不，Da 数据的弱点主要是多样性，前面是它的优点。大数据(bigdata)是指在一定时间内，常规软件工具无法捕捉、管理和处理的数据的集合。它是一种海量、高增长、多元化的信息资产，需要一种新的处理模式来拥有更强的决策力、洞察和发现能力以及流程优化能力。在维克多·迈耶、勋伯格和肯尼斯·库克耶写的《Da 数据 Time》中，Da 数据是指所有数据都用于分析，没有随机分析(抽样调查)的捷径。
4、大 数据对人类未来的影响是什么?维克托·迈尔·舍恩伯格在书中指出，大数据带来的信息风暴正在改变我们的生活、工作和思维，大数据开始了时代的大转型，并分三部分描述了大数据时代在思维、商业和管理方面的变化。维克多最有见地的一点是，他明确指出了数据时代最大的变化是放弃了对因果关系的渴望，转而关注相关关系。也就是说，只要你知道是什么，就不需要知道为什么。
5、大学生如何用大 数据思维指导实践首先是大数据要求数据量大，数据量小，所以很难分析出更准确的信息。其次，large 数据需要多维度的信息，各个维度是互补的。用行话来说，数据应该是正交的。还是那句话，大数据要完整，就是不要因为个别偶发事件而造成正确结果和正确结果的差异。最后，有时候数据需要实时性，比如交通拥堵的预测。如果晚了一个小时，就相当于什么都没说。
延伸资料:另一层意思是从大数据中找到结论然后分析原因，因为大数据更容易找到相关性，然后慢慢找到与因果的关系，这样会让一件事的成本降低很多，比如分析犯罪行为，先不管是什么。分析完原因，另一层意思是准确统计每一个细节和恐怖的宏观规律。比如我们以前做实验都要选择样本，实验结果的好坏往往取决于样本的质量，而现在我们可以全量sample数据采集分析，保证样本的质量。
6、为什么大 数据使用相关关系而不是 因果分析?在对大数据的分析中，很多分析都是用相关性来代替因果，这让很多人很困惑。但是，这也是可以理解的，因为我们在日常生活中习惯性地考虑与因果的关系的事物，所以自然会认为因果的关系很好理解。但是我们在分析这些内容的时候还是不太注意。这是怎么回事？下面就由小编来为大家解答这个问题。毫无疑问因果连接很好理解。很多人认为数据需要用逻辑来分析，所以逻辑离不开因果连接，但事实并非如此。
我们无法用标准方程清晰地表达因果的关系。我们需要知道的是结果，而不是那么关心是什么导致了结果。所以，考虑到这些，我们需要把建立在结论性基础上的关系数据和通过快速思考构思出来的关系进行对比，关系会更有说服力。但在越来越多的情况下，快速清晰的相关性分析甚至比慢速因果分析更有用、更有效。慢的因果分析体现在通过严格控制的实验验证的因果关系中，必然非常耗时耗力。
7、大 数据的特征Da 数据的特点如下:1。数据Quanta数据的明显特点是规模巨大。随着信息技术的发展和互联网规模的不断扩大，每个人的生活都被记录在了大数据中，从而数据本身也爆炸了。其中Da 数据的计量单位逐渐发展，现在Da 数据的计量已经达到EB。2.类型多样在大量网民等因素的影响下，大号数据的来源非常广泛，因此大号数据的类型也是多样的。
大数据结构:1。理论理论是认知的必由之路，也是被广泛认同和传播的基准线。在这里，我们可以从Da 数据的特征定义来了解业界对其整体的描述和定性，通过对其价值的探讨来深入分析Da 数据的珍贵性，从而洞察Da 。2.技术是体现Da 数据价值的手段，是进步的基石。这里从云计算、分布式处理技术、存储技术、传感技术的发展，阐述了从采集、处理、存储到结果形成的全过程。
8、什么是大 数据,大 数据为什么重要,如何应用大 数据Da 数据通俗地说就是一个参考数据，是后面用来收集、过滤、加工的。随着网络上各种大数据的出现，对数据的分析和应用也越来越普遍，因为相关性不考察事物之间的逻辑关系，为了得到可靠的结论，数据的量比因果的量大，样本也更全面。以前技术上的限制让我们无法获得足够的数据来支持我们的判断，所以我们要采取一种比较棘手的方式来探索和论证因果。
