网络著作权侵权行为成了一个新的热点，在大数据互联网时代，信息获得的便捷性、快速的传播速度、检索查询的简易性使得著作权的保护迎来新的挑战，传统著作权侵权行为在网络中呈现新的特点，从近年轰动一时的各大著名电视剧剧本抄袭的案件中可以看出网络著作权侵权行为已经渗透在大众的日常生活中，并且由于侵权人背景实力雄厚使得真正的著作权人的权利无法得到保障。网络著作权侵权行为大揭秘网络著作权侵权行为侵犯了信息网络传播权传统意义上的网络著作权是指信息网络传播权，即著作权人有权决定以有线或者无线方式向公众提供作品，使公众可以在其个人选定的时间和地点获得作品的权利，若未经著作权人的同意将他人作品放在网上公开传播，则构成侵犯信息网络传播权。网络著作权侵权行为社交网络平台未经同意转载传播他人作品在诸如微信公众号、微博、贴吧等公开社交网络平台中非法复制、传播转载他人作品，并且没有注明作者姓名或来源，除非存在著作权被合理使用的情形。如果仅仅是分享连接，通过连接可直接接触到原作者则不属侵权行为，若不允许转载请在以明示的方式注明。网络著作权侵权行为音乐、电影作品未经同意传播未经著作人的同意下载、传播、改编、表演、出版、录音录像音乐作品或电影作品和以类似摄制电影的方法创作的作品。这种行为在大众认知中以为是合法的行为，因此面对越来越多的歌手需要收取费用、网络管理者将不法的电影种子删除的时候都表示了不解和愤怒，但著作权除了一种人身权利更重要的是能够作者带来丰厚报酬的财产权利，其权力来源具有合法性。
⑵ 大数据是什么
作者：李丽
链接：https://www.hu.com/question/23896161/answer/28624675
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。
"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的海量、高增长率和多样化的信息资产。从数据的类别上看，"大数据"指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。
亚马逊网络服务（AWS）、大数据科学家JohnRauser提到一个简单的定义：大数据就是任何超过了一台计算机处理能力的庞大数据量。
研发小组对大数据的定义："大数据是最大的宣传技术、是最时髦的技术，当这种现象出现时，定义就变得很混乱。" Kelly说："大数据是可能不包含所有的信息，但我觉得大部分是正确的。对大数据的一部分认知在于，它是如此之大，分析它需要多个工作负载，这是AWS的定义。当你的技术达到极限时，也就是数据的极限"。 大数据不是关于如何定义，最重要的是如何使用。最大的挑战在于哪些技术能更好的使用数据以及大数据的应用情况如何。这与传统的数据库相比，开源的大数据分析工具的如Hadoop的崛起，这些非结构化的数据服务的价值在哪里。
二、大数据分析
从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？
1、可视化分析
大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了
2、数据挖掘算法
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。
3、预测性分析能力
大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。
4、数据质量和数据管理
大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。
大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。
三、大数据技术
1、数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
2、数据存取：关系数据库、NOSQL、SQL等。
3、基础架构：云存储、分布式文件存储等。
4、数据处理：自然语言处理(NLP，NaturalLanguageProcessing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。
5、统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。
6、数据挖掘：分类
（Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or
association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text,
Web ,图形图像，视频，音频等)
7、模型预测：预测模型、机器学习、建模仿真。
8、结果呈现：云计算、标签云、关系图等。
四、大数据特点
要理解大数据这一概念，首先要从"大"入手，"大"是指数据规模，大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity)，即体量大、多样性、价值密度低、速度快。
