在现代社会，随着计算机技术的飞速发展，信息流通速度加快，人与人之间的交流和交往日益密切，这使得人们的生活更加便利，大数据时代如雨后春笋般涌现。大数据通常被定义为企业创造的大量非结构化或者半结构化的数据。自2012年以来，大数据一词被越来越多地提及，展现了信息时代海量数据的特征。

当前，大数据体量不断增长，其影响也逐渐显现于企业和社会未来发展中。在这样的背景下，对大数据进行挖掘和应用不仅能够展现出经济效益，也能带来社会价值。

大数据概述

（1）大数据概述

大数据早期是IT行业专用术语，以无法在一定时间内使用常规软件工具捕捉、管理和处理为特点。为了更好地处理这些海量、高增长率且多样化信息资产，我们需要一种新的管理模式，使之具有更强决策力、洞察发现力和流程优化能力。在大データ时代，大資料战略意义不仅仅体现在庞大的數據信息中，还在於對這些數據進行專業化處理，發掘出數據更多功用。從技術上看，大資料與雲計算一樣，由於單台設備無法處理海量資訊，因此需要借助分布式架構才能對大量資訊進行收集、分析與存儲，最终為大資料應用的保障。在現代社會背景下，大資料價值主要體現在以下幾個方面：首先，可以通過精准营销提升产品或服务对消费者的吸引力；其次，可以帮助小微企業轉型明確方向；再次，可為企業在網絡時代壓力的情況下充分挖掘大資料價值，为企業未來發展提供良好的依据。

（2）全球知名咨询公司麦肯锡咨询公司最早提出“大データ”的概念。大资料网中的信息呈現出了全新的特征，這些特征表現在數據體積巨大、大资料起始計量单位至少是P等級，此庞大的数码为数码赋予了更多价值。此外，數據类型繁多包括网络日志、音视频、图片、地理位置等各种信息。而这些海量资讯需经过处理才能得到相应价值。最后，大资料时代的资讯具有速度快与实效高特点，这样的特征是区别于传统资讯挖掘的一种方式。

数据挖掘技术分析方法

（1）聚类

聚类分析是在数据库处理过程中，将相同类型或相似性较高的记录归纳到同一个组别中，从而提高相同类型间关联性的相关性。这有助于客户群体划分以及背景分析等领域，并广泛应用于心理学、医学销售等领域。

（2）分类以及事先推测

分类是根据预设标准将数据库中的记录从形式上进行分类并统计，以此反映需求。这可以用于客户分类、客户特征调查、中顾客满意度调查及消费者行为趋势预测。

（3）关联规则发现

自然界中的事物具有一定联系，在数据库查询时利用不同字段之间存在的事物关系查找因果结构。这有助于交易系统中的商品关联性分析，或寻找市场对消费产生影响，从而指导产品改进。

（4）异常检测

数据挖掘技术应用场景：

应用市场营销：

利用用户习惯与偏好进行个性化推荐；

根据购买历史推送优惠活动；

提供基于用户行为的内容推荐；

构建细粒度目标群体以实现精准营销。

应用科学研究：

分析实验结果以验证假设；

预测未来的科学成就可能性；

找出实验设计缺陷并改进之；

应用制造业：

监控生产线设备状态以预防故障发生；

实时监控质量控制参数确保良品率提升；

应用电信业：

用户流量监控，以了解用户行为习惯;

网络资源调配，更有效利用网络资源;

质疑欺诈活动，以保护用户安全;

通过以上几种不同的应用场景，我们可以看到，无论是在市场营销还是科学研究或者制造业，每当我们能够有效地理解并运筹大量复杂无序但潜藏着宝贵知识隐藏其中的大规模非结构化或半结构化数字资产，就意味着我们正处于掌握关键决策优势，并且能否持续创新驱动自己的组织向前发展，那么这就是所谓的大资料时代真正赋予我们的力量。