三个关于大数据技术的问题

大数据已运用到很多的领域

整个数据行业的技术基础和实践能力也不断提升

从庞杂的数据背后挖掘、分析用户的行为习惯和喜好

找出更符合用户的产品和服务

并结合用户需求有针对性地调整和优化自身

就是大数据的价值

大数据渐渐向人们展现了它为学术、工业和政府带来的巨大机遇

与此同时关于大数据技术也向参与的各方提出了巨大的挑战

如何利用信息技术等手段处理非结构化和半结构化数据

大数据中，结构化数据只占 15%左右，其余的 85%都是非结构化的数据，它们大量存在于社交网络、互联网和电子商务等领域。另一方面，也许有 90%的数据来自开源数据，其余的被存储在数据库中。大数据的不确定性表现在高维、多变和强随机性等方面

由于大数据所具有的半结构化和非结构化特点，基于大数据的数据挖掘所产生的结构化也伴有一些新的特征。这些结构化的粗糙知识可以被主观知识加工处理并转化，生成半结构化和非结构化的智能知识。寻求“智能知识”反映了大数据研究的核心价值

如何探索大数据复杂性、不确定性特征描述的刻画方法及大数据的系统建模

这一问题的突破是实现大数据知识发现的前提和关键。从长远角度来看，依照大数据的个体复杂性和随机性所带来的挑战将促使大数据数学结构的形成，从而导致大数据统一理论的完备

数据异构性与决策异构性的关系对大数据知识发现与管理决策的影响

在大数据环境下，管理决策面临着两个 “异构性” 问题：“数据异构性” 和 “决策异构性”。传统的管理决定模式取决于对业务知识的学习和日益积累的实践经验，而管理决策又是以数据分析为基础的

大数据已经改变了传统的管理决策结构的模式。研究大数据对管理决策结构的影响会成为一个公开的科研问题。大数据是一种具有隐藏法则的人造自然，寻找大数据的科学模式将带来对研究大数据之美的一般性方法的探究，尽管这样的探索十分困难，但是如果我们找到了将非结构化、半结构化数据转化成结构化数据的方法，已知的数据挖掘方法将成为大数据挖掘的工具