1、
数据体量巨大。从TB级别，跃升到PB级别。
2、
数据类型繁多，如前文提到的网络日志、视频、图片、地理位置信息，等等。
3、
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。
4、
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。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。
大数据技术是指从各种各样类型的巨量数据中，快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。目前所说的"大数据"不仅指数据本身的规模，也包括采集数据的工具、平台和数据分析系统。大数据研发目的是发展大数据技术并将其应用到相关领域，通过解决巨量数据处理问题促进其突破性发展。因此，大数据时代带来的挑战不仅体现在如何处理巨量数据从中获取有价值的信息，也体现在如何加强大数据技术研发，抢占时代发展的前沿。
五、大数据处理
大数据处理之一：采集
大数据的采集是指利用多个数据库来接收发自客户端（Web、App或者传感器形式等）的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。
在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户来进行访问和操作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。
大数据处理之二：导入/预处理
虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。
导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。
大数据处理之三：统计/分析
统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。
统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对系统资源，特别是I/O会有极大的占用。
大数据处理之四：挖掘
与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测（Predict）的效果，从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于统计学习的SVM和用于分类的NaiveBayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。
整个大数据处理的普遍流程至少应该满足这四个方面的步骤，才能算得上是一个比较完整的大数据处理
六、大数据应用与案例分析
大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，在此申明，以下案例均来源于网络，本文仅作引用，并在此基础上作简单的梳理和分类。
大数据应用案例之：医疗行业
[1] Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。
[2] 在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
[3] 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。
大数据应用案例之：能源行业
[1] 智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。
[2] 维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。
大数据应用案例之：通信行业
[1] XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取措施，保留客户。此外，IBM新的Netezza网络分析加速器，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。
[2] 电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。
[3] 中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。
[4] NTT docomo把手机位置信息和互联网上的信息结合起来，为顾客提供附近的餐饮店信息，接近末班车时间时，提供末班车信息服务。
⑶ 大数据学习有什么要求
从通常的情况下来讲，要求大数据学习最好是理工科基础，数学比较好，然后逻辑思维比较强。但是这些都是从比较官方的角度来进行阐述的，最重要的是你需要对它有浓厚的兴趣有强烈的好奇心。
