这是一个新兴的概念么？说是就是，说不是就不是。其实数据一直存在，只是需要感谢这个蓬勃发展的信息时代，使得获取并分析这些数据成为可能。于是大数据概念顺势而出。

可以简单理解，每一条行为就是一条数据。去车站买票、去银行存款、拿起电话发个短信等等等等。只是人们的日常生活越来越依赖于数字化的信息网络，所以使得行为轨迹较历史而言更加的聚集。当人们都拿着现金去市场买菜的时候，除了人工去计算谁知道交易额是多少？哪怕是摊主本人，也要数数才知道。此时的数据获取是十分昂贵而低效的。但是当在线交易已经普及到方方面面的时候，只需要打开手机就能快速统计到交易额，甚至看到每一笔往来记录。那么，也可以简单的推想，信息网络上到底有多么庞大的数据量。

说一句小白的话，大数据技术就是处理大数据的技术。如果数据量没有达到P级，我认为其实是不需要用到大数据技术的。主流的数据库软件已经能够有很强的可靠性和处理能力，部署相对也简单很多。大数据技术主要是构建了一种全新的数据处理理念；易于帮助我们去理解的，主要是数据分片和分布式处理；技术的根本是使处理庞大数据成为可能并且尽量的加快处理速度。从使用效果来看，这种能力是已经具备并十分可靠的。比如，现在主流APP都会有推荐功能。同一款APP不同的人打开有不同的主页，这就是根据单用户的历史浏览记录而生成用户画像，为用户推荐类似的内容。

大数据技术的驱动力

在这个时代里，赚钱不易。几乎每个行业都面临着激烈的竞争，用户的忠诚度下降、对服务品质的要求在提升。对于企业而言，所有的问题已经从怎么吸引用户变成如何留住用户。比用户更懂用户，提供个性化的服务、挖掘潜在的消费点等等，更好的盈利才是企业致力于加强大数据技术的驱动力。

大数据是不是无所不能？

技术永远都是手段，是手段就会有局限。大数据技术的边界在于数据源，而技术质量的边界在于使用者。

巧妇难为无米之炊。没有数据的支撑，技术手段都是空。如之前的例子，如果数据源只有交易明细，怎么用大数据技术来分析我小学同学的二舅是谁？

同时，大家也会有一个明显的感觉——有的APP比你更懂你，有的却是“呵呵”？其关键就在于谁的算法更加贴近于用户的真实画像。

大数据是怎么运转的？

我个人比较倾向于将大数据的整个过程划分为架构、算法、分析。

总的来说，最为关键的是分析。分析可以是事前分析也可以是事后分析。所谓事前分析更贴近于需求管理，就是将目的转化为可执行的具体内容。事后分析，更加倾向于策略指导；主要是分析到行为背后的归类，帮助指引修正策略。算法是将分析所设定的条件转化为具体的算法。简单举个例子，我们通过用户的历史播放记录去描述用户的喜好，然后将全量音乐进行归类，为用户推送更为贴近用户喜好的音乐。那么算法就是如何将“用户播放记录中轻音乐的次数>500次”。当然，应用级别的算法那是相当复杂了。

来源：腾讯科技