云计算与大数据时代的量化投资

『壹』 什么是大数据时代

在大数据与深度学习中蝶化的人工智能。当代人工智能离不开大数据和深度学习算法。我们先来了解什么是大数据，大数据的本质是什么，在大数据时代我们应该如何应对？
当我们谈论数据的时候我们在谈什么？在大部分人的日常印象中，数据代表的可能是每月水电煤账单上的数字，股票k线图上的红绿指数，还有可能是电脑文件里那一堆看不懂的源代码。
人工智能眼中的数据远比这些广泛。数据的存在形式随着人类文明的发展不断改变，从最初的声音，文字，图画，数字，到电子时代的每一张图片，每一段语音，每一个视频，再到如今互联网时代人类每一次的鼠标点击，用手机时每一次的手指滑动，乃至每一下心跳和呼吸，甚至经济生产中的一切人机动作，轨迹，都已融入数据流。今天的人类已经能够将各种或大或小的事物转化为数据记录，变成我们生活的一部分。数据已经浸染我们生活的每一个细节，就如生物学家所说人体组织的一半是由微生物组成，在数字时代，我们生活的一半已然是数据。在日常生活中，数据的概念对于我们即亲近又陌生。亲近它是因为我们从小就会接触加减乘除这些最基本的数据和算法。步入社会后也在与各种文件报表账单打交道。与此同时，当面对高科技产品中各种关于内存，分辨率等时髦又复杂的数据是，我们又觉得不了解它们甚至没意识到它们的存在。随着大数据，机器算法和人工智能的理念相继到来，这种陌生感会越发加深。
那么数据生活距离我们遥远吗？正相反，数据与我们日常生活的联系从未如此紧密过，从没有像今天如此活跃，具体的记录着人类与世界。从最初的计算机，摄像头到家用计算机，智能手机，再到大数据和人工智能，我们不断升级采集和利用数据的方式。而现在，从一辆车的每日碳排放量统计到全球气温的检测，从预测个人在网上喜好分析到总统选举时投票趋势的预测，我们都可以做到。数据将人与人，人与世界连接起来，构成一张繁密的网络，每个人都在影响世界，又在被他人影响着。传统的统计方法已经无法处理这种相互影响的数据，这么办？答案是让机器自己来处理数据，从数据中习得知识。这便是当代人工智能的本质。与传统的数据记录定义不同，这种数据是有“生命”的。它更像是我们身体的一种自然延伸：聆听我们的声音，拓宽我们的视野，加深我们的记忆，甚至组成一个以数据形式存在的“我”。
自工业革命以来，数据经历过一次又一次的爆发，何以近年来才出现大数据的概念？什么是大数据？
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。从概念中可以得知大数据技术的关键 不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。从技术上看，大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。大数据必须具有几大特征：
一，大数据的“大”。与传统数据的储存方式相比是几何量级的差距。
二，多维度。表示大数据可以对一个事物进行多方位的描述，从而更准确。
三，处理非结构数据的能力。未来10年新生数据总量的90%为非结构化数据。大数据通过图像识别，语音识别，自然语言分析等技术计算，分析大量非结构化数据，大大提升数据维度。
四，大数据是生生不息的“流”，具有时间性。一是因为数据量巨大，无法全部储存。另一方面是大数据和人类生生不息的行动相关，瞬息万变。
五，最重要的是，大数据的大表现为无尽的重复。量变促成质变，在机器智能领域，数据量的大小和处理速度的快慢可以直接决定智力水平的高低。
希望对您有所帮助！~