从现在企业的要求来看，至少要专科以上的学历，并且熟悉JAVA、Hadoop、HBase、Flink等等编程语言以及系统。大数据开发学习有一定难度，零基础入门首先要学习Java语言打基础，一般而言，Java学习SE、EE，需要一段时间；然后进入大数据技术体系的学习，主要学习Hadoop、Spark、Storm等。除此之外，学习大数据开发需要学习的内容包括三大部分，分别是：大数据基础知识、大数据平台知识、大数据场景应用，大数据基础知识有三个主要部分：数学、统计学和计算机；大数据平台知识：是大数据开发的基础，往往以搭建Hadoop、Spark平台为主。
除此之外，你可以打开招聘软件，看看各大企业具体的用人要求，你可以根据企业的用人要求来针对性的提升技术。
⑷ 大数据分析应该掌握哪些基础知识
大数据分析师应该要学的知识有，统计概率理论基础，软件操作结合分析模型进行实际运用，数据挖掘或者数据分析方向性选择，数据分析业务应用。
1、统计概率理论基础
这是重中之重，千里之台，起于垒土，最重要的就是最下面的那几层。统计思维，统计方法，这里首先是市场调研数据的获取与整理，然后是最简单的描述性分析，其次是常用的推断性分析，方差分析，到高级的相关，回归等多元统计分析，掌握了这些原理，才能进行下一步。
2、软件操作结合分析模型进行实际运用
关于数据分析主流软件有（从上手度从易到难）：Excel，SPSS，Stata，R，SAS等。首先是学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。
3、数据挖掘或者数据分析方向性选择
其实数据分析也包含数据挖掘，但在工作中做到后面会细分到分析方向和挖掘方向，两者已有区别，关于数据挖掘也涉及到许多模型算法，如：关联法则、神经网络、决策树、遗传算法、可视技术等。
4、数据分析业务应用
这一步也是最难学习的一步，行业有别，业务不同，业务的不同所运用的分析方法亦有区分，实际工作是解决业务问题，因此对业务的洞察能力非常重要。(4)大数据是否享有著作权扩展阅读
分析工作内容
1、搜索引擎分析师(Search Engine Optimization Strategy Analyst，简称SEO分析师)是一项新兴信息技术职业，主要关注搜索引擎动态，修建网站，拓展网络营销渠道，网站内部优化，流量数据分析，策划外链执行方案，负责竞价推广。
2、SEO分析师需要精通商业搜索引擎相关知识与市场运作。通过编程，HTML，CSS，JavaScript，MicrosoftASP.NET，Perl，PHP，Python等建立网站进行各种以用户体验为主同时带给公司盈利但可能失败的项目尝试。
⑸ 时事新闻是否享有著作权，官方文件是否享有著作权
应该是有的，毕竟是在原作品上再创作，是一部新的原创独立作品～
以下是中国著作权法（其中回一部分）答：
第一节 著作权人及其权利
第九条 著作权人包括：
（一）作者；
（二）其他依照本法享有著作权的公民、法人或者其他组织。
第十条 著作权包括下列人身权和财产权：
（一）发表权，即决定作品是否公之于众的权利；
（二）署名权，即表明作者身份，在作品上署名的权利；
（三）修改权，即修改或者授权他人修改作品的权利；
（四）保护作品完整权，即保护作品不受歪曲、篡改的权利；
⑹ 怎样判定一个人是否享有著作权
怎样判定一个人是否享有著作权，也就是著作权的归属问题。
考虑上述问题，须考虑作品是何作品。是个人作品？职务作品？法人作品？演绎作品？合作作品？还是委托作品？
●个人作品
《著 作 权 法》第十一条 著作权属于作者，本法另有规定的除外。
创作作品的公民是作者。
由法人或者其他组织主持，代表法人或者其他组织意志创作，并由法人或者其他组织承担责任的作品，法人或者其他组织视为作者。
如无相反证明，在作品上署名的公民、法人或者其他组织为作者。
●演绎作品
《著 作 权 法》第十二条 改编、翻译、注释、整理已有作品而产生的作品，其著作权由改编、翻译、注释、整理人享有，但行使著作权时不得侵犯原作品的著作权。
●合作作品
《著 作 权 法》第十三条 两人以上合作创作的作品，著作权由合作作者共同享有。没有参加创作的人，不能成为合作作者。
合作作品可以分割使用的，作者对各自创作的部分可以单独享有著作权，但行使著作权时不得侵犯合作作品整体的著作权。
●汇编作品
《著 作 权 法》第十四条 汇编若干作品、作品的片段或者不构成作品的数据或者其他材料，对其内容的选择或者编排体现独创性的作品，为汇编作品，其著作权由汇编人享有，但行使著作权时，不得侵犯原作品的著作权。
●职务作品
《著 作 权 法》第十六条 公民为完成法人或者其他组织工作任务所创作的作品是职务作品，除本条第二款的规定以外，著作权由作者享有，但法人或者其他组织有权在其业务范围内优先使用。作品完成两年内，未经单位同意，作者不得许可第三人以与单位使用的相同方式使用该作品。
有下列情形之一的职务作品，作者享有署名权，著作权的其他权利由法人或者其他组织享有，法人或者其他组织可以给予作者奖励：
（一）主要是利用法人或者其他组织的物质技术条件创作，并由法人或者其他组织承担责任的工程设计图、产品设计图、地图、计算机软件等职务作品；
