感谢邀请！我将从以下几个方面回答您的问题。

什么是大数据？

我们如果从字面意思理解的话，大家的第一反应就是庞大的数据规模，其实大数据的这个大不光是大量/大规模的意思，还有复杂多样等方面的意思。所以咱们可以从以下几点来总结大数据的“大”。

1、海量数据

大数据的大量性是指数据量的大小。

2、复杂多样

大数据的多样性是指数据的种类、关系和来源是多样化的，数据可以是结构化的、半结构化的以及非结构化的，数据的呈现形式包括但不仅限于文本，图像，视频，HTML页面等等。

3、高增长率

大数据的高速性是指数据增长快速，处理快速，每一天，各行各业的数据都在呈现指数性爆炸增长。在许多场景下，数据都具有时效性，如搜索引擎要在几秒中内呈现出用户所需数据。企业或系统在面对快速增长的海量数据时，必须要高速处理，快速响应。

4.、价值密度低

大数据的低价值密度性是指在海量的数据源中，真正有价值的数据少之又少，许多数据可能是错误的，是不完整的，是无法利用的。言简意赅的说，有价值的数据占数据总量的密度极低，当你提炼时，那简直就是大浪淘沙。

5.、真实性

大数据的真实性是指数据的准确度和可信赖度，代表数据的质量。

所以，我们可以理解什么是大数据：符合以上特征的海量数据，往往在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，所以大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

大数据的价值所在

大数据的核心价值，我觉得需要从企业的经营管理、业务运作层面去分析，可以把数据的价值分为两个方面，一方面是给企业创造营收，另一方面是给企业节省成本。具体体现在以下三个维度上：

1、数据辅助经营管理、战略、业务决策

比如，为企业管理者提供基础的数据统计和各维度的分析报表，以便支撑全面了解企业经营情况、战略执行情况、业务运转情况；为风控人员提供用户、交易、履约等维度的分析报告来辅助风控策略的优化；为产品经理提供分析报告可辅助其完善产品功能和改善用户体验；为运营人员提供分析报告可辅助其发现运营问题并确定运营的策略和方向。所以一般对于一个中大型企业来说，都会自己的BI系统。

2、数据驱动业务

通过数据产品、数据挖掘模型实现企业产品和运营的智能化，从而极大的提高企业的整体效能产出。最常见的应用领域有基于个性化推荐技术的精准营销服务、广告服务、基于模型算法的风控反欺诈服务征信服务等。

3、数据对外变现

基于业务本身或从第三方渠道整合的数据，通过对数据进行查重、清洗、质检等处理，从而封装成数据产品，来对外提供数据服务，从而获得现金收入。在当今大数据时代，市场上其实很常见，比如：各种大数据公司利用自己掌握的大数据，提供风控查询、核验、反欺诈、征信等服务；提供引流、精准的智慧营销等服务；提供数据接口平台等服务。

大数据职业的选择思路

针对大数据职业的选择思路，我觉得可以结合三方面去考虑，一是喜好，人只有选择自己最感兴趣的细分领域，才能经得住折磨和考验，才能耐得住性子深耕做好。比如你对大数据方向的数据挖掘岗位感兴趣。二是擅长，不见得你感兴趣的就是你擅长的，所以也要审视一下感兴趣的那个点的技能要求，你是否擅长。三是趋势，你所感兴趣和擅长的领域在行业大环境中是否是未来发展趋势。

大数据职业具体工作内容

至于大数据职业的具体工作内容，这个得看是什么岗位了。

比如数据挖掘工程师，其就需要掌握数据建模、算法实现、BI和机器学习等技能。

比如大数据架构师，其就需要掌握技术架构选型与设计、算法设计、大数据开发和数据分析与挖掘等技能。

比如数据科学家，其就需要掌握数据模型设计与开发、数据分析方法、数据挖掘等技能。

从以上不同岗位的要求能看出，大数据也是一门综合学科，而其中对数学模型的理解与设计、算法、数据挖掘要求较高，所以当你在选择大数据方向的职业时，还是要从自己最擅长的技能分支去考虑，只要精通掌握其中一个分支，就能发挥自身价值，做出成绩。