『贰』 大数据时代的产生背景

一、大数据时代城市管理的机遇：
首先,有利于数字化城市建设。城市化过程中出现的管理问题，传统的城市管理方式早已对我国出现的城市问题束手无策,在大数据时代到来的背景下,数字化城市建设就呼之欲出。
其次,有利于电子政务建设。长期以来,我国政府在处理公共事务时都基本采用了传统的处理方式,纸质化的模式占据了主要地位。随着信息技术的不断更新以及大数据时代的到来,电子政务也随之应运而生。由于大数据时代的特点以及不断更新发展,电子政务的形式也不断得到更新。
最后,有利于智慧城市建设。智慧城市建设则是在大数据技术上产生的城市建设和管理方案。可见,大数据时代的到来更加有利于我国的智慧城市建设,为智慧城市的最终建成提供真实可靠的信息基础。会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。
二、大数据时代城市管理的挑战 ：
大数据时代,机遇存在的同时也不可避免会遇到许多挑战,数据开放不足、数据共享不足、数据质量不优等等都面临着严峻的挑战。
首先，数据开放不足。数据是信息的重要载体,信息的公开在一定意义上就是数据的公开。在所有的数据公开中,政府相关数据公开尤为引人瞩目。国外早就对数据公开确立了“公开为原则,不公开为例外”的原则,我国也有类似规定,但是真实执行情况令人堪忧。
其次，数据共享不足。就目前来看,谁掌握了大量真实可靠的信息,谁就掌握了主动权,信息在一定程度上就是权威的象征,权力和利益的象征。再者,政府各部门大部分存在利己倾向, 信息就会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。
然后，数据质量不优。数据质量问题直接影响依靠数据获得的信息的真实有效性,最终影响整体决策的有效性。数据质量主要包括数据的真实性、完整性和有效性。数据在收集、整合、存储和使用四个阶段当中,每个阶段都极有可能出现数据质量问题。在我国城市管理中,各级各部门每天都会面对大量繁琐的数据,数据收集渠道主要有下级单位上报数据、调查统计、普查等等,每一个渠道也同样会有很多因素影响数据质量。

『叁』 大数据时代是什么意思大数据是在什么背景下提出的

大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。

大数据产生背景：

进入2012年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

它已经上过《纽约时报》《华尔街日报》的专栏封面，进入美国白宫官网的新闻，现身在国内一些互联网主题的讲座沙龙中，甚至被嗅觉灵敏的国金证券、国泰君安、银河证券等写进了投资推荐报告。

数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然很多企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。

正如《纽约时报》2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。

哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。

(3)云计算与大数据时代的量化投资扩展阅读

大数据时代的特征

1、数据量大（Volume）

第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。

2、类型繁多（Variety）

第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

3、价值密度低（Value）

第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

参考资料来源：网络-大数据时代

『肆』 大数据专业好吗、

大数据属于前沿技术，发展毋庸置疑！

大数据、云计算、人工智能都是目前互联网行业的香饽饽。发展潜力大，人才需求多，薪资待遇高。

大数据学习内容主要有：

①JavaSE核心技术；

②Hadoop平台核心技术、Hive开发、HBase开发；

③Spark相关技术、Scala基本编程；

④掌握Python基本使用、核心库的使用、Python爬虫、简单数据分析；理解Python机器学习；

⑤大数据项目开发实战，大数据系统管理优化等。

你可以考察对比一下南京课工场、北大青鸟、中博软件学院等开设有大数据专业的学校。祝你学有所成，望采纳。

课工场爆满的大数据班级

『伍』 大数据时代，如何做好企业信息化建设

1、信息化体系要落实并匹配业务战略。

信息化落实业务战略往往容易成为一句口号。信息化作为一种投资，必然追求回报，因此信息化战略规划必须上升到如何落实企业战略的高度上来，需要对企业战略解码与深度解读是工作的前提。分析战略落实的主要举措、关注点，形成战略主题集，并对每个主题分析其关键成功要素、衡量标准、依赖条件，基本实现路径的梳理和分析，在此基础上突出信息化的应用重点，并详细分析实现的路径，依赖条件，管理及业务变革要求，最终整合到整体信息化架构中进行通盘考虑

2、信息化建设模式由需求驱动向规划驱动转变。

业界仍然普遍存在信息化建设工作的驱动模式由分散的、独立的业务部门需求进行驱动的建设模式，典型的后果是各个领域各自为战，局部可能最优，但极难保证整体最优，后期在系统集成、数据整合等方面带来大量问题，系统架构混乱，维护成本高，集成难度大，系统越做越“沉”，成为企业业务变革、经营管理模式调整不可突破的障碍，成为管理变革和创新的包袱。 

“规划驱动、架构约束”是解决当前信息化工作普遍存在问题的必然选择。信息化的具体工作不应由独立需求驱动，而应是在整体规划的情况下，由规划驱动，确保整体最优，整体一盘棋，得到良好的整合和统筹。具体到单独每一个项目或者系统推进时，在技术和实现方案层面通过完整的架构进行规范和约束，按照统一的架构进行子系统实现方案的准备和落实，确保整体架构的一致性、稳定性、灵活性。

3、云计算、大数据、移动互联网的应用

新技术的应用是不断试错和尝试的过程，企业信息化部门不仅仅是建设者，同时也是新技术应用的研究者，导入者，对于新技术的应用建议先导入前期的研究规划的工作，选定应用重点和模式，不断进行试点推进。