（二）法律、行政法规规定或者合同约定著作权由法人或者其他组织享有的职务作品。
●委托作品
《著 作 权 法》第十七条 受委托创作的作品，著作权的归属由委托人和受托人通过合同约定。合同未作明确约定或者没有订立合同的，著作权属于受托人。
●电影作品
《著 作 权 法》第十五条 电影作品和以类似摄制电影的方法创作的作品的著作权由制片者享有，但编剧、导演、摄影、作词、作曲等作者享有署名权，并有权按照与制片者签订的合同获得报酬。
电影作品和以类似摄制电影的方法创作的作品中的剧本、音乐等可以单独使用的作品的作者有权单独行使其著作权。
●美术作品
《著 作 权 法》 第十八条 美术等作品原件所有权的转移，不视为作品著作权的转移，但美术作品原件的展览权由原件所有人享有。
⑺ 在著作权中，卫星气象云图属于哪一种作品
卫星气象云图。是客观存在的。就像大数据一样。这种云图必须是分享。是她它的的工作范围。没有专利权。
满意就采纳吧。
⑻ 享有著作权的认定标准
首先，创作作品的公民是作者。其次，由法人或者其他组织主持，代表法人或者其他组织意志创作，并由法人或者其他组织承担责任的作品，法人或者其他组织视为作者。
【法律依据】
《著作权法》
11
著作权属于作者，本法另有规定的除外。创作作品的公民是作者。由法人或者其他组织主持，代表法人或者其他组织意志创作，并由法人或者其他组织承担责任的作品，法人或者其他组织视为作者。如无相反证明，在作品上署名的公民、法人或者其他组织为作者。
⑼ 大数据报告惹出侵权官司，AI“写”文章著作权到底是谁的
大数据报告惹出侵权官司，AI“写”文章著作权到底是谁的？AI文章遭擅用惹出侵权官司 12月4日上午，北京互联网法院公开审理了一件让人意想不到的版权侵权纠纷案。本案因涉及利用人工智能、大数据生成的文章，是否应该受到著作权法保护，所以备受关注。庭审中，原告表示，被告侵犯了自己的信息传播权、署名权等著作权。网络方面则表示，涉案文章是数据软件分析而成的，不是通过劳动创造获得的，原告对文章没有著作权。AI文章遭擅用惹出侵权官司2018年9月9日，北京菲林律师事务所在自己的公众号上发表了一篇名为影视娱乐行业司法大数据分析报告的文章。菲林律所诉称，就在文章发布的第二天，网民点金圣手就在网络公司经营的内容发布、内容变现和粉丝关系平台百家号上发布了上述文章，且将文章的署名及收尾段进行了删除。菲林律师事务所认为，网络公司未经许可在其经营的百家号平台上发布涉案文章，侵害了原告的信息网络传播权。被告将涉案文章首尾段进行删除，侵害了原告的保护作品完整权。被告将署名删除，侵害了原告的署名权。被告的侵权行为对原告造成了经济损失，因此原告起诉到法院，请求法院判令被告赔礼道歉、消除影响，在百家号平台上发布道歉声明；被告赔偿原告1万元及合理支出560元；案件受理费由被告承担。
⑽ 学大数据需要什么条件
作者：加米谷大数据老师
链接：https://www.hu.com/question/63581136/answer/1142926675
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
目前大多数的招聘企业，对于大数据人才要求必须是大专学历以上，而且大专学历还要求是理工科相关专业的，如果是本科及本科以上的，则对专业要求适当的放宽。大数据学习没有你想象的那么困难，零基础也是可以学习的。同时大数据分为两大方向：大数据开发和数据分析。
这两大方向的对于基础知识的要求不同，数据分析偏向应用层面，对于编程要求不高，相较而言对于基础知识这块要求低一点。
下面我们结合大数据开发和数据分析的课程内容来具体说明大数据学习要具备什么基础知识。
下面是大数据开发的课程内容：
阶段一：静态网页基础（主要学习HTML和CSS）
阶段二：JavaSE＋javaWEB
阶段三：JAVA高阶应用
阶段四：javaEE
阶段五：Linux和Hadoop
阶段六：大数据数据库
阶段七：实时数据采集
阶段八：Spark数据分析
从上面的课程内容看，大数据开发学习要掌握java、linux、hadoop、storm、flume、hive、Hbase、spark等基础知识。
数据分析的课程内容：
阶段一：Mysql
阶段二：Python开发基础
阶段三：Python高阶编程
阶段四：数据分析基础知识
阶段五：数据挖掘
阶段六：机器学习
阶段七：业务分析
阶段八：项目实战（挖掘和业务分析）
阶段九：大数据分析
数据分析课程跟大数据开发不同，需要掌握的基础知识也不同，数据分析需要掌握的基础有：数据库、python、spss、MongDB、smartbi、tableau、r语言以及数据建模等知识。
以上就是大数据要掌握的基础知识，只有掌握了这些知识，才能够找到一份好的大数据工作。大数据技术可以应用在各个领域，比如公安大数据、交通大数据、医疗大数据、就业大数据、环境大数据、图像大数据、视频大数据等等，应用范围非常广泛，大数据技术已经像空气一样渗透在生活的方方面面。大数据技术的出现将社会带入了一个高速发展的时代，这不仅是信息技术的终极目标，也是人类社会发展管理智能化的核心技术驱动力。