大数据逐步向人们提醒了它给学术，工业和政府部门带来的巨大时机

　　现在，大数据的到来已经成为现实生活中不可避免的应战。每逢咱们做出挑选方案时，大数据无处不在。大数据术语的广泛出现也使人们逐步了解其重要性。大数据逐步向人们提醒了它给学术、工业和政府部门带来的巨大时机。与此同时，大数据也给全部相关方带来了巨大应战。首要，有三个重要的技能问题：怎样运用信息技能处理非结构化和半结构化大数据。

　　结构化数据仅占约15 %，其他85 %对错结构化数据。它们存在于许多范畴，如交际网络、互联网和电子商务。另一方面，或许90 %的数据来自开源数据，其他的存储在数据库中。大数据的不确定性体现为高维、多变性和强随机性。股票交易数据流是不确定大数据的典型比方。大数据影响了许多研讨问题。非结构化和半结构化数据的个人体现、一般特征和基本原理尚不清楚，需求通过跨学科研讨来研讨和谈论。

　　包含数学、经济学、社会学、计算机科学和处理科学。给定半结构化或非结构化数据，如图画，怎样将其直接转化为多维数据表、面向对象的数据模型或根据图画的数据模型？值得注意的是，大数据的每一个标明都只标明数据本身的周围面，而不是全体。假定通过数据发掘提取“大约常识”的进程称为“初级发掘”，则将大约常识与量化的片面常识相结合的进程称为“次级发掘”。

　　这些片面常识包含详细阅历、常识、天性、现象常识和用户偏好从“初级采矿”到“次级采矿”的腾跃是从“数量”到“质量”。由于大数据的半结构化和非结构化特征，根据大数据的数据发掘发作的结构化“粗糙常识”（潜在方法）也有一些新的特征。这些结构化的粗糙常识可以通过片面常识进行处理和转化，生成半结构化和非结构化的智能常识。寻求“智能常识”反映了大数据研讨的中心价值。

　　怎样探究大数据杂乱性和不确定性的表征方法，打破大数据体系建模，是结束大数据常识发现的条件和要害。从长远来看，大数据的单个杂乱性和随机性带来的应战将导致大数据数学结构的构成，然后导致大数据一致理论的完整性。短期内，学术界煽动翻开结构化数据与半结构化和非结构化数据之间转化的一般准则，以支撑大数据的跨行业运用。处理科学，特别是根据优化的理论，将在翻开大数据常识发现的一般方法和规矩方面发挥重要作用。

　　大数据的杂乱方法导致许多与“大约常识”的测量和点评相关的研讨问题。处理科学中的已知优化、数据包络分析、希望理论和成效理论可以运用于研讨怎样将片面常识整合到数据发掘生成的大约常识中的“二次发掘”进程。人机交互将在这儿发挥要害作用。数据异构性和挑选方案异构性之间的联络对大数据常识发现和处理挑选方案的影响由于大数据本身的杂乱性，这个问题无疑是一个重要的科学研讨课题。

　　对传统的数据发掘理论和技能提出了新的应战。在大数据环境下，处理挑选方案面临两个“异质性”问题：“数据异质性”和“挑选方案异质性”。传统的处理挑选方案方法依赖于商业常识的学习和堆集的实践阅历，而处理挑选方案是根据数据分析的。大数据改变了传统的处理挑选方案结构。研讨大数据对处理挑选方案结构的影响将成为一个翻开的研讨课题。