信息创造价值，学习使人进步。

我是泰瑞聊科技，为您打开科技生活，感谢您阅读与关注！

很高兴能够回答这个问题。之前写了一篇关于大数据概念、特征及职业的文章，有兴趣的可以点开我的主页查找进行浏览。关于这个回答我将简单提及一下大数据的概念、重点介绍大数据的职业。

大数据概念

大数据由巨型数据集组成，这些数据集大小常超出人类在可接受时间下的收集、运用、管理和处理能力。麦塔集团（META Group，现为高德纳）分析员道格·莱尼（Doug Laney）指出大数据的挑战和机遇有三个方向：量（Volume，数据大小）、速（Velocity，数据输入输出的速度）与多变（Variety，多样性），合称“3V”或“3Vs”。高德纳与现在大部分大数据产业中的公司，都继续使用3V来描述大数据。高德纳于2012年修改对大数据的定义：“大数据是大量、高速、多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与最优化处理。”另外，有机构在3V之外定义第4个V：真实性（Veracity）为第四特点。后来，人们意识到数据的价值高密度低的特性，又添加了value。

大数据必须借由计算机对数据进行统计、比对、解析方能得出客观结果。美国在2012年就开始着手大数据，奥巴马更在同年投入2亿美金在大数据的开发中，更强调大数据会是之后的未来石油。数据挖掘（data mining）则是在探讨用以解析大数据的方法。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于特殊大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

大数据职业划分与工作内容

数据管理类

1，首席数据官

2，数据管理员

3，数据安全工程师

这类主要负责公司数据的管理，数据安全策略的制定和实现

数据分析类

1，战略分析师

2，数据分析师

3，网站分析师

4，商业智能分析员

这类主要负责数据分析相关的工作

数据挖掘类

1，数据挖掘工程师

2，算法工程师

这类负责数据挖掘算法的设计与策略

技术研发类

1，数据仓库架构师

2，数据采集工程师

3，数据仓库开发工程师

4，数据可视化工程师

5，大数据架构师

6，大数据开发工程师

7，系统开发工程师

8，算法开发工程师

这类主要负责数据仓库的搭建和ETL任务的开发;负责大数据应用系统如：推荐，广告等系统的开发;负责数据可视化系统的开发

基础平台类

1，网络工程师

2，hadoop运维工程师

3，数据库运维工程师

4，系统运维工程师

这类主要负责大数据集群软硬件的管理和维护。

总结

大数据是海量的、高增长率和多样化的信息资产，它具有“5V”的特性；大数据行业涉及很广泛，职业也很多，主要有数据管理类、数据分析类、数据挖掘类、技术研发类、基础平台类等。

更多关于大数据的知识，可以关注作者的头条号——大数据驱动的研究，里面有对大数据分析的系列知识，且在不断更新！

大数据是指在信息系统中一定范围内的关键信息，难以通过常规方式进行采集、处理和管控的数据集合。由于其具有数据量大、类型多样以及增长迅速的特点，因此是一种需要应用云计算等新兴技术，才能有效进行分析、利用的信息资产。

要了解大数据职业的具体工作内容，首先需要知道大数据产业的基本运转流程，因为在整个产业链的各个环节均涉及相应的大数据职能，当然不同的角色也有不同的定位。下面以医疗健康大数据为例进行简要叙述。

数据的采集

信息时代，信息就是财富，数据的获取是大数据应用的基础。医疗健康行业的数据主要集中在各级医疗卫生机构，包括患者的诊疗、用药、耗材、费用等重要信息。采集这些信息一是需要统一数据标准，保证数据可用性，二是要搭建稳定的采集途径，保证数据的可靠性，三是要形成规范的管控机制，保证数据的安全性。

数据的保存

大数据的有体量大、增长迅速的特点，一般需要建立大型的数据中心才能实现，其要求是：一要有极大的数据吞吐与存储能力，二是要具备实时不间断运行的能力，三是要具备严格的网络安全及攻击防控能力。

