如今，我们每天有多少数据处理？每年将产生多少数据？这一数字变化如此之快，每一年或两年翻一番，人们只能从知情人士获得最佳的估计数量。而这些透露消息的人士，其中大部分都是在组织中数据管理领域的杰出人物，他们所估计这个数字如此之高，这几乎让人不可能想象。根据全球市场调查机构IDC公司称，在2011年，我们大约创造了1.8泽字节的数据，换而言之就是1.8万亿千兆字节的信息。他们继续说，在2012年，我们创造了2.8泽字节的信息。此外，他们说，到2020年，我们将产生40泽字节的信息。

据IBM公司估计，我们现在每天创建了2.50亿千兆字节的数据。

这种大规模的数据集被称为大数据。大数据是已经成为非常流行的一个术语，以皮字节和艾字节表示和描述数据集，并且其有时施加到数据集的技术，并处理它的应用设置。

对于这篇文章的目的，我们将限制定义一个描述巨大的数据量。在2014年9月AIP会议议事程序中，安德列德·毛罗，马可·格雷科，米歇尔·格里马尔迪为我们提供了一个更具体的和健壮的定义：“大数据代表着这种高容量的信息资产的特征，通过各种需要特定的技术和分析方法，将其转变为价值”。

注意，这个定义是很重要的。它不仅是数据的数量，或体积，而且还有速度，也就是服务和消耗的速度。数据流已经改变了我们对存储和交付数据的看法，并放置在基础设施和应用程序引擎中，而以前难以想象要求能这样做。

一个更近的维基百科定义了“体积，速度和品种”短语，并添加到另外两个额外的“V”的概念，这两者都与大数据所面临的挑战非常相关的：变异性和准确性。

数据采集及其应用

随着互联网的出现和使用大数据的人数成倍增长，收集大量数据的能力也与之一起成长。数据收集发生几乎一样的其他计算活动的副作用。在我们采取的过程中，数据在创建帐户，上传文件，以及产生其他明显的行动。然而，数据也被无意提交收集，因为一些其它活性的副产品。一个看似私人的行为，如点击一个链接，对于营销人员就可以提供一个有价值的信息。因此，数据正在被记录和存储。并且在某处进行处理。

而计算机对于工作人员处理信息是优秀的，但没过多久，营销等行业实现保留供收集数据的大量的潜力，因为它是在网络上传来传去，最引人注目的是互联网（虽然重要的是记住很多大数据，并将其存储在企业的内部网）。当该数据与其他数据，例如人口统计信息，一个人的YouTube的喜好，地理位置，社会行为与Outlook配对，这个数据变得更加强大。

其他行业也意识到，他们在收集和处理信息方面从来没有见过这样大的规模。不仅互联网，而且企业和其他实体的内部网络可以容纳大量的信息。在美国、印度和其他地方的政府已经能够运行更精细的数据调整，以赢得选举。国际组织收集和使用医疗保健、生产力，以及就业数据，以帮助他们了解发展资金是最好的花费。私营部门在许多方面使用大数据，包括交易数据和分析。科学研究涉及到大数据分析，例如，大型强子对撞机的科研活动，以及超大型望远镜（VLT）阵列的数据返回。此外，大数据改变了制造业，通过提供生产、需求、足够的数据，分析师将了解是什么导致短缺和过剩，并对以前难以确定行为和计划进行可用性分析。

数据记录的泽字节是一回事，数据采集方便又便宜。当你认为你正在做别的事情的时候，数据收集正在发生。而我们如何利用它是一个完全不同的问题，也是任何组织所面临的最大挑战之一，从企业营销到政府部门，将考虑如何有效地使用这样大量的数据。

德毛罗等人所描述的数据的品种是大数据的关键特征之一。数据源无处不在，并收集所有类型的信息，其中一些应该被认为是敏感的，需要安全处理。随着各种各样的数据到来，这意味着来自不同来源的数据，格式和可访问性，即使是相同的信息，也可能是不同的。最后，数据的可靠性和准确性，是数据分析人员必须关注的重点。“脏数据”一直是数据库管理的一个问题，但这个问题与今天的环境指数相乘，具有更高的容量，并提供数据多源。

当它被成功地分析，大数据可以帮助科学家解码DNA，它可以帮助政府预测恐怖活动，它可以调整企业的产品结构，以满足客户的需求。

但面对这样的数据采集，持有人的问题是将如何利用它？并且越来越多，我们如何对此保证安全？

挑战和安全

如今，人们所面临的安全漏洞一直是很严重的，但大数据的安全漏洞可能是灾难性的。数据收集可以包括非常敏感和极其隐秘的个人信息，这将成为身份盗窃和恶意操纵的潜在数据。随着企业开发他们的大数据存储和分析系统，安全性必须列于他们的优先级名单的首位。

数据分析系统面临着大数据这个第一大挑战是简单的事实，系统和流程都不能处理，我们现在希望定期处理这些数据。存储基础设施相对容易创建：因为存储设备已经成为廉价和可用的，并对其挑战有着相当充分的了解。具分析和使用数据是目前正在开发的高需求，很多企业都已经建立了自己的内部数据分析：谷歌公司在2014年每天处理的信息大约20PB。