大數據在生活中被實際應用的地方多到你難以想像，近十年隨著互聯網產業的飛快發展，大數據幾乎作為支撐著整個時代的存在。

舉幾個栗子：

1、醫療行業

2、金融行業

3、旅遊行業

4、教育行業

大數據行業目前還處在發展初期，雖然落地應用正在加速，但是還遠遠不夠，比如大數據目前在互聯網、金融行業應用更多，與AI、物聯網的結合還未成熟，還有很多行業的應用才剛剛起步，甚至有的還未完全啟動，所以還有很大的發展空間。

大數據行業薪資是普遍偏高的，其中大數據開發人才的薪資十分可觀。2018年一線城市大數據開發人才月薪資15-20k，下圖是招聘網站發布的2019上半年中高端人才就業熱門領域及薪資情況。

今天看補牙的相關內容，明天就能在百度，網易，鳳凰衛視等APP上給你推薦各種補牙醫院……

隨著人們教育觀念的不斷提升，越來越多的人想要通過繼續學習的方式來提升自身的綜合素養。互聯網時代的到來給更多行業帶來了重新發展的可能，也帶起了很多新興行業，越來越多的人想要進入互聯網行業工作。

大數據在實際生活中有哪些應用呢？

人們日常生產生活中產生了大量的數據，數據信息化正離我們越來越近，可能在普通人眼裡大數據的實際應用可能並不明顯，但是實際上處處可見大數據。

在人們日常的「衣」和「食」上，我們在一些網站瀏覽頁面尋找需要的衣物信息時，這些網站就會記錄下我們的瀏覽信息。隨後我們在瀏覽電商平台的信息時，平台就會根據信息來展現相匹配的產品，這就是大數據在「衣」、「食」上的應用；在「住」上，租房需求需要的是大量的用戶信息，通過大數據的精準分析獲客來尋找客戶，然後再向用戶精準投放租房信息；在「行」上，大數據可以實時反應交通的狀況，選擇最優的路線。

比如：最近預防新冠病毒的健康寶（基於用戶的地理位置信息大數據）。

電商購物時普遍使用的產品推薦，閱讀新聞信息時常用的信息推薦等。

公安，鐵路，民航人證合一檢查等。

人工智慧，智慧交通，自動駕駛等演算法的訓練校驗，包括現在醫學上一些報告的結果等等，都是通過大數據分析後的結果。

大數據在實際生活中的應用還是比較多的，下面就列舉幾個最常見的，供你參考：

1.電商-天貓、淘寶、京東等

推薦相似商品就是通過大數據，了解了你的喜好和你的潛在傾向，給你推薦了你可能需要的商品。

2、醫療保健-智能手環

人們戴上智能手錶，可以監控身體狀況，幫助我們實現流行病預測、智慧醫療、健康管理。

3、交通類

智能公交。根據GPS定位技術、5G通信技術、GIS地理信息系統技術等等結合對車輛的監控，實施的公交車智能調度策略，提高了公交車的利用率，同時也在不斷減輕城市道路的擁堵負擔。

4、娛樂類-抖音、頭條等

這類APP就是通過大數據演算法，根據你的歷史瀏覽記錄進行了分析和畫像，然後系統自動的推薦同類型的內容給你瀏覽。

現在大數據的發展是飛快的，很多人聽說過大數據這個詞，但是，多數人是不知道大數據到底是什麼樣的幹什麼用的，通常也只有參加過大數據培訓學習或者是想要參加大數據培訓學習的人才會去了解。對於大數據了解比較深入的一般是從事大數據工作的那些人，那麼大數據在生活中有什麼應用呢？

參加過大數據培訓的大家一定都知道大數據在金融鄰域應用比較多，大數據在金融行業的主要作用體現在金融交易。高頻交易是大數據應用比較多的領域。其中大數據演算法應用於交易決定。現在很多股權的交易都是利用大數據演算法進行，這些演算法幫助人們計算出自己的業務交易的具體信息。這樣很多企業都能夠掌握到自己的業務的實際情況，從而對未來的發展有所參考。

大數據在我們的生活中也隨處可見，在生活中應用到的地方也比較多。比如說我們所在的城市實時交通信息、利用社交網路和天氣數據來優化最新的交通情況。現在很多人帶著的智能手環，智能手錶，這讓我們可以根據我們熱量的消耗以及睡眠模式來進行追蹤。

大數據還可以提高醫療和研發。大數據分析應用的計算能力可以讓我們能夠在幾分鐘內就可以了解到某個DNA的信息。並且讓我們可以制定出最新的治療方案。同時可以更好的去理解和預測疾病。大數據可以幫助病人對於病情進行更好的治療。

雖然，對於上邊的內容沒有參加過大數據培訓學習的人理解起來比較困難，但是隨著大數據的不斷發展，不管是參加沒參加過大數據培訓學習的人對大數據了解越來越多，同時也在應用大數據不斷改變著我們生活的每一個地方，讓我們的生活變的更加美好。

身邊處處都是大數據的存在

目前，我國的互聯網、移動互聯網用戶規模急劇增加已經躍居全球第一，我國有著豐富的數據資源和顯著的大數據技術應用市場優勢。隨著打造「數字中國」戰略的推進，大數據產業逐漸的成為經濟社會發展的新生力量，受到廣泛關注。

　　當前，大數據產業正快速發展成為新一代信息技術和服務業態，即對數量巨大、來源分散、格式多樣的數據進行採集、存儲和關聯分析，並從中發現新知識、創造新價值、提升新能力。