数据的应用

发展医疗健康大数据的目的，就是要通过海量的医疗基础信息进行整合、分析，指导医疗决策、提升诊疗能力、改善服务质量、促进医学科研及疾病防治等。举例来说，依托云计算及大数据平台，通过数据分析，我们可以计算出流感的爆发时间、范围、症状等等，从而提前做出应对、防范，以减少发病率。又如，对某一药品的使用情况进行监测，应用大数据分析可以准确、快速地提取成千上万的诊疗数据，从而得到药效、副作用及用药剂量等多方面的评价数据。可见，医疗大数据的广泛应用将极大提升医疗救治能力，显著改善人民健康水平。

总之，大数据关系到社会的方方面面，需要各层次、各行业、各单位的支撑、协作才能有效地发展！

以上是本人对于大数据的一些认知，欢迎各路高手拍砖、指教！

究竟什么是大数据，每个人都可能给出不同的答案，就我而言，大数据是对海量数据的收集、存储、处理、分析和应用的技术。

（一）大数据不仅仅是大量的数据

数据是大数据的基础，没有数据也就没有大数据这一说法，但是，个人认为，仅仅是海量数据仍然难以称为大数据，还需要数据的广度。维修数据而言，单独的换件时间数据几乎没有太大的作用，但是当换件数据与故障数据、配件参数数据结合在一起综合分析时，其价值将翻好几倍。也就是说，在大数据技术中，需要的数据不仅量大，还需要广，即需要覆盖整个业务的数据。

（二）大数据的技术生态圈

大数据架构的IaaS、PaaS和SaaS的三层划分基本得到大部分企业的认同。IaaS层主要提供基础设施支撑，涉及的技术主要是虚拟化技术，当然还可能会包括多租户、计费、安全访问控制等。PaaS层提供应用支撑，这一层囊括了当前流行的大部分大数据技术，如分布式文件系统HDFS、HBASE、hive、sqoop、MR、storm、yarn、spark、MQ等等；PaaS层提供了大数据分析所必须的几乎所有的软件支撑，同时，一些分析算法和模型也往往放在这一层。SaaS层主要是业务应用，涉及的技术根据框架和业务需求来定，当然，可视化技术是必不可少的。

数据采集部分不同的企业的架构划分略有不同，在此我们不在讨论其放在哪一层，我们仅仅谈一下数据采集相关的技术。数据采集用到的技术包括：ETL工具、flume、网络爬虫等等。在搜索方面，开源的搜索引擎主要就是lucene、solr和elasticsearch。

（三）大数据相关的职业

根据大数据架构可以比较清晰的看出其涉及的职业：

1.虚拟化产品类。专注于底层虚拟化平台或者产品的研发、营销工作。

2.数据采集类。专注于各类数据的采集，通过出售数据和服务盈利。

3.设备类。专注于存储设备、网络设备的研制、营销工作。

4.大数据架构师。专注于PaaS和SaaS层应用的架构的设计。

5.算法工程师。专注于大数据分析相关算法研究。

6.数据分析师。专注于基于业务的大数据分析和模型构建。

7.大数据工程师。基于PaaS层软件接口结合实际业务需求，进行二次开发的工程师。

8.大数据咨询师/顾问。为企业大数据在某行业的发展提供建议和方向。如智慧城市、健康医疗、气象大数据等等。

大数据的定义。大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

互联网是个神奇的大网，大数据开发也是一种模式，你如果真想了解大数据，可以来这里，这个手机的开始数字是一八七中间的是三儿零最后的是一四二五零，按照顺序组合起来就可以找到，我想说的是，除非你想做或者了解这方面的内容，如果只是凑热闹的话，就不要来了。

大数据的采集。科学技术及互联网的发展，推动着大数据时代的来临，各行各业每天都在产生数量巨大的数据碎片，数据计量单位已从从Byte、KB、MB、 GB、TB发展到PB、EB、ZB、YB甚至BB、NB、DB来衡量。大数据时代数据的采集也不再是技术问题，只是面对如此众多的数据，我们怎样才能找到 其内在规律。

大数据的特点。数据量大、数据种类多、 要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，我们需要搜索、处理、分析、归纳、总结其深层次的规律。

