浅析：基于新技术的企业信息化模式创新
1.5大数据。随着物联网、移动互联网、云计算的兴起，特别是智能终端的普及，以及遍布地球各个角落的各式各样传感器的广泛应用，使得世界更容易被感知，人们获得的数据越来越大，越来越快，越来越复杂。据国际数据公司(IDC)研究表明，2009年全球产生的数据量为0.8ZB(1ZB=1024EB)，2010年增长为1.2ZB,2011年的数据量更是高达1.82ZB,相当于全球每人产生200GB以上的数据。随着新型网络应用的快速发展，新的数据类型还会层出不穷。 有关大数据概念的目前尚无公认统一定义，但有关大数据的4个“v”特点，则得到广泛认同：(1)数据规模大(Volume)，从TB级，跃升到PB级；(2)数据种类多(Variety)。如网络上大量存储和传输的文字、视频、图片、音乐、地理位置信息、网络日志等等。(3)数据速度快(VelocITy)，一是大数据产生的速度很快，像流水一样在运动，如微博、短信、微信、facebook、监控视频等每时每刻都在产生数据；二是大数据对处理速度有要求，一般要在秒级时间范围内给出分析结果，时间太长就会失去价值了。这个速度要求是大数据处理技术与传统的数据挖掘技术最大的区别；(4)数据价值密度低(Value)。大数据的价值性往往呈现出稀疏性的特征。以监控视频为例，连续不间断的监控过程中，可能有用的数据常常仅仅一两秒。 因此，大数据的概念与传统的“海量数据”概念是不同的，后者只强调数据的量，而大数据不仅强调数据量大，还更进一步强调数据的形式复杂、数据时间的快速特性，以及对数据的分析和处理等的专业化、最终获得有价值信息的能力。所以，维基百科把这种无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合称为大数据。庞大的数据正在改变着人类发现和解决问题的基本方式，采用最简单的统计分析算法，将大量数据不经过模型和假设直接交给高性能计算机处理，就可以发现某些传统的研究方法难以得到的规律和结论。图灵奖得主吉姆·格雷提出了数据密集型科研第四范式，不同于传统实验、理论和计算三种科研范式，第四种范式不需要考虑因果关系，以数据为中心，分析数据的相关性，打破了千百年来从结果出发探究原因的科研模式。大规模的复杂数据使得新的科研模式成为可能。因此，大数据隐含了极大的价值，被视为“未来的 |
