1.1 大数据概念
大数据（Big Data）：指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量‘高增长率和多样化的信息资产。
主要解决海量数据数据的存储和海量数据的分析计算问题
按顺序给出数据存储单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。
1.2 大数据特点（4V）
Volume（大量）
截至目前，人类生产的所有印刷材料的数据量是200PB，而历史上人类总共说过的话的数据量大约是5EB。当前，典型计算机硬盘的容量为TB量级，而一些大企业的数据量已经接近EB量级。
Velocity（高速）
这是大数据区分与传统数据挖掘的最显著特征。根据IDC数据宇宙的报告，预计到2020年，全球数据使用量将达到35.2ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。
Variety（多样）
这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以数据库文本为主的结构化数据，非结构化数据或者半结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。
Value（低价值密度）
价值密度的高低与数据总量的大小成反比。比如，交通实时监控过程中，车辆穿红灯被视为有价值的信息，价值信息数据占比低，如何快速对有价值数据提纯成为目前大数据背景下待解决的难题。
1.3 大数据应用场景
物流仓储：大数据分析系统助力商家精细化运营、提升销量、节约成本。
零售：分析用户消费习惯，为用户啊购买商品提供方便，从而提升商品销量，经典案例-啤酒尿布
旅游：深度结合大数据能力与旅游行业需求，共建旅游产业智慧管理、智慧服务和智慧营销的未来。
商品广告推荐：根据用户浏览数据及商品购买记录来给用户推荐可能喜欢的商品。
保险：海量数据挖掘及风险预测，助力保险行业精准营销，来提升精细化定价能力。
金融：多维度体现用户特征，帮助金融机构推荐优质客户，防范欺诈风险。
交通：根据人流量数据，车辆交通数据，依靠大数据处理分析能力，来规划交通出行方案，打造智慧交通、智慧城市等。