最早提出“大數(shù)據(jù)”（Big Data）時(shí)代到來的是全球知名咨詢公司麥肯錫，麥肯錫稱：“數(shù)據(jù)，已經(jīng)滲透到當(dāng)今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對(duì)于海量數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長和消費(fèi)者盈余浪潮的到來。

??

大數(shù)據(jù)的5V特點(diǎn)（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度）、Veracity（真實(shí)性）。大數(shù)據(jù)時(shí)代的出現(xiàn)簡單的講是海量數(shù)據(jù)同完美計(jì)算能力結(jié)合的結(jié)果，確切的說是移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)產(chǎn)生了海量的數(shù)據(jù)，大數(shù)據(jù)計(jì)算技術(shù)完美地解決了海量數(shù)據(jù)的收集、存儲(chǔ)、計(jì)算、分析的問題。

當(dāng)我們最初談大數(shù)據(jù)的時(shí)候，談的最多的可能是用戶行為分析。即通過各種用戶行為，（以互聯(lián)網(wǎng)行業(yè)為例）包括瀏覽記錄，消費(fèi)記錄，交往和購物娛樂，行動(dòng)軌跡等各種用戶行為產(chǎn)生的數(shù)據(jù)。通過對(duì)用戶各種行為產(chǎn)生的大數(shù)據(jù)進(jìn)行分析、預(yù)測(cè)， 就可以幫助企業(yè)精準(zhǔn)營銷、風(fēng)險(xiǎn)管控，向企業(yè)提供決策支持，并輔助產(chǎn)品設(shè)計(jì)，提升企業(yè)的效率。

?[[359064]]?

醫(yī)療大數(shù)據(jù)讓預(yù)防和看病更高效， 生物大數(shù)據(jù)讓改良基因有了可能，金融大數(shù)據(jù)成為投資理財(cái)利器，零售大數(shù)據(jù)最懂消費(fèi)者，電商大數(shù)據(jù)是精準(zhǔn)營銷的法寶，農(nóng)牧大數(shù)據(jù)可預(yù)測(cè)需求并量化生產(chǎn)，交通大數(shù)據(jù)方便百姓暢通出行，教育大數(shù)據(jù)輔助教育工作者因材施教，食品大數(shù)據(jù)可以保障舌尖上的安全，輿情監(jiān)控大數(shù)據(jù)可預(yù)測(cè)數(shù)據(jù)預(yù)防犯罪......

大數(shù)據(jù)技術(shù)的發(fā)展帶來企業(yè)經(jīng)營決策模式的轉(zhuǎn)變，驅(qū)動(dòng)著行業(yè)變革，衍生出新的商機(jī)和發(fā)展契機(jī)。各行業(yè)的核心數(shù)據(jù)的相關(guān)性再加上可感知設(shè)備的智能數(shù)據(jù)采集，就構(gòu)成一個(gè)完整的大數(shù)據(jù)生態(tài)環(huán)境。由此推動(dòng)了企業(yè)的效率提升、科學(xué)決策、精細(xì)管理，更重要的是科學(xué)管理，數(shù)據(jù)治國。

1

云計(jì)算

云計(jì)算最初的目標(biāo)是對(duì)資源的管理，管理的主要是計(jì)算資源，網(wǎng)絡(luò)資源，存儲(chǔ)資源三個(gè)方面。想象你有一大堆的服務(wù)器，交換機(jī)，存儲(chǔ)設(shè)備，放在你的機(jī)房里面，你最想做的事情就是把這些東西統(tǒng)一的管理起來，最好能達(dá)到當(dāng)別人向你請(qǐng)求分配資源的時(shí)候（例如1核1G內(nèi)存，10G硬盤，1M帶寬的機(jī)器），能夠達(dá)到想什么時(shí)候要就能什么時(shí)候要，想要多少就有多少的狀態(tài)。

這就是所謂的彈性，俗話說就是靈活性。靈活性分兩個(gè)方面，想什么時(shí)候要就什么時(shí)候要，這叫做時(shí)間靈活性，想要多少就要多少，這叫做空間靈活性。

在云計(jì)算的發(fā)展過程中，云計(jì)算逐漸發(fā)現(xiàn)自己除了資源層面的管理，還能夠進(jìn)行應(yīng)用層面的管理，而大數(shù)據(jù)應(yīng)用作為越來越重要的應(yīng)用之一，云計(jì)算也可以放入PaaS層管理起來，而大數(shù)據(jù)也發(fā)現(xiàn)自己越來越需要大量的計(jì)算資源，而且想什么時(shí)候要就什么時(shí)候要，想要多少就要多少，于是兩者相遇，相識(shí)，相知，走在了一起。

??

