大数据的4V特征：大数据有多大：领域内的大多数专业人士认为 PB 级是目前大数据的基准。也有认为大数据是附着在人力和技术基础设施无法跟上需求步伐的情况下的主观标签。

数据来源：

•社交网络：微博、 Facebook等

•电子商务：淘宝、 ebay等

•移动互联：手机 Apps等

国内外发展状况：

    2016年无疑是“机器学习年”，任何目睹过众多融资方案的VC都应该能够感受到这一点：每个初创公司都在变身成为“机器学习公司”的一年，“.ai”成为必备的域名，而“等等，我们会通过机器学习技术解决这个问题”开始频繁地出现在各类集资活动的演示PPT中。71068

    有关人工智能的报道、座谈会、新闻邮件和微博信息扑面而来，对于许多早已对机器学习感兴趣的人而言，就好像发现自己当地的某个品牌突然开始了全球化扩张：一方面，感到骄傲；另一方面，又对这些装腔作势的“后来者”表示明显的厌烦，同时做好了不可避免会感到失望的心理准备。

    虽然很容易认为这些趋势的发展非常和缓，但该领域的演变是不可避免且影响深远的：机器学习正在快速成为很多应用程序的关键组成部分。

    我们正在目睹一个新技术栈的涌现 ，在这个技术栈中，大数据技术被用于处理核心数据工程挑战，而机器学习技术被用来从数据中提取价值（以分析见解或操作等形式）。换句话说：大数据提供管道，AI提供智能 。

    当然，这种共生关系已经存在了很多年，但只有少数人能够真正实现它。

人们多年来一直在谈论“大数据”，但随着AI技术的飞速发展，这一天正在更快速地到来。

    过去一年，在我们与大数据技术的买家和卖家的交谈中发现，“财富1000强”公司中，核心基础设施的分析和升级方面的预算正在大幅增长，其核心关注点正是大数据技术。分析机构IDC 预计。

    “财富1000强”公司的许多买家在大数据技术方面正变得越来越成熟和挑剔。过去多年里，他们做了很多相关方面的功课，现在正处于全面部署模式中。这种情况不仅适用于技术型行业，目前许多其他行业都是如此。

在大公司每隔几年就要发生的旧技术替代自然周期的推动下，这种情况得到进一步加速。大数据技术从以前的逆风（难以剔除或取代原有基础架构）逐渐转化为顺风。当然，许多大企业（“晚期从众者”）依然处于大数据部署的早期阶段，但这种情况似乎正在加速演变。

    就在几年前，如果建议企业将数据迁移到公有云中，大型企业的CIO通常给出的回应是“除非我死了”，当时他们可能只愿将开发环境，或各种稀奇古怪，非关键的对外应用程序迁移至云端。

    但现在画风开始变化了，根据商业分析软件 Tableau 发布的最新《云端数据报告》指出，越来越多的企业数据重心开始向云端集中。我们听到更多开放性的声音——大家逐渐认识到“我们的客户数据已经保存在Salesforce的云中”，或者“我们永远做不到像AWS一样的网络安全预算投入”，而讽刺的是，过去多年来，对安全性的顾虑曾是企业反对云计算的主要原因之一，但云供应商在安全与合规（HIPAA）等方面的努力最终得到了证明和回报。论文网

毫无疑问，我们还远远未能实现将大多数企业数据转移到公有云中这一目标，部分原因在于遗留系统和管控制度等问题。但是，演变的趋势是显著的，并将继续加速。云供应商会尽一切努力促进这一过程，包括提供搬运海量数据的卡车