大数据无处可藏的缺点解析

　　大数据，大家一听感觉是无所不能的所属名词，但是，事事都有缺点，大数据也有缺点，那么，本篇文章就给大家具体的讲一讲大数据的缺点！

　　多年来，隐私和大数据之间的关系已经变得非常敏感，随着新兴技术产生大量数据，关于两者之间“辩论”才刚刚开始。

　　随着日常生活中数据生成设备的数量不断增长，因此关于应将数据公开，以及何时应将个人数据视为私有的争论也在不断增加。

　　SAP国家安全服务公司总裁兼首席执行官Mark Testoni说，“我们拥有所有信息，而且大部分情况下，我们还没有真正决定什么是私有或公有领域。”

　　“数据公开可以带来很多便利，但同时也存在一些安全问题，”Testoni说，“在接下来的几年里，这些问题将尤为突出。”

　　最近很多新闻事件也涉及到这些问题:12月，阿肯色州的县检察官要求亚马逊交易客户的Echo智能扬声器的数据，原因是一名男子被发现死在客户的家中，检察官认为语音解析服务可能记录了可能解释死亡的信息。

　　想要系统的认知大数据，必须要全面而细致的分解它，着手从三个层面来展开：

　　第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性;从对大数据价值的探讨来深入解析大数据的珍贵所在;洞悉大数据的发展趋势;从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。

　　第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。

　　第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。

　　今年1月，纽约市推出了新的法规，要求乘车服务(如Uber和Lyft)转交关于用户在哪里接机和下车的数据。该城市计划分析数据，以确保驱动程序遵守规则，要求他们连续工作不超过10个小时，但Uber鉴于涉及客户的隐私问题，拒绝提供。

　　关于大数据和隐私的问题在未来几年会变得更加突出。由于安全问题，城市和政府机构正在更多的地方安装摄像机。面部识别技术的进步，主要由深度学习驱动，使得视频数据更易于搜索。与此同时，消费者也正在采用新的工具，例如连接的家庭设备和健身追踪器，这些设备产生了大量数据，所有这些在理论上对刑事调查人员和国家安全机构都有用。

　　“我们一直对政府将要采取的措施持怀疑态度，”Testoni说，“随着公众意识的提高，人们将更加关注政府的举措，关注信息的使用情况。”

　　对于“大数据”(Big data)研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。[1] 麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

　　大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。[5] 从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。

　　但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。[2] 随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

#p#分页标题#e#

　　大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

　　Testoni表示，政府需要技术产品和服务来简“在接下来的几年里，我们将有几十亿物联网设备连接，”Testoni说，“数字化信息的数量每年都在增加一倍，关于大数据和隐私问题的辩论将继续下去。”

　　在接下来的几年里，我们将有几十亿物联网设备连接，”Testoni说，“数字化信息的数量每年都在增加一倍，关于大数据和隐私问题的辩论将继续下去。”

　　有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。

      小结：相信大家看完这篇文章，都有了很深的感触了吧？当然了，大数据虽然有缺点，但是，它的作用也是巨大的，在现代生活中，我们都会用到它，那么我们就要去完善它！！还有更多详细内容，尽在课课家教育！