从专业上来说，是从数据中采集存储，从数据中筛选，从算法中分析预测，从数据中展示分析结果，帮助做出最正确的选择。关键作用是什么？挖掘各行业的关键路径，辅助决策，提高社会(或企业)的运营效率。最早是在什么场景下提出的？基础学科信息化高速发展后，诞生了“Da 数据”这个说法。
5、大 数据专业要用那些软件hadoop作为开源的分布式集群，常用于大型数据分析后台数据存储，但不能单独作为分析工具使用。永红科技的国产bi工具永红套件，可以算是一个大数据分析软件，包括专业数据 bazaar永红数据集市，基于他们自己的技术开发，类似hadoop，但是查询和计算速度更快，适合大数据的实时分析。通用基础数据 excel进行分析，origin，功能比较强，大数据 SAS进行分析，
高斯，Minitab，Statistica，FineBI，最新的是Hadoop技术。SAS可以用来设计正交实验，SAS比SPSS功能多，RSA用于对应曲面分析，MATLAB面向矩阵，可以做很多事情，比如数值分析，模式识别，优化...里面包含了一个巨大的工具箱，小波分析，遗传 算法等等。当然，photoshop是必须的。可以修图，润色，美化，删繁就简。
6、 遗传 算法在智能控制中有哪些应用优化数据，预测趋势(大数据)。有很多应用，包括数值优化、组合优化、机器学习、智能控制、人工生命、图像处理、模式识别等领域。最简单的应用就是函数优化问题，即求一个复杂函数的极值。如果你想要相关的matlab代码或者C代码，我可以发给你，并留下你的邮箱。
7、 数据挖掘 算法的组件包括数据Mining算法的组成部分包括:神经网络、-1 算法、回归算法、聚类分析/123。LR有很多方法可以正则化模型。与NB的条件独立性假设相比，LR不需要考虑样本是否相关。与决策树和支持向量机不同，NB有很好的概率解释，用新的训练数据更新模型很容易。如果你想要一些概率信息或者希望在以后有更多数据的时候方便的更新和改进模型，LR是值得使用的。
同时，大数据分析不是一朝一夕的事情，而是需要你积累的数据处理经验，不会轻易被替代。一个公司的所有工作基本都体现在数据。高级数据分析师职位通常是数据的职能结构中的领导。他有很高的分析和思辨能力，对业务有很好的了解，对公司的管理和经营行为有很深的理解，可以负责一个。
8、大 数据和 数据挖掘的区别Da 数据概念:Da 数据是近两年提出的，它有三个重要特点:数据数量大，结构复杂，数据更新速度快。由于web技术的发展，Web用户自动保存的数据和传感器的不断采集数据以及移动互联网的发展，自动采集和存储数据的速度在加快，全世界数据的量在不断扩大。数据的存储和计算都超出了单台计算机(小型机和大型机)的能力，这对数据 mining技术的实现提出了挑战(一般来说数据 mining的实现都是基于小型机或大型机，也可以进行并行计算)。
很多算法都涉及到，包括机器学习衍生的神经网络和决策树，基于统计学习理论的支持向量机，分类回归树，相关性分析等。数据挖掘的定义是从海量数据中找到有意义的模式或知识，大数据需要映射成小单元进行计算，然后将所有的结果进行整合，也就是所谓的mapreduce 算法框架。
