如今 "大数据" 已不再是单纯描述数据特征的词汇, 而是一个多学科交融的热点研究领域, 其背后有着复杂和深刻的新理念.
带大家从 "技术, 工程, 科学和应用" 这四个维度分析大数据的研究现状与挑战, 探讨未来研究的侧重点和发展趋势, 如图 3 所示.
1, 纵向维度."大数据技术" 是大数据实践活动中应用的技术方案和工具等, 基于信息流程视角, 其相关技术涵盖数据采集, 存储, 传输, 清洗, 检索, 处理和展示等多方面. 虽然云计算, NoSQL,Hadoop 等技术在大数据存储和处理的应用开启了新的纪元, 但这些技术在算法优化, 分析统计, 语义处理, 知识可视化呈现等方面还存在很多不足, 这些问题在未来的研究中仍会成为关注的焦点.
在这里还是要推荐下我自己建的大数据学习交流群: 199427210, 群里都是学大数据开发的, 如果你正在学习大数据 , 小编欢迎你加入, 大家都是软件开发党, 不定期分享干货 (只有大数据软件开发相关的), 包括我自己整理的一份最新的大数据进阶资料和高级开发教程, 欢迎进阶中和进想深入大数据的小伙伴加入.
2, 横向维度."大数据应用" 指大数据在实践中的具体应用, 目前相关应用已在政治, 经济, 社会管理, 军事活动和科学研究等领域开启了新的探索. 目前数据源质量, 个人隐私, 数据公正公平等问题让人堪忧, 微软首席研究员 DanahBoyd 教授对大数据提出了 "冷思考", 号召大家客观理性对待大数据. 未来大数据应用的涉及面将会更广泛, 也更注重解决实际问题, 如移动互联网平台的深层次开发和利用, 数据平等获取使用, 涉密与公开权衡, 社交媒体言论实时监管, 新媒体资源的整合, 网络舆情实时引导和应对, 国家安全防卫, 政治选举, 自然灾害预警, 交通管理以及社会公共卫生安全等.
3, 宏观维度."大数据工程" 指大数据的规划建设运营管理的系统工程, 研究领域涉及宏观层面的系统规划和投入, 微观层面的具体实施和建设等. 具体而言, 国家层面: 法律法规, 通用标准, 政策制定, 基础平台建设, 产业链集成等会进一步完善; 顶层设计层面: 系统化地规划大数据工程, 制定标准, 创新管理模式, 优化人才培养, 合理布局学科建设等问题会成为未来研究的重点.
4, 微观维度."大数据科学" 研究大数据网络发展和运营过程中发现和验证大数据规律, 以及它与自然和社会活动间的关系, 主要在理论层面探索规律, 进而指导实践. 系统科学地搭建和完善大数据科学相关理论, 方法, 流程, 模型, 并探寻指导实践应用是未来的难点, 但也是极为重要的关键点. 大数据已经开始掀起一股新的信息浪潮, 对大数据的研究和探索也将继续广泛而深入. 通过前文的总结和分析, 笔者发现目前的研究热点主要集中在对大数据理念的探讨, 生物信息学的应用, 云计算和 Hadoop 等相关技术的实践, 及可视化分析和展示的研究.
整体而言, 现阶段的注意力主要停留在大数据技术和大数据应用层面, 商业应用是主要的推动力量, 业界和学界普遍关注新的技术手段来解决实践应用中的大数据问题. 而大数据工程和大数据科学两个维度的研究目前较为稀少, 相关成果只涉及数据开放和利用政策, 学科教育, 人才培养等部分内容, 相信未来会得到进一步重视.
来源: http://www.jianshu.com/p/92b0626bb956