『陆』 量化投资 用python好 还是c++

Python是非常适合做quant类工作的语言，本身就是科学计算方面的统治级语言，现在加入了IPython，pandas等重量级神器，为Quant类工作量身定做，而且仍在飞速发展中，以后会越来越重要。

关于其他语言，首先介绍一下我自己最喜欢的一个比较小众的组合，Mathematica+Java/Scala。 Mathematica的优点在于：本身提供函数式的编程语言，表达能力非常强大，比如Map/Rece是标配，很多时候不需要去做烦人的for循环或下标控制，排版经常可以直接照数学公式原样输入，即直观又不容易写错；代码和输出混排的排版方式使得建模时的演算和推理过程非常流畅，甚至还可以直接生成动画，对于找直观理解非常有帮助（这几点分别被IPython和R偷师了一部分）。Mathematica的缺点在于对金融类的时间序列数据没有很好的内建支持，使得存储和计算都会比较低效，因此需要用内嵌Java的方式来补足，对于数据格式或性能敏感的操作都可以用Java/Scala实现。这个组合在我心目中无出其右，不论是快速建模，还是建模转生产，都远远领先于其他选择。但Mathematica的商用授权很贵，如果公司本身不认可的话很难得到支持，这是最致命的缺陷。另外随着Python系的逐渐成熟，领先优势在逐渐缩小，长远看Python的势头更好一些。

其他答案里也列举了不少其他语言，我自己既做Quant的工作，也做软件开发的工作，这里想从一个软件工程师的角度，说说我的理解。平时工作中会和一些偏Quant背景的人合作，很容易发现建模能力好的人往往在计算机方面基础比较薄弱（因为以前的训练重点不在这里）。他们也可以快速学习掌握一种像C++，Java这样的语言，实现很多必要的功能。但是一方面这些语言陡峭的学习曲线和繁琐的开发步骤会给他们真正要做的工作增加不必要的负担，另一方面一旦涉及到性能敏感的情景，他们对计算机体系结构缺乏理解的缺点就容易暴露，比如说很可能他们没有计算复杂度，内存碎片，cache miss，甚至多线程等概念，导致写出的程序存在相当大的隐患。

即使是计算机功底扎实，如果每天的工作需要在C++，Python，R/Matlab，甚至一众脚本语言之前来回切换，思维负担也会非常重，人的精力是有限的，很难同时兼顾数学建模和底层代码调试这种差距巨大的工作。长期发展下去最可能的结果就是要么远离建模，专心做生产环境开发，要么远离生产环境，专心建模。这种局面显然不论对个人还是团队都是有很大弊端的。

如果深入思考这个问题，相信不难得出结论，对于Quant来说，C++这种相当面向机器的语言肯定不是最佳选择。的确在历史上，它比更面向机器的C已经友好了很多，但是在计算机技术飞速发展的今天，如果还需要Quant大量使用C++做建模类的工作显然是很遗憾的事情。设想一下你拿到一份股票数据，不论你是想分析价格走势，成交量分布，还是波动性，第一件要做的事一定是画出图来看看，有一个直观认识。如果你的工具是C++，肯定有很多时间花在编译，调试，再编译的过程上，好容易能解析文件了，接下来怎么算移动平均？怎么算波动性？全都要自己写代码。再然后怎么画图？这整个工作流简直惨不忍睹，这些问题浪费掉你大部分精力，而他们全部和你真正感兴趣的工作毫无关系。所以如果你是一个数理金融等背景的新人打算开始Quant生涯，在决定是否要投资到这项重量级技术上时需要慎重，即便它目前的市场定价可能仍在峰值。相比之下我认为Python会是更理想的选择，即能很好的完成建模工作，也可以训练一定的编程技巧，使你在必要时也能胜任一些简单的C++工作。

最后同意 @袁浩瀚，不要拘泥于语言，不论学习那一种，对其他的语言还是要抱有开放的心态。另外世界变化很快，你会发现单一的语言分类方式其实是没有意义的，每一门语言在发展过程中都会逐渐吸收其他语言的特性，比如Python本身就既有C/C++/Java那样命令式的特点，也有函数式的特点，像pandas甚至还提供类似SQL的使用方式，在其他语言或系统里也都或多或少包含了不同的特点，可以在学习过程里慢慢体会。

『柒』 都说现在是大数据时代，是什么意思

现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。

大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。

大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。

对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。

(7)云计算与大数据时代的量化投资扩展阅读：

最早提出大数据时代到来的是全球知名咨询公司麦肯锡， 大数据在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。

