摘要：大数据是当今信息化时代的一个重要研究领域，随着社会科学技术的不断发展，大数据已成为信息科技前沿的一个研究热点，同时大数据在实际应用中也表现出巨大的价值。首先介绍了大数据的基本概念与特征表现，然后研究了大数据在应用过程中的数据处理流程及关键技术，并进一步分析了大数据的应用现状与未来发展趋势。
关键词：大数据; 大数据处理; 大数据应用; 大数据应用现状;
随着社会信息化的快速发展和生活网络化的广泛普及，大数据的科学技术研究也在不断取得进步，而且在社会生活中各个领域的实际应用中发挥出很大的价值与作用。但是，由于当今信息时代带来的多样化海量数据具有更为复杂的数据分析需求，并且需要更为高效的数据处理方式，使得大数据的研究与应用成为科技前沿的重要领域之一。
1 大数据的概念
1.1 大数据的定义
大数据是当今科学技术发展下的信息产物，指在一定时间内通过全新高效的数据处理模式并具有更有效优化能力的规模大和多样化的数据信息资产[1]。因此，大数据的概念不是单独表现出数据的规模大小，而更多的意义是指对于种类繁多的数据信息体系进行高效处理的方式。大数据的战略意义是对数据开发挖掘并实现数据资产的潜在价值，而在整个过程中最关键的部分在于如何提高对数据的加工处理能力，从而实现数据信息的价值[2]。
1.2 大数据的特征
在大数据的应用领域，大数据具有很多特点，但基本特征主要有五个[3]:(1)数据规模大。由于数据体系具有较大规模，使得大数据在处理过程中需要采集和分析的数据量很大。(2)数据种类多。大数据的来源非常复杂，导致数据的类别具有多样化，数据形式主要包括结构化、半结构化和非结构化等。(3)处理速度快。数据信息的增长较快，促使在数据处理过程中所需的实时分析方式要求更高，否则海量数据的价值难以有效得到开发与应用。(4)数据价值高。在社会各个生活领域存在的数据资产都隐含着巨大的潜在信息，而通过大数据的应用，可以提取出有用的数据信息并可以解释当前数据以及预测未来数据，从而创造出较高的价值。(5)数据真实性。繁多的数据虽然代表着不同的信息，但在大数据的实际分析处理过程中，确保数据的质量，才能使信息的真实性得以保证，这也是大数据处理在获取数据价值过程中的前提。
随着科技的不断发展，大数据的特点也在陆续出现新的概念，使得大数据的特点与传统数据有了很大区别，不仅在数据量方面具有广泛性，而且还有对于海量数据信息的专业分析和高效处理方式，包括数据的时间快速性和形式复杂度，以及最终能够获取的有价值数据信息的能力。
2 大数据的处理与分析
针对目前各个领域中种类复杂繁多且规模巨大的海量数据，计算机的处理方式也是多种多样的，但在大数据的实际应用中，无论数据处理形式如何发生变化，大数据的处理流程主要包括以下几个部分。
2.1 数据获取
数据获取是大数据处理流程的开始阶段，是利用一种数据采集装置，从系统外端接口获取特定数据经过转化输入到系统内端的存储空间[4]。在数据源已有的前提下，数据采集的关键步骤是如何根据用户或软件的需求获取更有效更准确的数据信息。目前，在各个领域得以应用的数据采集技术有较多种类。在数据采集过程中，操作技术虽然相对简单，但如何处理海量数据的并发需求以及提高数据库的储存能力，是大数据领域在数据获取方面的主要研究方向[5]。随着社会科技的飞速发展，数据获取的方式在很多方面也发生了本质上的变化，主要表现在智能数据采集系统的不断研发应用，促使大数据领域的数据获取进入一个全新科技时代[6]。
2.2 数据处理
数据处理是大数据处理流程中的过渡阶段，是后续数据分析阶段的准备，数据处理包括对各种原始数据的分析、整理、计算、编辑等的加工和处理，通过关联分析和归类分析等特殊方法，对各种类型的初始数据进行统一过滤和梳理。数据处理的过程主要包括数据清洗和数据集成等部分，通过整个处理流程可以使各种数据类型和结构得以简化与统一，从而保障了后续数据分析过程的效果。数据处理阶段是社会生活中系统工程和自动控制的基础部分，在很多领域都可以体现其重要作用[7]。数据处理方式的不断创新及其实际应用，在很大程度上促进了大数据领域的发展。
2.3 数据分析
数据分析是大数据处理流程的核心阶段，通过数据分析最大程度挖掘数据的潜在价值，以发挥大数据在社会生活实际应用中的效果[8]。数据分析过程的目的是发现并提取数据体系包含的内在规律并形成结论信息，从而对数据进行详细研究和总结。在数据分析的过程中，其数据分析结果信息可以帮助人们在生活场景中作出判断，从而采取适当的行为表现，这也是大数据分析的价值所在[9]。
2.4 数据解释
数据解释是大数据处理流程的最后阶段，其实质为对大数据处理和分析的最终成果进行可视化展示。在大数据的应用领域中，经过处理分析的数据结果不再局限于通过可读或可见的形式传输呈现给用户，而更多的是需要融合人机交互、人工智能、计算机图形学和图像处理的相关最新技术成果，将数据分析的结果通过更为丰富多样和更直观便利的形式展现并传达给用户。然而，大数据处理流程中，如何提高数据交互应用过程的实时性和准确性是数据解释的核心问题，从而保证大数据处理流程的完整度与价值感。
3 大数据应用现状与挑战
3.1 应用现状
当前，大数据在社会各个领域都得以广泛应用，但主要集中表现在电商、交通、医疗等领域，在这些应用领域中，大数据创造出巨大的价值，为社会的快速发展带来了很强的科技支撑，同时也为人们在日常生活中带来了很多便利。
在电商领域，大数据的广泛应用使各个电商平台的运营体系与交易模式发生了很大变化。现在的电商平台如淘宝、京东等，都主要以客户的数据为运营导向，通过数据处理与分析得出顾客的需求意向，预测平台的产品在近期与未来的销售情况，为商户在日常经营中运营决策提供辅助参考与有效建议，从而达到最大化获取产品销售利润的目的，不仅给商户带来了效益，同时也促进了电商平台的持续发展。例如，在淘宝平台进行购物时，在系统页面会出现个性化的产品推荐，这是电商平台的广告投放系统通过大数据分析作出的判断，根据用户日常生活中搜索和购买产品时表现出的系列数据，利用大数据技术分析得出用户的产品偏好和行为意向等信息，从而让系统对不同客户做出符合其个人的产品广告推荐[10]。