大数据的挖掘和处理。大数据必然无法用人脑来推算、估测，或者用单台的计算机进行处理，必须采用分布式计算架构，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术，因此，大数据的挖掘和处理必须用到云技术。

大数据从诞生开始到现在，概念已经从数据的维度定义开始变成现在一种思维方式了。就是努力用各种相关的周边数据来帮助自己的业务进行提升。

大数据开发工程师是大数据领域一个比较热门的岗位，有大量的传统应用需要进行大数据改造，因此岗位有较多的人才需求。这个岗位需要掌握的知识结构包括大数据平台体系结构，比如目前常见的Hadoop、Spark平台，以及众多组件的功能和应用，另外还需要掌握至少一门编程语言，比如Java、Python、Scala等。

学习大数据的话，建议系统学习，自学成才的太少了，推荐去北京尚学堂学习，线下校区有零基础大数据课程和高手班课程，线上的话有百战程序员线上学习品牌，之前的一个朋友还专门对比过，线上线下大数据课程学习内容都是一样的，在职的在校的就适合线上学习，学习时间自由灵活，有空即可学习，一对一辅导答疑专业又贴心。

大数据分析师是大数据领域非常重要的岗位，大数据分析师需要掌握的知识结构包括算法设计、编程语言以及呈现工具，算法设计是大数据分析师需要掌握的重点内容，而编程语言的作用则是完成算法的实现。另外，大数据分析师还需要掌握一些常见的分析工具。

大数据运维工程师的主要工作内容是搭建大数据平台、部署大数据功能组件、配置网络环境和硬件环境、维护大数据平台，大数据运维工程师需要具备的知识结构包括计算机网络、大数据平台体系结构、编程语言（编写运维脚本）等，通常情况下，大数据运维工程师也需要对数据库有深入的了解。

马云“大胆预言”，未来10年，这个“东西”将比石油和房子更值钱

随着科技技术的不断发展，人们的生活水平有了显著的提高。从之前的2G到现在的5G，互联网技术已经越来越发达，而处在互联网交织的一张大网之下的我们，一举一动都会被看得清清楚楚。

大数据存在于我们生活中的方方面面。比如说，每年官方统计出的数据，淘宝通过数据分析研究消费者的喜好，我们到另一个地方旅游时接收到的旅游短信等等，都是依托于互联网下的大数据。

国家从2014年就将大数据列入了首要工作中，逐渐的成为了人们关注的重点。经过这些年的发展，不仅受到了国家的大力扶持，许多商业大佬也跟紧国家风向，表示大数据前途无量。

马云就曾“大胆预言”，未来十年甚至二十年，最珍贵最值钱的不是石油，一定是数据。他还坦言阿里巴巴最值钱的东西其实就是数据，从阿里巴巴成立至今没有删掉过任何一个数据。据阿里巴巴知情人士透露，阿里巴巴每年花10个亿的资金投入到大数据的研发上，不得不说是真的很舍得下血本。或许你会认为是房子，但也不对，早在2017年马云就有“房价如葱”的预言。

那么，这个被马云看得如此重要的数据究竟有什么魔力呢？

数据在电商领域

电商平台本身靠的就是消费者下单购买获得盈利。那么如何能吸引消费者下单就是电商平台应该考虑的首要问题。投其所好就需要靠大数据的分析了。

要知道每个年龄阶段，学历层次，社会地位不同的消费群体感兴趣的东西都是不相同的。而且电商平台每天都有成千上万的消费者在线浏览，产生了大量的数据，比如浏览记录，浏览时长，浏览的物品种类等等。

数据量大而复杂，如果靠人力逐个统计分析，那将会花费大量的人力物力，还有可能出现出错的情况。但是大数据就不会，它有强大的计算系统可以分析出用户的画像，用户的消费喜好等等，这样就可以实现精准营销和个性化的服务，提升了企业的竞争力。

数据在医疗领域

就今年的“黑天鹅”事件，国家能够快速地做出反应将疫情控制住靠的就是大数据。同时也暴露出了我国医疗行业的短板，就是在大数据的统筹方面比较薄弱。数据的共享和整合对于医疗行业有着重要作用。

