目前很多企业通过数据挖掘分析来解决问题。相对而言，大数据分析比传统数据分析速度更快，可以获得“可回收”的信息流，提高行业生产率。第二，大数据技术的发展可以改善近年来营销决策中数据的爆炸，数据盈利很可能成为未来收入的主要来源。大数据技术在对海量数据的分析中，寻求最适合的企业营销策略，通过数据分析为企业带来更明智的策略。
4、云计算和大数据的区别云计算和大数据有什么区别？人们对大数据和云计算的关系往往存在误解。而且会把它们混在一起，用一句话来解释:云计算是硬件资源的虚拟化；大数据是对海量数据的高效处理。大数据技术是指从各类数据中快速获取有价值信息的能力。适合大数据的技术有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、可扩展存储系统等。
云是网络和互联网的隐喻。在过去，云经常被用来表示电信网络，后来它也被用来表示互联网和底层基础设施的抽象。云计算相当于我们的计算机和操作系统，它将大量的硬件资源虚拟化，然后分配使用。目前云计算领域的领头羊应该是亚马逊，可以说是为云计算提供了一个商业标准。另外，VMware值得关注(其实从这一点可以帮助你理解云计算和虚拟化的关系)，Openstack是更具动态性的开源云平台。
5、大数据与传统数据相比,有什么不同呢?大数据和传统数据有什么区别？首先，大数据通常是机器自动生成的。在生成新数据的过程中，没有人类的参与，它们完全是由机器自动生成的。如果分析传统数据源，通常会涉及到人为因素。其次，大数据通常是全新的数据源，而不仅仅是现有数据的扩展集合。有时候，“更多的同类型数据”可以达到另一个极端，成为一种新的数据。
传统的数据源通常从一开始就有严格的定义。数据的每一位都有重要值，否则不会包含这个数据位。随着存储空间的成本变得可以忽略不计，大数据源通常不会在一开始就严格定义，而是收集各种可能用到的信息。所以，在分析大数据的时候，你可能会遇到各种乱七八糟、垃圾充斥的数据。
6、大数据和传统数据有什么关系大数据和传统数据有什么区别？说到数据分析，其实随着近年来大数据的发展，数据被认为是物理和信息融合中的关键技术和核心引擎。各行各业都在马不停蹄、轰轰烈烈地进入大数据时代。传统行业和互联网行业的边界开始发展交叉、互补和渗透。传统制造业不再是生产转售的模式，更多的是倾听市场的声音。市场需要什么，消费终端就会相应赋予它更多的多样化和个性化。
即时数据存储在数据库中，实现的数据可以用二维表结构进行逻辑表达，比如某制造企业的ERP系统使用oracle、SqlServer等数据库。互联网行业更多的是非结构化数据，无法用二维描述，比如所有格式的办公文档、文本、图片、XML、HTML、各种报表、图像和音视频信息等等，比如医学影像系统、教育视频点播、视频监控、土地GIS、设计院、文件服务器(PDM/FTP)、媒体资源管理等具体应用。
7、三类面向大数据的数据库系统的特点三个特点。1.大量，数据存储的量级从TB增加到PB，大数据的规模通常至少是lOTB。2.多样化。大数据数据库中存储的数据有多种类型，包括结构化、非结构化和半结构化。3.速度快，在处理信息数据时速度非常快，而这也是大数据数据库与传统数据库的区别。
8、详解数据仓库和数据库的区别数据仓库本身是一个非常大的数据库，但是数据仓库存储的是从组织职务数据库整合的数据；数据库是面向事务的，数据仓库是面向主题的。数据库一般存储业务数据，而数据仓库一般存储历史数据。数据库设计是尽可能避免冗余。一般是针对某个业务应用而设计的，比如简单的用户表，记录的是用户名、密码等简单数据，符合业务应用，但不符合分析。数据仓库有意识地进行冗余设计，根据分析需求、分析维度和分析指标进行设计。
9、传统的数据挖掘和大数据的区别是什么数据挖掘是建立在数据库理论、机器学习、人工智能和现代统计学基础上的一门迅速发展的交叉学科，在许多领域都有应用。涉及到很多算法，比如机器学习衍生的神经网络和决策树，基于统计学习理论的支持向量机，分类回归树，相关分析等。数据挖掘的定义是从海量数据中发现有意义的模式或知识。大数据是今年提出来的，也是媒体忽悠的概念。有三个重要特点:数据量大、结构复杂、数据更新快。
10、大数据和数据库的区别(什么叫做大数据库与之前的数据相比，大数据有四个特征(4V):体量(mass)、速度(high speed)、多样性(Variety)、价值(value)。体量是指数据量，是大数据的基础；速度是指处理的速度；多样性指的是数据的维度；价值是指大数据所能展现的价值，这是大数据的目的。