在交通领域，大数据也得以被广泛应用，为城市的交通与建设带来了很大效益，目前出现的“智慧城市”系统，正是利用大数据分析技术辅助政府与个人管理城市的交通与建设等信息，有效提高了城市管理的智能化水平[11]。例如，在城市交通系统中，高德地图和百度地图等系统软件通过在平台显示各个路段的拥堵状况，实时为人们分析得出省时快捷的出行路线与方案信息。
在医疗领域，大数据可以对医疗数据信息进行有效的数据存储和查询等，同时通过数据处理与分析得出医疗数据的潜在信息价值。例如，在生活中得以应用的健康状况监测系统，其原理是通过系统对医疗信息进行数据处理与分析，得出个人健康状况的信息，同时也可以给出相关医生的建议以帮助恢复身体健康，大数据在医疗方面的应用为人们日常生活的健康管理带来了很大便利。
3.2 未来挑战
大数据广泛应用于多个领域，虽然产生了很大作用并带来了巨大效益，但在实际应用过程中还存在着很多问题与挑战，主要体现在以下几个方面[12]:(1)数据获取。大数据的数据来源比较复杂，使得数据在结构与形式上不能统一，从而导致在大数据的数据获取阶段存在一个很大的挑战，就是如何在融合不同形式数据的情况下可以自动定义数据的结构形式，并且能保证其实时和有效[13]。(2)数据存储。大数据的特点决定了数据存储方式的特殊性，不仅要满足数据的海量规模，而且还能匹配数据的多样类型。在大数据的存储技术上，国内外也研发出比较有效的系统，但仍然会存在一些问题，同时为了促进大数据更大程度发挥出应有价值，数据存储方面需要不断优化[14]。(3)数据分析。大数据的规模大和种类多是数据分析过程中需要特别考虑的一个因素，使得大数据在不同的应用场景中需要采用不同的数据分析方法[15]。在大数据的整个发展过程中，虽然存在着不同的挑战，但与此同时也促进了大数据技术的不断创新，使大数据领域在未来有了更大的发展空间。
4 总结与展望
根据大数据应用与分析的综述，发现大数据在社会各个领域的应用中表现出巨大的潜力，然而大数据在数据获取、存储和分析等方面依然面临着诸多挑战。同时，这些挑战也在促进大数据技术不断进步。因此，对于大数据的未来应用，大数据会更加多样化、高层次和宽领域，同时大数据领域会与其他领域进行融合交互，例如人工智能等[16]。总之，大数据在未来的应用领域会更加广泛，为社会发展带来更大的价值。
参考文献
[1]袁冰.大数据行业应用现状与发展趋势[J].中国新通信，2014(24):75-76.
[2]梁巧琴.大数据应用的现状与展望[J].信息通信，2015(1):133-134.
[3]俞立平.大数据与大数据经济学[J].中国软科学，2013(7):177-183.
[4]程学旗.大数据系统和分析技术综述[J].软件学报，2014(9):1889-1908.
[5] DOBRE C,XHAFA F.Intelligent services for big data science[J].Future Generation Computer Systems,2014,37(2):267-281.
[6] WONG H T,YIN Q,GUO Y Q,et al.Big data as a new approach in emergency medicine research[J]. Journal of Acute Disease,2015,4(3):178-179.
[7] BEGENAU J,FARBOODI M,VELDKAMP L.Big data in finance and the growth of large firms[J]. Journal of Monetary Economics,2018(5):13.
[8]黄永勤.国外大数据研究热点及发展趋势探析[J].情报杂志，2016(6):99-104.
[9] OMOLARA A E,JANTAN A,ABIODUN O I,et al.State-of-The-Art in big data application techniques to financial crime:a survey[J].International Journal of Computer Science and Network Security,2018,18(7):6-16.
[10]FEINLEIB D.The big data Landscape[M].City:Apress,2014.
[11]王珊，王会举.架构大数据：挑战、现状与展望[J].计算机学报，2011(10):1741-1752.
[12]JAIN P,GYANCHANDANI M,KHARE N. Big data privacy:a technological perspective and review[J].Journal of Big Data,2016,3(1):25.
[13]任磊，杜一.大数据可视分析综述[J].软件学报，2014(9):1909-1936.
[14]SIVARAJAH U,KAMAL M M,IRANI Z,et al.Critical analysis of big data challenges and analytical methods[J].Journal of Business Research,2016(70):263-286.
[15]ABAWAJY J H,KELAREV A,CHOWDHURY M.Large iterative multitier ensemble classifiers for security of big data[J].Emerging Topics in Computing IEEE Transactions on,2014,2(3):352-363.
[16]BELLAZZI R,DIOMIDOUS M,SARKAR I N,et al.Data analysis and data mining:current issues in biomedical informatics[J].Methods of Information in Medicine,2011,50(6):536-544.
