大数据是对事物最原始的全貌记录，数据量规模很大，但是其中有用的信息非常少，因此，对于处理数据来说，数据并不是越多越好。如何提高数据中的有效数据是非常关键的。大量的数据中如果仅仅包含了少量的错误数据，对分析结果可能不会造成很大的影响。但是如果对错误数据没有有效控制的话，大量错误数据的涌入很可能会得到完全错误的结果。

　　因此，获取高质量数据的能力是大数据能否进行实用的关键因素，否则只会在浪费人力物力后获得完全无效甚至错误的结果。但是目前还缺乏系统的研究，对于出现的问题还没有很好的解决方案，在获取数据方面的工作任重而道远。

　　（3）数据分析与显示。单纯的大数据是没有意义的，只有通过对大数据进行分析，从中提取知识，使之能够转化成有用的结果，才是大数据可用性的实质。当前，对非结构化数据散乱无序的特征，仍然缺乏高效的分析处理手段。一方面是大数据以几何速度增长和更新，另一方面是难以从这么冗杂散乱的数据中进行有效数据分析，大数据能否发展应用完全取决于能否从数据中进行有效分析。

　　大数据分析主要针对非结构化数据，意味着不能保证输入的数据是完整的、清洗过和没有错误的。这使它更有挑战性，但同时提供了在数据中获得更多洞察力的范围。

　　同时，数据分析的结果是直接反馈给用户的，因此要以可见或可读的形式输出。而大数据处理的主要对象是关系复杂而且种类繁多的非结构化数据，因此传统的显示方法通常难以直观的表现大量的数据表、繁乱的关系图的分析结果，还可能使用户感到迷茫，甚至可能误导用户。因此还需要计算机图形学技术引入到大数据分析显示的应用中来。

　　（4）数据安全挑战。从基础技术角度看，数据的聚合会增加数据泄露的风险。首先，大数据的来源和承载方式的多样性，为企业定位和保护机密信息带来困难。安全机制的不完善，就会产生缺乏机密性和完整性的特质。其次，大数据的关键在于数据分析和应用，但是随着分析技术的发展，势必对用户隐私产生极大威胁。在大数据时代，想要屏蔽外部数据商挖掘个人信息几乎是不可能的，个人隐私问题堪忧。再次，黑客的隐藏攻击也大数据面临的一个重要威胁。大数据的低密度性为攻击代码的隐藏提供了更大的隐蔽场所，目前的检测机制很难发现与阻止，因此，一旦受到攻击产生的破坏性也更大。

　　3 结束语

　　随着社交网络、物联网、云计算等技术的飞速发展，数据产生的规模和复杂度的增长远远超出了符合摩尔定律增长的机器处理和计算能力。为大数据的发展带来了宝贵机遇，同时在对数据获取、分析、存储和安全等方面带来了巨大挑战。目前为止，关于大数据还存在泡沫言论，有观点认为大数据是媒体热炒的后果，大数据是虚构的，是一个“大谎言”，大数据在某种程度上不过是过去30-40年来对数据管理和数据处理挑战的理解、认识的新一轮说法。但是事物的兴起都是在不断的争议中发展壮大的，大数据到底是真科学还是伪科学，还需要不断的研究，我们拭目以待。

　　参考文献：

　　[1]David Reinsel，John Gantz.The Digital Universe in 2020：Big Data，Bigger Digital Shadows，and Biggest Growth in the Far East，2012.

　　[2]Wikipedia.Big Data[EB/OL].http：//en. Wikipedia.org/wiki /Big data，2013.

　　[3]马建光，姜巍.大数据的概念?特征及其应用[J].国防科技，2013（02）：137-146.

　　[4]MANYIKA J，CHUI M，BROWN B，et al.Big data：the next frontier for innovation，competition，and productivity[R].McKinsey Global Institute，2011.

　　

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。