一、 数据源不同

　　传统IT系统主要收集企业内部数据，对内部数据进行整合和分析，在大数据时代企业及社会团体需要的是企业内及企业外的信息。包括行业信息、竞争对手信息、国家产业政策、财税政策等等。

　　传统IT系统主要收集业务系统的数据，诸如ERP，CRM，财务数据等结构化数据，在大数据时代，不单单收集这些数据，还收集邮件数据，合同数据，文档数据等不同类型的非结构化数据。

　　二、 数据存储和处理能力不同

　　大数据具有超大量数据的在线保存，快速检索和分析的能力，大数据之所以提出，源于对海量存储及检索的需求，盘阵已不能满足PB级数据的存储及大并发量访问的需求，这也是大数据4V特征之大量化和快速化特征。加之，分布式技术和多副本技术的使用，提供了海量存储高性能的检索和分析能力，实现在数以亿计的数据中以秒级速度找到你所关心的数据，提高原有系统性能千倍以上，由量变产生质变，可以做很多以往不可想象的工作。

　　三、 数据复杂度不同

　　大数据系统统一管理结构化数据和非结构化数据，把非结构化的技术如全文检索、分词等集成在一起，实现结构化和非结构化综合检索、分析;结构化和非结构化统一管理，提供了复杂数据的分析能力，对于多样数据统一管理是大数据4V特征之多样化的特征，这也是大数据区别于其他系统重要特征之一，大数据的很多特性都发源于此。

　　大数据对收集的信息进行去重、分析、抽取、分类、清洗等操作也有别于原有数据仓库技术，让数据的真正价值得以实现。

　　四、 资源的协调和管理能力不同

　　大数据通过在线扩容技术、yarn资源管理技术等，可动态调整业务的执行，对计算资源和存储资源充分利用，从而提高了IT建设投资的性价比和效能比。

　　传统IT架构硬件采用应用服务器+数据库服务器+盘阵作为建设的基本构成，而大数据服务采用单一的存储服务器集群组成，硬件单一的可维护性更强，且架构容错能力较强。

　　五、 数据处理方式不同

　　大数据技术既可以处理实时数据流、也可处理交易类的数据、同时可处理离线长期数据，从不同的时效维度来处理数据。

　　机器学习和深度学习技术与大数据的结合应用，为大数据提供了自我学习和分析能力，在自然语言识别，人工智能，图像识别等领域内取得了巨大的成就。

　　上述大数据的有关特性，究竟是如何帮助企业价值挖掘与提升的?结合赛思信安大数据技术及应用情况，我认为大数据至少在以下几个方面能对企业提供较大的帮助：

　　对企业来说，可以做广告投放的媒体分析，对投放效果进行检测

　　可以对用户群进行分析，精准的发现潜在用户

　　通过内外部结合，分析企业的竞争力，发现企业的重点发展方向

　　通过外部数据分析，可以评估企业的社会美誉度，发现企业的社会影响力，从而帮助企业调整对外宣传口径和企业的舆情影响

　　分析种类分为实时分析，准实时分析，离线分析等，通过实时分析可以获得及时的建议，例如股票交易等实时性很强的分析;准实时分析可以获得短期的变化走势，可以确定月度指标及月度经营，离线分析可以发掘企业内部的深层次能力，为企业长期决策提供有力依据。

　　赛思信安是一家专业的大数据平台及解决方案的提供商，为客户设计定制化的大数据解决方案，通过对企业数据价值的挖掘与提升，为企业的业务发展提供全方位的帮助，让企业的前景不再模糊，而是可以预测。

　　责任编辑：余芯