2

大數(shù)據(jù)

??

大數(shù)據(jù)時(shí)代，眾人拾柴火焰高

當(dāng)數(shù)據(jù)量很小時(shí)，很少的幾臺(tái)機(jī)器就能解決。慢慢的，當(dāng)數(shù)據(jù)量越來越大，最牛的服務(wù)器都解決不了問題時(shí)，怎么辦呢？這時(shí)就要聚合多臺(tái)機(jī)器的力量，大家齊心協(xié)力一起把這個(gè)事搞定，眾人拾柴火焰高。所以說什么叫做大數(shù)據(jù)？說白了就是一臺(tái)機(jī)器干不完，大家一起干。可是隨著數(shù)據(jù)量越來越大，很多不大的公司都需要處理相當(dāng)多的數(shù)據(jù)，這些小公司沒有這么多機(jī)器可怎么辦呢？

?[[359065]]?

大數(shù)據(jù)需要云計(jì)算，云計(jì)算需要大數(shù)據(jù)

說到這里，大家想起云計(jì)算了吧。當(dāng)想要干這些活時(shí)，需要很多的機(jī)器一塊做，真的是想什么時(shí)候要就什么時(shí)候要，想要多少就要多少。

例如大數(shù)據(jù)分析公司的財(cái)務(wù)情況，可能一周分析一次，如果要把這一百臺(tái)機(jī)器或者一千臺(tái)機(jī)器都在那放著，一周用一次非常浪費(fèi)。那能不能需要計(jì)算的時(shí)候，把這一千臺(tái)機(jī)器拿出來；不算的時(shí)候，讓這一千臺(tái)機(jī)器去干別的事情？

誰能做這個(gè)事兒呢？只有云計(jì)算，可以為大數(shù)據(jù)的運(yùn)算提供資源層的靈活性。而云計(jì)算也會(huì)部署大數(shù)據(jù)放到它的PaaS平臺(tái)上，作為一個(gè)非常非常重要的通用應(yīng)用。因?yàn)榇髷?shù)據(jù)平臺(tái)能夠使得多臺(tái)機(jī)器一起干一個(gè)事兒，這個(gè)東西不是一般人能開發(fā)出來的，也不是一般人玩得轉(zhuǎn)的，怎么也得雇個(gè)幾十上百號(hào)人才能把這個(gè)玩起來。

所以說就像數(shù)據(jù)庫一樣，其實(shí)還是需要有一幫專業(yè)的人來玩這個(gè)東西。現(xiàn)在公有云上基本上都會(huì)有大數(shù)據(jù)的解決方案了，一個(gè)小公司需要大數(shù)據(jù)平臺(tái)的時(shí)候，不需要采購一千臺(tái)機(jī)器，只要到公有云上一點(diǎn)，這一千臺(tái)機(jī)器都出來了，并且上面已經(jīng)部署好了的大數(shù)據(jù)平臺(tái)，只要把數(shù)據(jù)放進(jìn)去算就可以了。

云計(jì)算需要大數(shù)據(jù)，大數(shù)據(jù)需要云計(jì)算，二者就這樣結(jié)合了。

3

人工智能

雖說有了大數(shù)據(jù)，人的欲望卻不能夠滿足。雖說在大數(shù)據(jù)平臺(tái)里面有搜索引擎這個(gè)東西，想要什么東西一搜就出來了。但也存在這樣的情況：我想要的東西不會(huì)搜，表達(dá)不出來，搜索出來的又不是我想要的。例如音樂軟件推薦了一首歌，這首歌我沒聽過，當(dāng)然不知道名字，也沒法搜。但是軟件推薦給我，我的確喜歡，這就是搜索做不到的事情。當(dāng)人們使用這種應(yīng)用時(shí)，會(huì)發(fā)現(xiàn)機(jī)器知道我想要什么，而不是說當(dāng)我想要時(shí)，去機(jī)器里面搜索。這個(gè)機(jī)器真像我的朋友一樣懂我，這就有點(diǎn)人工智能的意思了。

人們很早就在想這個(gè)事情了。最早的時(shí)候，人們想象，要是有一堵墻，墻后面是個(gè)機(jī)器，我給它說話，它就給我回應(yīng)。如果我感覺不出它那邊是人還是機(jī)器，那它就真的是一個(gè)人工智能的東西了。

怎么才能做到這一點(diǎn)呢？人們就想：我首先要告訴計(jì)算機(jī)人類的推理的能力。你看人重要的是什么？人和動(dòng)物的區(qū)別在什么？就是能推理。要是把我這個(gè)推理的能力告訴機(jī)器，讓機(jī)器根據(jù)你的提問，推理出相應(yīng)的回答，這樣多好？

