提取过程，而这也正是当前大数据平台所关注的核心能力之一。实际上，早期的Hadoop、Spark平台之所以能够脱颖而出，一个重要的原因就是其数据处理（排序）速度比较快。

数据增长速度快是大数据的另一个重要表现，通常传统信息系统的数据增量是可以预测的，或者说增长速度是可控的，但是在大数据时代，数据增长速度已经大大突破了传统数据处理所能承载的极限。数据增长是一个相对的概念，相对于消费互联网来说，产业互联网所带来的数据增量可能会更加客观，因此产业互联网时代会进一步打开大数据的价值空间。

最后，大数据还有一个特点就是数据本身的真实性，大数据时代所带来的一个重要副作用就是数据真假难辨，这也是当前大数据技术所要重点解决的问题之一。从当前大型互联网平台所采用的方法来看，通常是技术和管理相结合的方式，比如通过为用户认证就能够解决一部分数据的真实性（专业性）问题。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

用最通俗的语言跟你解释一下。

举个例子，你想要买一双鞋，打开淘宝搜索了半天，感觉不太合适，然后又一想，晚点买也可以，于是退出了淘宝，打开了抖音，开始看某些土味视频。

当你下一次打开淘宝的时候，淘宝一定会给你推荐各种新款式的鞋，并且会给你推送相关的活动。而你每次打开抖音，看到的大部分都是土味视频。

其原因就是因为你在淘宝上用了大部分时间去搜索鞋子，淘宝通过测算觉得你对鞋子感兴趣，于是你每次进淘宝都会给你推荐鞋子。除非你下次用更多的时间去搜索另外一个东西。而抖音觉得你比较喜欢土味视频，因此这种视频便一直出现。

这就是我们所说的大数据，通过对你各种行为分析，为你推荐更符合你口味的东西。

会销售的售货员在卖东西的时候一定不会仅仅去说产品，他肯定会通过各种方法去了解你的信息，等到信息足够后再去为你推荐更加合适的产品，而此时你成交的概率非常大。

所以不妨回忆一下，买东西的时候有没有售货员跟你聊除产品以外的东西？比如家庭？

生活中的大数据有很多，打开歌曲APP，每日推荐就是大数据；打开今日头条，推荐你最感兴趣的内容也是大数据；打开视频APP，推荐的视频同样是你最爱看的，这也是大数据。

因此，只要能通过某种途径，了解到你的详细信息或者行为，根据这些信息或者行为进行推荐你所感兴趣的东西，就叫做大数据。

不知道你清楚了没有？

举个例子，大数据记录了一个爱抽烟的男人。晚上一般是先抽烟以后刷牙。有一天男士刷了牙以后抽烟。第二天app开始推送了tt。根据两天的记录了刷牙到抽烟的时间，第三天app推送了加厚版的tt。一个半月后某天记录到男人一直抽烟，便推送了某家专科医院。再过了一个月，发现男人再无抽烟，推送了铂爵旅拍。

大数据就是根据过去和现在记录的，不同纬度的数据进行分析，从而对未来不同场景各项应用的推演。

什么是大数据及应用？大数据即为海量数据。人类生活在三维空间中，一草一木，一山一水，人类活动的行为轨迹，都能用数据来表达。如企业的生产运营，商品标准。政府的管理决策，消费者的消费水平，消费习惯。地理环境的一条公路，一条河流等等。每方面都有每方面的大数据。每个行业都有每个行业的大数据。通过各企业，行业，社会主体等等数据的集成。形成了概念更大，更有价值的大数据流。通过宇宙万物是互联的原理。以及逻辑关系的分析。能够得到。关于社会治理，企业运营，个人服务的便捷可靠，真实的服务方案。一件事物的组成并非由单一因素组成。由多方组合或者协同完成的。一件衣服的完成，要有生产布料的厂家，制衣厂家，制扣厂家，制线厂家，设计方，工人加工等等环节组合而成。大数据也是如此。大数据应用也是如此。人类刚刚迈入数字经济时代。既为以数据为生产资料的时代。谁能掌握大数据以及大数据的应用？更好地服务于人类社会。谁就占据了未来财富以及地位的制高点。中国战略性新兴产业联盟河北唐冠众兴科技有限公司毕绍鹏回答

