（文章來源：企業(yè)網(wǎng)D1Net）

數(shù)據(jù)怎么樣才能對人有用？人們整天都在討論大數(shù)據(jù)，其實數(shù)據(jù)本身并不是有用的，必須要經(jīng)過一定的處理。例如你每天跑步帶個手環(huán)收集的也是數(shù)據(jù)，網(wǎng)上這么多網(wǎng)站也是數(shù)據(jù)，簡稱為Data，數(shù)據(jù)本身并沒有什么作用，但是數(shù)據(jù)里面包含一些很重要的東西，叫做信息(Information)，數(shù)據(jù)雜亂無章，只有經(jīng)過了梳理和清洗，才能夠稱為信息。信息里面包含了很多規(guī)律，我們需要從眾多信息中將規(guī)律總結出來，才能稱為知識，知識才能改變命運。

信息是很多的，但是很多人看到了信息相當于白看，但是有人就能從信息中看到了電商的未來，有人看到了直播的未來，所以人家就牛了，如果沒有從信息中提取出知識，天天只知道刷朋友圈，也只能在如今互聯(lián)網(wǎng)滾滾大潮中做個看客。有了知識，然后利用這些知識去應用于實踐，有的人就會做得非常好，這個東西叫做智慧Intelligence。有知識并不一定有智慧，很多學者很有知識，已經(jīng)發(fā)生的事情可以從各個角度分析的頭頭是道，但一到實踐就歇菜，并不能轉化成為真正的智慧。而很多的創(chuàng)業(yè)家之所以偉大，就是通過獲得的知識應用于實踐，最后做成了很大的生意。

數(shù)據(jù)的處理分五個步驟，全部完成了才最后才會升華智慧。第一個步驟：數(shù)據(jù)的收集。首先得有數(shù)據(jù)，數(shù)據(jù)的收集有兩個方式，第一個方式是拿(Pull)，專業(yè)點的叫爬取或者抓取，常見的搜索引擎就是這么干的，它把網(wǎng)上的信息都下載到它的數(shù)據(jù)中心，然后被你搜索出來。比如你去搜索的時候，返回的是一個列表，這個列表為什么會在搜索引擎的公司里面呢，就是因為他把這個數(shù)據(jù)都爬下來了。

但是你一點鏈接，點出來這個網(wǎng)站就不在搜索引擎它們公司了。比如說搜狐有個新聞，你拿百度搜出來，你不點的時候，那一頁在百度數(shù)據(jù)中心，一點出來的網(wǎng)頁就跳轉到搜狐的數(shù)據(jù)中心了。另外一個方式就是推送，有很多終端可以幫我收集數(shù)據(jù)，比如說智能手環(huán)，可以將你每天跑步的數(shù)據(jù)，血壓的數(shù)據(jù)，心跳的數(shù)據(jù)都上傳到數(shù)據(jù)中心里面。

第二個步驟是數(shù)據(jù)的傳輸。常見的會通過隊列方式進行，數(shù)據(jù)量實在是太大了，數(shù)據(jù)必須經(jīng)過處理才會有用，但是系統(tǒng)處理不過來，只好排排隊，一條條地處理。

第三個步驟是數(shù)據(jù)的存儲?，F(xiàn)在數(shù)據(jù)就是Money，掌握了數(shù)據(jù)就相當于掌握了金錢。要不然你看購物網(wǎng)站怎么知道你想買什么呢？就是因為它有你歷史的交易信息，然后通過這個信息分析出你的購物習慣。

第四個步驟是數(shù)據(jù)的處理和分析。上面存儲的數(shù)據(jù)是原始數(shù)據(jù)，原始數(shù)據(jù)多是雜亂的，還有很多垃圾數(shù)據(jù)，因而需要清洗和過濾。對于整理過的數(shù)據(jù)，就可以進行分析，從而對數(shù)據(jù)進行歸類，或者發(fā)現(xiàn)數(shù)據(jù)之間的相互關系。比如著名的啤酒和紙尿布的故事，就是通過對人們的購買數(shù)據(jù)進行比對分析，發(fā)現(xiàn)了男人在買尿布的時候，會同時想要購買啤酒，這樣就發(fā)現(xiàn)了啤酒和尿布之間的對應關系，掌握了規(guī)律，然后應用到實踐中，將啤酒和尿布的柜臺放到一起，這就是一種智慧。

第五個步驟就是對于數(shù)據(jù)的檢索和挖掘。檢索就是搜索，俗話說外事不決問谷歌，內事不決問百度。兩大搜索引擎都是將分析歸納后的數(shù)據(jù)放入搜索引擎，從而方便人們找到想要的信息。還有一個就是挖掘，搜索出來的信息還需要從中挖掘出相互的關系。例如財經(jīng)檢索，當搜索某個公司股票的時候，該公司的管理層是不是也應該被挖掘出來?如果僅僅搜索出這個公司的股票漲的特別好，你就去買了，結果第二天就跌了，這不坑人么?所以通過各種算法挖掘數(shù)據(jù)中的關系，形成知識數(shù)據(jù)庫，十分重要。

數(shù)據(jù)分析是一項很有意思的技術，其功能就是幫我們梳理數(shù)據(jù)，存儲信息，并從信息中總結規(guī)律。當數(shù)據(jù)量很小的時候，幾臺機器就能分析并解決問題。但是，慢慢的當數(shù)據(jù)量越來越大，大到最強的超級計算機都解決不了問題的時候，該怎么辦呢？這時就要聚合多臺機器的力量，也就是使用云計算的力量。

對于數(shù)據(jù)的收集，以物聯(lián)網(wǎng)為例，外面部署這成千上億的檢測設備，將大量的溫度，濕度，PH值，PM2.5等等數(shù)據(jù)統(tǒng)統(tǒng)收集上來，對于網(wǎng)頁的搜索引擎來講，需要將整個互聯(lián)網(wǎng)所有的網(wǎng)頁都下載下來，這顯然一臺服務器做不到，需要多臺服務器組成分布式系統(tǒng)，每臺機器下載一部分，同時工作，才能在有限的時間內，將海量的網(wǎng)頁下載完畢。

對于數(shù)據(jù)的傳輸，一個內存里面的隊列肯定會被大量的數(shù)據(jù)擠爆，于是就產(chǎn)生了基于存儲系統(tǒng)的分布式隊列，這樣的隊列可以多臺服務器同時傳輸，隨你數(shù)據(jù)量多大，只要我的隊伍足夠多，隊列足夠粗，就能夠撐得住。

對于數(shù)據(jù)的存儲也是一樣，一臺服務器的文件系統(tǒng)肯定是放不下了，那我們就做一個很大的分布式文件系統(tǒng)來做這件事情，把多臺機器的硬盤打成一塊大的文件系統(tǒng)。再比如數(shù)據(jù)的分析，可能需要對大量的數(shù)據(jù)做分類，統(tǒng)計，聚合，一臺服務器肯定搞不定，處理幾百年也分析不完，于是就有了分布式計算的方法，將大量的數(shù)據(jù)分成小份，每臺服務器處理一小份，多臺服務器并行處理，很快就能算完。
（責任編輯：fqj）