第一个是Da 数据。我认为Da 数据与其说是一个详细的技术细节，不如说是一个方法论。他的提议并不是开创性的创造，而是一种文体解决方案的总结，是作为解决实际问题的可行手段正式提出的。但是，光有方法是没用的。它必须得到执行，而且必须在实际工作中富有成效，看得见，摸得着。那么相应的，大量完整的技术体系也发展起来了，尤其是在开源社区的推动下，变得越来越迅猛。
我给大家简单罗列一下，排名不分先后:计算模型、计算引擎、运维、调度、虚拟化、存储等等。其实这些东西都不是在这个浪潮中新提出来的，过去也取得了一些成果，只是在特定的时间点上，地位和作用有了很大的提高，得到了全社会的认可。于是，我们有了mapreduce、hadoop/spark/storm/、ganglia等运维系统、Yarn/mesos等调度系统、docker等性能卓越的虚拟化工具、hdfs/hbase等优秀的分布式存储容器。
5、 数据分析和 数据 挖掘的区别是什么?目前，随着数据、数据分析、物联网、人工智能的不断发展，各行各业都积累了大量的原始数据，尤其是在这个互联网时代。重要的是数据对错足够有价值所以数据分析这个行业但是数据这个行业的新人是数据分析和-2。广义的数据分析是数据分析和数据 挖掘，但狭义的数据分析和。
用专业术语来说，数据分析是指根据分析的目的，用适当的统计分析方法和事物，对收集到的数据进行加工和分析，从而获得有价值的信息，发挥数据的效果。那么数据，分析效果如何呢？数据分析效果首先达到三大效果:现状分析、因素分析、猜测分析、量化。数据分析的方针很明确。先做假设，然后通过数据分析验证假设是否准确，再得出相应的结论。现在就说吧数据 挖掘。
6、 数据分析和 数据 挖掘的区别是什么?如何做好 数据 挖掘1。-2挖掘数据挖掘指通过统计学、人工智能和机器学习从大量数据中学习。数据 挖掘主要着重解决分类、聚类、相关、预测四类问题，即定量和定性。数据 挖掘专注于寻找未知的模式和规律。输出模型或规则，并据此得到模型分数或标签。模型得分例如损失概率值、总得分、相似度、预测值等。标签有高、中、低价值用户，亏损与不亏损，信用好与差。
综合起来看，数据分析(狭义)和数据 挖掘本质上是一样的，都是从数据中发现商业知识(有价值的信息)，从而帮助商业运营和改善。这些内容与数据 analysis不同。2.数据分析其实我们可以说数据分析是数据的一种运算方法或算法。目标是根据先验约束进行整理、筛选和处理数据，从而得到信息。
7、什么是大 数据,什么又是 数据 挖掘?large数据(bigdata)，即巨量数据，是指所涉及的信息无法被当前主流的软件工具捕捉、管理、处理和整理，以帮助企业在合理的时间内做出更加积极的商业决策。(在维克多·迈耶、勋伯格和肯尼斯·库克耶写的《Da 数据 Time》中，Da 数据是指采用所有方法数据而不是随机分析(抽样调查)的捷径)。
数据的四个“V”有四个特点:第一，数据巨大。从TB级跳到PB级；第二，数据有很多类型，前面提到的博客、视频、图片、地理信息等等。再次，数据的来源直接导致分析结果的准确性和真实性，如果数据的来源完整真实，最终的分析结果和决策会更加准确。第四，处理速度快，一秒定律。