应用和数据可以从几个方面进行一下区别分析：

1、思想的角度

这个应该是最深度的不同。就是做应用和做数据类的工作，思考的出发点是不一样的。应用要从业务流程为侧重，分析参与者、流程节点和创建数据模型，支撑的是业务处理类的系统功能；而数据是要从元数据开始，思考数据的流向和数据之间的关系，支撑的更多是经营分析、业务模型和决策支持类的系统功能，现在再上升到是人工智能的基础。

2、发展的趋势

传统上来讲，应用和数据基本是分解成不同的系统来实现的。但现在在局部也有应用和数据融合发展的趋势。辩证的来讲，应用产生数据，消费数据；数据源自应用，注智到应用。

应用是一种搜集数据的工具！是一个展现数据的平台！

数据是赋予应用生命力的营养液！是让应用逐渐壮大的基石！

应用是指程序实现方面的，更多的是实现业务所需的功能和性能要求，是对业务场景的实现。而数据是作为一种资源和资产，在实际业务应用中将会产生数据，是具体业务操作产生的信息。

应用 是指面向最终用户的，一般有用户界面。数据是指一种二进制存在，可以是支撑应用的功能需要的数据，也可能是应用产生的数据。这两个概念不在一个层面上。

应用和数据，英文分别是application和data,从字面上来看，应用(app...)是提供给使用者完成某项任务的一种软件工具，而数据(data)则是在使用应用过程中产生的数字化信息。应用解决了协同与信息共享的问题，而数据则解决了信息记录与沉淀的问题。

　　统计数据是统计工作活动过程中所取得的反映国民经济和社会现象的数字资料以及与之相联系的其他资料的总称。统计数据是表示某一地理区域自然经济要素特征、规模，结构、水平等指标的数据。是定性、定位和定量统计分析的基础数据。　　统计数据是采用某种计量尺度对事物进行计量的结果，采用不同的计量尺度会得到不同类型的统计数据。从上述四种计量尺度计量的结果来看，可以将统计数据分为以下四种类型：　　定类数据——表现为类别，但不区分顺序，是由定类尺度计量形成的。　　定序数据——表现为类别，但有顺序，是由定序尺度计量形成的。　　定距数据——表现为数值，可进行加、减运算，是由定距尺度计量形成的。　　定比数据——表现为数值，可进行加、减、乘、除运算，是由定比尺度计量形成的。　　前两类数据说明的是事物的品质特征，不能用数据表示，其结果均表现为类别，也称为定性数据或品质数据（Oualitative data）；后两类数据说明的是现象的数量特征，能够用数值来表现，因此也称为定量数据或数量数据（Quantitative data）。由于定距尺度和定比尺度属于同一测度层次，所以可以把后两种数据看作是同一类数据，统称为定量数据或数值型数据。　　区分测量的层次和数据的类型是十分重要的，因为对不同类型的数据将采用不同的统计方法来处理和分析。比如，对定类数据，通常计算出各组的频数或频率，计算其众数和异众比率，进行列联表分析和x2检验等；对定序数据，可以计算其中位数和四分位差，计算等级相关系数等非参数分析；对定距或定比数据还可以用更多的统计方法进行处理，如计算各种统计量、进行参数估计和检验等。我们所处理的大多为数量数据。　　这里需要特别指出的是，适用于低层次测量数据的统计方法，也适用于较高层次的测量数据，因为后者具有前者的数学特性。比如：在描述数据的集中趋势时，对定类数据通常是计算众数，对定序数据通常是计算中位数，但对定距和定比数据同样也可以计算众数和中位数。反之，适用于高层次测量数据的统计方法，则不能用于较低层次的测量数据，因为低层次数据不具有高层次测量数据的数学特性。比如，对于定距和定比数据可以计算平均数，但对于定类数据和定序数据则不能计算平均数。理解这一点，对于选择统计分析方法是十分有用的。

