大数据一词不仅指大数据集，还指用于分析它的框架、技术和工具。可以通过任何数据生成过程来收集它，例如社交媒体、公用事业基础设施和搜索引擎。

　　大数据可能是半结构化、结构化或非机构化。通常，大数据是按特定的时间间隔进行分析和收集的，但是实时大数据分析会不断收集和分析数据。此连续处理循环的目的是为用户提供即时见解。

　　一、大数据应用的好处

　　1、大数据驱动决策

　　一直使用数据分析来提高决策过程的质量和效率，但是大数据的出现意味着数据驱动的决策在我们生活中发挥作用的领域正在急剧扩大。随着企业和政府变得更有能力利用新数据流，大数据使决策的实时性和预测性成为可能，从而使得这些决策得以自动化。大数据为政府和企业提供了前所未有的机会，以创造新的见解和解决方案。

　　大数据加速和改善决策过程的能力可以应用于运输、医疗保健领域，并且在文献中经常被视为大数据的关键优势之一。此外，警察部队越来越多地使用数据驱动的预测分析来帮助他们预测最有可能发生犯罪的时间和地理位置。

　　大数据决策能力产生重大影响的一个领域就是风险管理领域。例如，大数据可以使公司映射其整个数据格局，以帮助检测敏感信息。同样，对持有有关供应商和客户数据的详细分析可以帮助公司识别财务困难的人，从而使他们能够迅速采取行动，以最大程度地降低潜在的违约风险。

　　2、提供效率与生产力

　　许多政府和企业面临着巨大的预算压力，通过提供团队更好地管理和协调其运营所需的信息和分析，大数据可以帮助减轻此类问题，从而导致对稀缺资源的更好利用和劳动生产率的提高。

　　在文献中，关于节能最常见的讨论是减少能耗。例如，一座城市如何通过使用大数据驱动的智能解决方案成功地将路灯的能源消耗减少62%。另外，大数据分析产生的统计模型也被用于识别从农业到交通运输等众多领域的采购、调度和路线选择的潜在效率。

　　3、研究、开发与创新

　　大数据最吸引人的好处之一，可能是其在新产品和服务的研发中潜在用途。正如所有文献所强调的那样，大数据可以帮助企业了解他人如何看待他们的产品或识别客户需求并相应地调整其营销或产品设计。

　　除市场研究之外，大数据还可以用于新产品的设计和开发阶段。例如，通过以方便且经济有效的方式帮助测试数千种不同的计算机辅助设计。

　　4、个性化服务

　　对于许多消费者而言，也许大数据最熟悉的应用是其帮助定制产品和服务以满足其个人喜好的能力。在许多在线服务上，这种现象最为明显，整理并分析有关用户活动和偏好的数据，以提供个性化服务。

　　除了服务个性化之外，类似的配置文件技术也越来越多地用于医疗保健等行业。例如，将有关患者病史，生活方式甚至其基因表达模式的数据进行整理，生成详细的医学档案，然后将其用于定制治疗以满足他们的特定需求。

　　5、提高透明度

　　为了使公民和消费者能够充分利用他们可用的大量数据，他们首先必须有某种方式来理解它。对于某些人来说，大数据分析提供了这样的方案，允许用户轻松地搜索、比较和分析可用数据，从而帮助挑战现有的信息不对称性，并使企业和政府更加透明。

　　对企业部门而言，大数据正在提供以前对于普通消费者和具有挑战性的公司而言是不可访问的信息。例如，房地产行业依赖于其获取和控制专有信息的能力，交易数据作为竞争性资产。但是，近年来，许多在线服务通过提供替代的房地产数据来源，并使潜在的买卖双方直接进行交流，已经使消费者能够有效地绕开代理商。大数据可以帮助消除已建立的信息不对称性，从而使他们能够针对所购买的产品和所寻求的服务做出更好、更明智的决策。

　　在公共部门中也可以看到利用大数据来提高透明度和问责制的潜力，群众更多地访问政府数据可以帮助遏制腐败并使政治更加负责。

　　二、大数据应用的弊处

　　1、隐私

　　一旦将任何数据链接到一个人的真实身份，此数据与虚拟身份之间的任何关联都会破坏后者的匿名性。对许多人来说，大数据的出现引发了人们对当今无处不在的数据收集时代这些“隐私原则”提出质疑。

　　2、安全

　　在网络安全方面，大数据在一定程度上可以看作是一把双刃剑。一方面，大数据分析的独特功能可以为团队提供增强网络安全系统的创新方法。然后，另一方面，来自各种来源的数据量之大和种类繁多，也带来了自身的安全风险。

　　3、认识论和方法论意义

　　许多理论家仍然对大数据的方法学益处持怀疑态度，并对大数据造成常规科学认知论的潜在影响表示关注。对他们来说，大数据分析在科学界日益重要的地位，并不意味着向更开明的数据驱动时代迈进了典范，而是科学方法的空洞化和对浅层相关分析的弃用。

　　4、伤害或歧视

　　当前，在众多领域中都在运行着大量的自动化决策算法，其中最显著的也许是那些用来评估个人对保险或信贷的适用性算法。

　　编程或评估标准中的错误都会对个人造成潜在的破坏性影响，从而可能无法获得信贷或保险。例如，一种评估求职者的方法是根据他们的通勤时间长短。通勤时间较短的员工在统计上更有可能长期留在工作中。但是，由于大多数服务工作通常位于城镇中心，较贫困地区位于城镇的郊区，因此这种标准可能会产生不公平，使生活在经济贫困地区的人处于不利地位的后果。