中国工程院院士胡盛寿就曾公开表示，在大数据时代，我们需要改变对疾病的认识和处理方式，随着医疗知识的不断深入的发展，更专业的细分，必然会向大数据化，系统化的方向发展。

以往我们到医院诊所去看病时会手填病历本，不仅浪费时间还没能将其很好的整理统计起来。导致大量的信息流失，而这些信息对于预测患病风险和治愈疾病等都有着重要的辅助作用。

在科技部发布的精准医疗科技项目中表示，国家政策的导向能够很好的促进医学、学术、工业的强强联合，共同促进大数据在医疗领域中的应用，更好地服务于人民，造福人民。

数据在人工智能

人工智能的发展我们有目共睹，从第一台计算机到如今的扫地机器人、聊天机器人等等，人工智能已经从企业走到了人们的生活中，但是我们对于人工智能只是感到新奇并不了解。

人工智能主要靠的是大量数据的输入，通过对大数据的分析，人工智能不断的学习，不断的吸收。只有对人和事了解得足够透彻，才能更加的贴近人，更好的服务与人。可以说，数据就是人工智能的灵魂所在。

大数据所应用的领域越来越广泛，也越来越贴近了我们的生活。未来什么都可能会贬值，但是数据是越来越吃香的。随着数据越来越多，越来越全，数据也就越具有价值。而目前我们能够看到的只是冰山一角，大数据更多隐藏的价值还有待发掘应用。

现任阿里巴巴主席官的张勇表示，未来我们每一个人，社会中的每一个元素都会被数字化，数据化对企业的发展，社会的进步起着重要作用。在大数据时代，我们每个人都是数据的提供者，也是受益者。

综合网络解释加上自己的理解给出了大数据的定义。

大数据就是数据规模达到海量级、极快的速度流转、数据类型和来源多种多样、价值密度低而且能够反映事物真实性的数据就是大数据。

大数据的工作内容包括以下几个方面：

数据采集

调查显示，未被使 用的信息比例高达99.4%，很大程度都是由于高价值的信息无法获取采集。因此在大数据时代背景下，如何从大数据中采集出有用的信息已经是大数据发展的关键因素之一。

数据清洗

将不规整数据转化为规整数据，刚刚采集到的原生数据，格式还无法满足我们对数据处理的基本要求，需要对其进行预处理，转化为我们后面工作所需要的较为规整的数据。

数据存储

是将经过清洗、集成和归约的数据存储在空间中，方便后续数据分析使用的一种技术。面对海量数据，传统的数据库存储方式已经无法满足人们对数据存储的诉求，可以采用分布式文件系统进行存储。

数据分析统计

利用各种类型的全量数据（不是抽样数据），设计统计方案，得到兼具细致和置信的统计结论。数据建模是数据分析的成果。

数据反馈

通过海量历史数据的计算与分析，可以预知未来可能发生的某些故障或风险，比如对不同消费者群体多年消费行为的分析，可以判断得出某些类别或特定商品的销量走势等。

大数据是从各种各样类型的数据中，快速获得有价值信息的能力。

每个就业岗位的工作内容不一样啊。就业岗位例如：数据分析师、大数据可视化工程师、数据挖掘工程师、Hadoop开发工程师等。

1、大数据工程师。从事大数据系统实现的开发工程师，通过脚本、SQL、编程语言等方式加工处理原始收集到的大数据，使原本杂乱无章的大数据变得系统化、结构化；

2、大数据管理员。对已经沉淀的大数据进行管理和维护，使数据访问性能得到最大化，存储最优化；

3、数据架构师。通过大数据平台（如Hadoop），对数据需求分析、技术架构设计、应用开发设计等进行指导和实现，该职位要求从业者精通大数据相关算法，并掌握大数据平台相关重要组件；

4、数据分析师。需要精通所在行业业务，能按照业务需求进行大数据归纳整理，并掌握基本的数据分析工具，然后对数据分析形成具有行业指导意见的分析报告；

5、商业智能分析师。和数据分析师类似，但商业智能分析师毕数据分析师更加有针对性和具体性，如：市场竞争需求的商业智能分析；某一产品发展前景的商业智能分析等。