大数据从0到1分几步？
大数据有多火？这样的答案可能有千百种，也从反向证明了大数据真的太火，因为所有人都知道。众所周知，在Gartner报告中，常常会看到炒作周期这个词汇。这意味着有很多技术，虽然人人皆知，但是距离实际应用落地还有一段距离，这就是炒作期。
然而，大数据应该过了炒作期，我们更应该关注的是大数据的落地，关注从零到一的过程。正是因为几百TB甚至几PB的数据限制没有任何意义，才让数据的处理过程显得更为重要。
首先我们要分清大数据与传统的统计分析的区别，首先，大数据的体量更大，在大数据分析过程中，也采用全体分析，而非抽样形式；其次，在分析过程中，大数据更注重相关性，而非因果关系；最后，在大数据时代，因为数据的更新速度快，人们更注重效率，而非绝对的精确。
这些变化让大数据不得不面临处理方法的变化。一般来讲，大数据的处理流程有四步，分别是：采集、导入和预处理、统计和分析，然后是数据挖掘。
数据的采集，在大数据处理中一直都是第一步。在生活中可以映射到方方面面，每一次的搜索痕迹、注册信息都是数据，而互联网的发展也将为未来数据的采集提供帮助。而在数据采集过程中，如何处理好峰值将是面临的首要问题，而这就要依靠合理的分流、公有云、两地三中心等IT架构方法来解决问题。
数据传输需要解决峰值过高问题
数据的导入和预处理，常常是与第一步数据的采集合在一起进行，通过数据库来对数据进行集中存储。可以将结构性数据和非结构性数据存储，数据导入过程中，最重要的特点是每秒导入的数据量比较大。
数据的统计与分析已经成为近年来的一种新兴职业，收到很多企业的青睐。尤其在可视化分析领域，通过对数据的计算将计算结果用图片等形式类进行呈现，得出一个直观的结论。这样的分析方法与用户的交互性较强，数据的显示体现多维性，同时能够最直观的得出数据特点。
数据挖掘往往是大数据处理的最后一步，数据挖掘往往是已经设定好一个主体，为了找到某个答案而进行分析和计算，从而达到预测的效果。数据挖掘的定义是从海量数据中找到有意义的模式或知识，数据挖掘也成为数据的终极目的。
数据挖掘
（稿件来自：信息部王阳）