什么叫数据（大数据收集数据的方法）

　　进入21世纪之后，其实IT圈已经很久没有什么振奋人心的成就了，技术的内卷化使得科技圈死气沉沉。之所以大家还觉得IT圈很热闹，一是因为IT圈的分支-互联网圈那大师级别的炒作极其吸引眼球，另一个就是其他同行也确实更卷，相比较而言，IT圈发展的路还算可以，还没有完全被堵死。既然还没有完全被堵死，那么出路在哪里呢？
　　应该说，21世纪以来整体毫无生气的IT圈，唯二的可以称之为划时代的伟大发明：一个是云计算，另一个就是大数据。
　　云计算极大的改变了原有的商业模式
　　本文先从大数据开始说起，之后再慢慢讲云计算。
　　大数据已经渗透到生活的方方面面
　　说到大数据，其实，普通人是没有什么太多的概念的。可能最直观的概念都是从媒体那里得来的，什么某某地又建了一个大数据中心，什么某某大数据公司又拿到了C轮融资，类似于这样的新闻完全就是给这个热闹的行业添上一把火，使它烧得更旺而已，对于大数据的理解毫无帮助。
　　真正的大数据技术，其出现的源动力在于人民日益增长的使用互联网次数和时长，以及各行各业不断的信息化数字化所带来的海量数据沉淀。与此同时，相关企业还想把这些数据研究出一些价值，不能在那里只沉淀，空占存储资源不说，增加了好多不必要的成本。人类的本性好像就是如此，搂草也得打打兔子。就这样，大数据技术应运而生。国外的AWS、Google、Facebook，国内的阿里、腾讯无一不是如此。正应那一句放之四海而皆准的真理：只有需求才能产生市场，只有满足需求的技术才是有生命力的，才是有价值的。此名言出处：火中的灭火者。
　　蓝色巨人IBM
　　可能大多数人还记得大学曾经学过Excel表格，有一些白领工作中可能还会经常用到各类表格工具。其实，那一行行的表格，就是数据的一种表现形成，我们称之为结构化数据。这种数据最直观，处理它们也有很多技术成熟的工具，比如Oracle、DB2、SQLServer、MySQL等等，业内人士一定对这些名词相当的熟悉，都是常用的数据库软件。这些数据库软件背后的公司也是如雷贯耳的世界软件巨头，诸如甲骨文、IBM、微软等。应该说，在那个移动互联网还没有兴起的时候，在那个手机还处于只能打电话发短信的时代，这些软件巨头们几乎垄断了所有的市场。
　　曾经的数据库巨头甲骨文
　　然而移动互联网还是如约而至，不仅数据量呈现井喷式爆发，而且数据的形式也变得多种多样起来，有太多太多的数据没有办法以结构化数据的方式来处理，比如视频、音频、图片、日志等等等等等。尤其是日志，这东西简直太重要了，无论是产业互联网还是工业互联网，日志源源不断地被产生出来。这里面蕴含着巨大的商业价值，在过去却无人问津。
　　这就不得不牵出了大数据的另一个特点，价值密度太小了。什么是价值密度？单位数据量里面，有价值的部分。举例来说，如果你手里有一份投标文件，那么这份数据里面的价值密度就非常大，因为里面的每一个字都非常重要，直接影响是不是能够中标。但是，如果我家楼下的车库摄像头拍摄了一周的视频，这份数据里有价值的部分就太少了，也许一丁点儿有价值的内容都没有，也许有一点儿，因为周二有一位业主发现自己的车被剐蹭了，通过视频知道了原来是自己的邻居干的。以上两个例子就说明了价值密度的含义，而大数据技术要处理的，往往就是后者，价值密度极其稀疏。
　　数据ETL
　　这些数据，我们无论是通过传统的数据库技术，还是通过日志收集工具，还是其它什么新奇的技术方式，总之第一步就是先收集上来。收集上来之后的第二步，就该做大数据的存储与开发了。这里，因为整个大数据技术应用的时间还不是很长，并且因为开源技术遍地都是，没有形成统一的标准。换言之，可能你我说的是同一件事，但是使用的语言和名词却不一样。这一点在新技术开始应用的头几年是非常常见的。就像我说的新能源，和你说的电动车，其实是一回事儿。所以，我们也会经常看到数据开发、数据计算，不管它们爱叫什么就叫什么。但是大名鼎鼎的Hadoop开源框架你肯定听过，没听过的话到网上随便搜搜也能搜到一大堆资料。Hadoop其核心就是为了解决数据的分布存储和分布式计算所设计的，是Apache基金会的顶级项目，全世界最流行的开源大数据平台解决方案。
　　起名很随意的大数据平台
　　总之，技术发展到今天已经是比较成熟了，无论是离线计算还是实时计算，都有一大堆的开源工具和商业软件。如果团队的技术实力强大，技术人才储备充足的话，开源框架可以说是不二之选：自主研发，自主可控历来都是各大公司企业首先要考虑的事情。如果团队并没有很多人从事技术开发，更多的是放在业务上的话，那么购买商业软件也不失为一个明智之举，免得到时候自己玩不明白，又没人帮着解决问题，最后把自己放在火上烤。
　　大数据平台所处在位置
　　数据开发的工作做完后，下一步必然是形成数据资产。数据的资产化会将企业内外部的数据更高效的使用起来，从而让数据真正的能对业务产生价值，最终实现：数据从业务中来，又反哺了业务。在这一点上，依然是广大的互联网公司一骑绝尘，他们对于数据的使用炉火纯青，甚至好多大数据技术本身就是由他们贡献给开源社区的。
　　以上，基本就是大数据所涵盖的所有内容。从大数据的起源，到技术的实现，最终到具体业务场景上的应用；由互联网公司所引领，并最终蔓延到几乎全行业。后面，我们会就＂大数据＂三个字再具体展开来讲。还是那句话，只有需求才能产生市场，只有满足需求的技术才是有生命力的，才是有价值的。
　　大数据技术无疑是非常有价值的，这一点已经被无数的企业验证过。甚至，如今的商业环境，一切的价值都是由数据产生，一切可持续发展的商业模式也都离不开数据的赋能。而大数据技术，将会为未来的商业世界保驾护航，提供最根本的支撑。
　　PS：我知道大家还是读得云里雾里，这也不奇怪，脱离了实际例子的知识传播，最终的结果一定是失败的。之后我会就一个又一个的名词进行解释与分享。感谢