统计数据是对客观现象计量的结果，不同的客观现象能够予以计量或测度的程度是不同的。统计数据大体上分为两种类型：定性数据与定量数据。

定性数据

定性数据也称品质数据，它说明的是现象的品质特征，只能用文字或数字代码来表示，不能用数值表示。定性数据具体可分为定类数据和定序数据。

1.定类数据

定类数据是对现象进行分类的结果，表现为类别，由定类尺度计量而成。定类尺度也称类别尺度或列名尺度，是最粗略、计量层次最低的计量尺度。定类尺度只能按照现象的某种属性对其进行平行的分类或分组。

例如，人口按照性别分为男、女两类。又如，企业按照经济类型分为国有经济、集体经济、股份制经济、外商投资经济等。定类尺度只能测度现象之间的类别差，不能反映各类现象之间的其他差别。

定类数据是层次最低的数据。从数学运算的特性来看，定类数据只有等于或不等于的性质。

2.定序数据

定序数据是对现象按照一定的排序进行分类的结果，表现为有顺序的类别，由定序尺度计量而成。定序尺度又称顺序尺度，是对现象之间等级差别和顺序差别的一种测度。它不仅可以测度现象之间的类别差，还可以测度次序差。

例如，学生的考试成绩可分为优、良、中、及格、不及格。又如，消费者对某产品的满意程度可分为很满意、满意、一般、不满意、很不满意等。定序尺度不能测量类别之间的准确差值，只能比较大小，不能进行加、减、乘、除等数学运算。

定序数据的层次高于定类数据。从数学运算的特性来看，定序数据除了具有等于或不等于的性质以外，还有大于或小于之分。

定量数据

定量数据也称数量数据，它说明的是现象的数量特征，是能够用数值来表示的。定量数据具体可分为定距数据和定比数据。

1.定距数据

定距数据是既能反映现象所属的类别和顺序，又能反映现象类别或顺序之间数量差距的数据，由定距尺度计量而成。定距尺度也称间隔尺度，通常使用自然或物理单位作为计量尺度。定距数据不仅能将现象区分为不同类型并进行排序，而且可以准确指出类别之间的差距是多少。

例如，甲、乙两位学生某门课程的考试成绩分别为86分和55分，不仅说明甲学生的成绩良好，乙学生的成绩不及格，甲学生的分数高于乙学生，而且能说明甲学生的分数比乙学生高31分。

定距数据的层次高于定序数据。从数学运算的特性来看，定距数据除了具有等于或不等于、大于或小于的性质以外，还适合进行加减计算，但不适合进行乘除运算。其原因是定距尺度中没有绝对的零点。定距尺度中的“0”表示一个数值，即“0”水平，而不是表示“没有”或“不存在”。

例如，一个学生的统计学考试成绩为0分，表示他的统计学成绩水平为0，并不表示他没有考试成绩或没有任何统计学知识。又如，一个地区的气温为0摄氏度，表示的是温度的水平，并不是没有温度。可见，定距尺度中的“0”是一个有意义的数值。

2.定比数据

定比数据不仅能体现现象之间的数量差距，还能进行对比计算，即通过计算两个测度值之间的比值来体现相对程度的数据，由定比尺度计量而成。定比尺度也称为比率尺度，它有一个绝对“零点”。在定比尺度中，“0”表示“没有”或“不存在”。

例如，一个人的收入为“0”，表示这个人没有收入。因此，定比尺度除了具有上述三种计量尺度的全部特性以外，还具有一个特性，那就是可以计算两个测度值之间的比值。这也是它与定距尺度的唯一差别。现实生活中，绝大多数的经济变量都可以进行定比测度。

定比数据是最高层次的数据。从数学运算的特性来看，定比数据除了具有等于或不等于、大于或小于的性质，可以进行加减计算以外，还可以进行乘除运算。例如，甲的工资为6000元，乙的工资为12000元，则乙的工资为甲的2倍。

数据词典是指用于描述和定义数据及其关系的文档或工具。它包括了数据表的结构、字段的定义、数据类型、数据的来源和用途等信息。

数据词典可以帮助用户更好地理解和管理数据，使数据更加可靠、易于理解和使用。通过数据词典，用户可以了解数据的含义、格式和用途，帮助他们更加有效地进行数据管理、分析和应用。数据词典对于数据管理和数据应用非常重要，它是指导数据处理和分析工作的关键工具之一。