其實(shí)目前人們慢慢地讓機(jī)器能夠做到一些推理了，例如證明數(shù)學(xué)公式。這是一個(gè)非常讓人驚喜的一個(gè)過程，機(jī)器竟然能夠證明數(shù)學(xué)公式。但慢慢又發(fā)現(xiàn)其實(shí)這個(gè)結(jié)果也沒有那么令人驚喜。因?yàn)榇蠹野l(fā)現(xiàn)了一個(gè)問題：數(shù)學(xué)公式非常嚴(yán)謹(jǐn)，推理過程也非常嚴(yán)謹(jǐn)，而且數(shù)學(xué)公式很容易拿機(jī)器來進(jìn)行表達(dá)，程序也相對(duì)容易表達(dá)。

然而人類的語言就沒這么簡單了。比如今天晚上，你和你女朋友約會(huì)，你女朋友說：如果你早來，我沒來；你等著，如果我早來；你沒來，你等著！這個(gè)機(jī)器就比較難理解了，但人都懂。所以你和女朋友約會(huì)，是不敢遲到的。

因此，僅僅告訴機(jī)器嚴(yán)格的推理是不夠的，還要告訴機(jī)器一些知識(shí)。但告訴機(jī)器知識(shí)這個(gè)事情，一般人可能就做不來了。

于是人們想到：機(jī)器是和人完全不一樣的物種，干脆讓機(jī)器自己學(xué)習(xí)好了。機(jī)器怎么學(xué)習(xí)呢？既然機(jī)器的統(tǒng)計(jì)能力這么強(qiáng)，基于統(tǒng)計(jì)學(xué)習(xí)，一定能從大量的數(shù)字中發(fā)現(xiàn)一定的規(guī)律。聽起來也沒有那么有道理，但的確能做到，就是這么任性！

人工智能可以做的事情非常多，例如可以鑒別垃圾郵件、鑒別黃色暴力文字和圖片等。這也是經(jīng)歷了三個(gè)階段的：

• 第一個(gè)階段依賴于關(guān)鍵詞黑白名單和過濾技術(shù)，包含哪些詞就是黃色或者暴力的文字。隨著這個(gè)網(wǎng)絡(luò)語言越來越多，詞也不斷地變化，不斷地更新這個(gè)詞庫就有點(diǎn)顧不過來。
• 第二個(gè)階段時(shí)，基于一些新的算法，比如說貝葉斯過濾等，你不用管貝葉斯算法是什么，但是這個(gè)名字你應(yīng)該聽過，這個(gè)一個(gè)基于概率的算法。
• 第三個(gè)階段就是基于大數(shù)據(jù)和人工智能，進(jìn)行更加精準(zhǔn)的用戶畫像和文本理解和圖像理解。

由于人工智能算法多是依賴于大量的數(shù)據(jù)的，這些數(shù)據(jù)往往需要面向某個(gè)特定的領(lǐng)域(例如電商，郵箱)進(jìn)行長期的積累，如果沒有數(shù)據(jù)，就算有人工智能算法也白搭，所以人工智能程序很少像前面的IaaS和PaaS一樣，將人工智能程序給某個(gè)客戶安裝一套，讓客戶去用。因?yàn)榻o某個(gè)客戶單獨(dú)安裝一套，客戶沒有相關(guān)的數(shù)據(jù)做訓(xùn)練，結(jié)果往往是很差的。

但云計(jì)算廠商往往是積累了大量數(shù)據(jù)的，于是就在云計(jì)算廠商里面安裝一套，暴露一個(gè)服務(wù)接口，比如您想鑒別一個(gè)文本是不是涉及黃色和暴力，直接用這個(gè)在線服務(wù)就可以了。這種形勢(shì)的服務(wù)，在云計(jì)算里面稱為軟件即服務(wù)，SaaS (Software AS A Service)，于是工智能程序作為SaaS平臺(tái)進(jìn)入了云計(jì)算。

終于云計(jì)算的三兄弟湊齊了，分別是IaaS、PaaS和SaaS。所以一般在一個(gè)云計(jì)算平臺(tái)上，云、大數(shù)據(jù)、人工智能都能找得到。一個(gè)大數(shù)據(jù)公司，積累了大量的數(shù)據(jù)，會(huì)使用一些人工智能的算法提供一些服務(wù)；一個(gè)人工智能公司，也不可能沒有大數(shù)據(jù)平臺(tái)支撐。

所以，當(dāng)云計(jì)算、大數(shù)據(jù)、人工智能這樣整合起來，便完成了相遇、相識(shí)、相知的過程。