大数据作为云计算、互联网之后又IT行业又一大颠覆性的技术革命。云计算主要为数据资产提供了保管、访问的场所和渠道，而数据才是真正有价值的资产。企业内部的经营信息、互联网世界中的商品物流信息，互联网世界中的人与人交互信息、位置信息等，其数量将远远超越现有企业IT架构和基础设施的承载能力，实时性要求也将大大超越现有的计算能力。

如何盘活这些数据资产，使其为国家治理、企业决策乃至个人生活服务，是大数据的核心议题，也是云计算内在的灵魂和必然的升级方向。

『捌』 如何利用大数据平台提升税收治理

一、用“互联网+”大数据强化税源控管

“互联网+”大数据条件下，税务部门在积累了纳税人大量有价值数据基础上，通过与工商、银行、海关、技监、住建、房产、规划、社保、审计等部门联网，在云计算数据综合分析判研的驱动下，从海量数据中挖掘有价值的经济税收数据，从所有经济税收数据信息中扫描、控管全部的经济税源。如地税部门要建立个人财产收入信息大数据平台，通过对个人的房产租赁、存款利息、有价证券溢价、财产增值、股权转让、投资收益等财产收入的海量数据进行综合的逻辑判研和严密的数理分析，使个人财产的税源在“互联网+”大数据的透视下一览无遗。基于云计算、大数据的运用，通过对税收弹性分析、税负分析、税收关联分析等方法，对经济形势作科学研判，对税收收入作精准预测，就能对动态的经济税源进行有效严密控管。一言蔽之，税收数据挖掘有多深，云计算数据就有多精，税源控管就有多准。“以票控税”时代将终结，“人海战术”被“云海战术”所取代，以专业、精准的大数据分析，可以牢牢控管住所有的经济税源。

二、用“互联网+”大数据应对新生业态的税收征管

在“互联网+”大数据的作用下，网络销售平台、互联网金融等新兴经济业态以其虚拟、无址、跨域、高效、隐蔽等特点，使经营地点、税源归属、征管权限、税收分配等发生重大变化，极大地挑战了传统的税收征管模式。为加强对新生业态税收征管，税务部门要通过“互联网+”大数据，从“管事制”向“管数制”转变，实施“数据管税”：将纳税人税收、财务、经营等信息链条完全打通，实现涉税信息电子化，税务机关、纳税人、消费者和第三方部门的信息数据，完全取代纸质申报和发票等实物载体，构建以信息数据为核心要素展开的税收征管新模式；利用“互联网+”大数据助推纳税人自助式管理，使纳税人自主申报、税收政策自动适用成为征管主流；借助“互联网+”大数据效率高、成本低的优势，改变以往征管强调抓大放小、集中精力管好重点税源，转变为大企业与中小型企业并重，重点税源与非重点税源并重；对税收信息判研出纳税人的异常数据，为一线税管员提供“精确制导”，以强化税收征管。

三、用“互联网+”大数据加强税收风险管理

“互联网+”大数据通过云计算等技术手段，使政府信息系统和公共数据逐步互联共享，税务部门从海量数据库中获取大量有价值的涉税数据，为推动税收风险管理提供有利条件。在简政放权的大背景下，涉税事项逐步发展为纳税人对照税法和税收政策、自行掌握执行、税务机关进行后续管理的方式。税务机关更多地通过大数据、涉税信息平台抓取有关经济涉税信息数据进行比对分析、评估判研，将所有的海量涉税信息转化为可量化、可比对的数据，实现涉税信息的数字化管理。通过网络技术、信息技术、整合技术等判研，对纳税人涉税情报进行智能化分析、计算、比较、判断、甄别、联想和定性，依据采集和积累的征管基础数据、风险分析数据、第三方数据等信息资源，多角度对税收风险进行综合关联分析，精准计算出如税负、税种、行业、纳税规模、纳税信用、纳税遵从等各种税收风险指数，揭示涉税风险的发展规律。针对不同类别、不同税收风险的纳税人，采取不同的税收风险应对措施：对高风险的纳税人实施税务稽查，对中等风险的纳税人进行税务约谈，对较低风险的纳税人则通过纳税辅导以促进纳税遵从。

四、用“互联网+”大数据做好纳税服务

“互联网+”大数据条件下，纳税人类型、办税业务、时空跨度、新兴业态的多样化，必然导致纳税服务需求的多元化。针对当前税务部门大众化的纳税服务资源和能力过剩，个性化纳税服务不足的困局，必须从纳税人的个性化需求出发，切实改进纳税服务的有效供给，以满足纳税人个性化的纳税服务需求。税务部门要依托大数据分析制导服务供求，做到始于需求、终于满意。在“互联网+”大数据相互作用下，个性化纳税服务需求容易被识别，对于纳税大户、高新技术企业、小微企业等个性化、特殊化的纳税服务容易实现。因此，税务部门要针对不同行业、不同类型纳税人，从改变纳税服务的供给侧角度入手，根据每个纳税人所需求的纳税服务进行“私人定制”，一改粗放型“端菜式”的纳税服务为精准型“点菜式”的纳税服务。要借助“互联网+”大数据，超越时间、空间、地域、业态等限制，使纳税人可以在家里、办公室、旅行途中通过互联网全流程、无纸化办理所有涉税事务，在大大降低纳税成本的同时，享受到精准、便捷的纳税服务。要充分依托互联网和移动通讯技术，构建“实体办税厅+网上办税+移动办税终端+自助办税终端”的纳税服务平台，将申报缴税功能拓展到移动互联网，支持银行转账、POS机刷卡、网上银行、手机银行、微信支付等税款缴纳方式，使纳税人足不出户就可以享受到优质、高效的纳税服务。

『玖』 大数据时代什么最重要

随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。《著云台》的分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。
简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。 大数据的4个“V”，或者说特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别;第二，数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质
的不同。业界将其归纳为4个“V”——Volume，Variety，Value，Velocity。 物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式 著云台
例子包括网络日志，RFID，传感器网络，社会网络，社会数据(由于数据革命的社会)，互联网文本和文件;互联网搜索索引;呼叫详细记录，天文学，大气科学，基因组学，生物地球化学，生物，和其他复杂和/或跨学科的科研，军事侦察，医疗记录;摄影档案馆视频档案;和大规模的电子商务。
大的数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。
一些但不是所有的MPP的关系数据库的PB的数据存储和管理的能力。隐含的负载，监控，备份和优化大型数据表的使用在RDBMS的。
斯隆数字巡天收集在其最初的几个星期，比在天文学的历史，早在2000年的整个数据收集更多的数据。自那时以来，它已经积累了140兆兆 字节的信息。这个望远镜的继任者，大天气巡天望远镜，将于2016年在网上和将获得的数据，每5天沃尔玛处理超过100万客户的交易每隔一小时，反过来进口量数据库估计超过2.5 PB的是相当于167次，在美国国会图书馆的书籍 。
FACEBOOK处理400亿张照片，从它的用户群。解码最初的人类基因组花了10年来处理时，现在可以在一个星期内实现。
“大数据”的影响，增加了对信息管理专家的需求，甲骨文，IBM，微软和SAP花了超过15亿美元的在软件智能数据管理和分析的专业公司。这个行业自身价值超过1000亿美元，增长近10%，每年两次，这大概是作为一个整体的软件业务的快速。 大数据已经出现，因为我们生活在一个社会中有更多的东西。有46亿全球移动电话用户有1亿美元和20亿人访问互联网。
基本上，人们比以往任何时候都与数据或信息交互。 1990年至2005年，全球超过1亿人进入中产阶级，这意味着越来越多的人，谁收益的这笔钱将成为反过来导致更多的识字信息的增长。思科公司预计，到2013年，在互联网上流动的交通量将达到每年667艾字节。
最早提出“大数据”时代已经到来的机构是全球知名咨询公司麦肯锡。麦肯锡在研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素;而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。
“麦肯锡的报告发布后，大数据迅速成为了计算机行业争相传诵的热门概念，也引起了金融界的高度关注。”随着互联网技术的不断发展，数据本身是资产，这一点在业界已经形成共识。“如果说云计算为数据资产提供了保管、访问的场所和渠道，那么如何盘活数据资产，使其为国家治理、企业决策乃至个人生活服务，则是大数据的核心议题，也是云计算内在的灵魂和必然的升级方向。”
事实上，全球互联网巨头都已意识到了“大数据”时代，数据的重要意义。包括EMC、惠普(微博)、IBM、微软(微博)在内的全球IT 巨头纷纷通过收购“大数据”相关厂商来实现技术整合，亦可见其对“大数据”的重视。
“大数据”作为一个较新的概念，目前尚未直接以专有名词被我国政府提出来给予政策支持。不过，在12月8日工信部发布的物联网“十二五”规划上，把信息处理技术作为4项关键技术创新工程之一被提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。而另外3项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与“大数据”密切相关。