　　大數據價值創造的關鍵在於大數據的應用，隨著大數據技術飛速發展，大數據應用已經融入各行各業。中國科學院計算技術研究所研究員倪光南指出，「我們每天都在產生海量的數據，利用好這些數據，不但能夠為人們的工作生活帶來便利，而且能促進生產環節更加高效地配置資源，提高效率，促進產業升級」。

以人工智慧為核心技術，知識圖譜成熱門場景

　　未來，我國大數據應用技術的發展將涉及機器學習、多學科融合、大規模應用開源技術等熱點領域

目前，我國大數據產業發展已步入行業規模快速增長時期。由中國管理科學學會大數據管理專委會等單位編撰的《中國大數據應用發展報告》認為，從大數據產業規模來看，預計未來3年我國大數據產業增速有望保持在30%以上;從大數據產業分布看，我國大數據產業集聚發展效應開始顯現，出現了京津冀區域、長三角地區、珠三角地區和中西部4個集聚發展區，各具發展特色。

在大數據技術應用的不斷成熟推廣，大數據行業同時也在不斷增加相應的技術崗位，對於大數據技術人才的需求也在不斷增加，那麼這個時候大數據培訓人才就比較關鍵了，大數據培訓行業熱度也會有增無減，參加大數據培訓學習的人數也會逐漸增多。

部分內容來源:新華網

大數據應用正深入經濟生活-新華網

你的那些網購類平台，社交類軟體，音頻類APP，比如抖音和知乎等等，都被大數據滲透了，還有那些新聞類的APP也是。這是最能接觸到你的生活層面的東西了。。。

太多了吧，高德地圖，電商等只有你想不到的，沒有它不存在的地

身邊的好多事情都會有大數據的，電商類，銀行，滴滴打車

現如今，在人工智慧蓬勃發展的時代，模型的思考方法更加重要。在IoT（物聯網）之後，機器使用數據與人的連接會成為整個社會運行的基本規律，而人機協作的基本方法就是通過模型與演算法交流。

2019年初，」深度學習三巨頭「，Yann·LeCun、Geoffrey·Hinton、Yoshua·Bengio共同獲得2018年度圖靈獎，西方的模型思維由此進入一個新階段——用演算法驅動人工智慧發展。【智能時代的熵減】模型系統——用演算法驅動人工智慧發展。

人工智慧就是」計算+模型「，把所有的算力使用到某種模型上，根據數據的輸入和輸出來做判斷，我們稱呼它」演算法「。

演算法時代的本質就是模型思考——發明一個演算法模型，建立一套規則系統，輸出並影響社會。谷歌創始人，拉里·佩奇和謝爾·蓋布林，他們發明了搜索引擎的演算法，決定了西方很多人的基本認知。為什麼谷歌佔領了信息食物鏈的頂端？因為它的演算法模型甚至影響每個人的信息搜索，搜索的排名是由它的演算法所決定。實際上，模型在今天的使用已經遠超感知和想像。加密貨幣LibraCoin本質也是個演算法，這裡面有一個隱含的劇變——演算法開始計算人性偏好，從物理的領域進入心理的維度，理想狀態的「不可見」最終由「你的內心」讓它被看見。從已知信息到未知信息，如何進行升維？貝葉斯升維。英國數學家托馬斯·貝葉斯（Thomas Bayes）在1763年發表的一篇論文中，首先提出了這個定理。而這篇論文是在他死後才由他的一位朋友發表出來的。

在這篇論文中，他為了解決一個「逆概率」問題，而提出了貝葉斯定理。

在貝葉斯寫這篇文章之前，人們已經能夠計算「正向概率」，比如杜蕾斯舉辦了一個抽獎，抽獎桶里有10個球，其中2個白球，8個黑球，抽到白球就算你中獎。你伸手進去隨便摸出1顆球，摸出中獎球的概率是多大。根據頻率概率的計算公式，中獎的概率是2/10。參照上面的例子，若一開始我們並不知道抽獎桶里有什麼，而是摸出一個球，通過觀察這個球的顏色，來預測這個桶里里白色球和黑色球的比例。這個預測其實就可以用貝葉斯定理來做。貝葉斯當時的論文只是對「逆概率」這個問題的一個直接的求解嘗試，並未深究「逆概率」包含的深刻思想。後來，貝葉斯定理席捲了概率論，並作為機器學習的核心方法之一，將應用延伸到各個問題領域：生命科學家用貝葉斯定理研究基因是如何被控制的；基金經理用貝葉斯法則找到投資策略；Google用貝葉斯定理改進搜索功能，幫助用戶過濾垃圾郵件；無人駕駛汽車接收車頂感測器收集到的路況和交通數據，運用貝葉斯定理更新從地圖上獲得的信息；

人工智慧、機器翻譯中大量用到貝葉斯定理；

教育學家突然意識到，學生的學習過程其實就是貝葉斯法則的運用；......似乎總會在某一年，爆發性地長大，爆發性地覺悟，爆發性地知道某個真相，讓原本沒有什麼意義的時間的刻度，成了一道分界線。為什麼貝葉斯定理在現實生活中這麼有用呢？生活中絕大多數決策面臨的信息都是不全的，大部分都像上面的「逆概率」問題。比如天氣預報說，明天沙塵暴的概率是30%，什麼意思呢？我們無法像計算頻率概率那樣，重複地把明天過上100次，然後計算出大約有30次沙塵暴。而是只能利用有限的信息（過去天氣的測量數據），用貝葉斯定理來預測明天沙塵暴的概率是多少。同樣，在現實世界中，我們每個人都需要預測，如思考是否進行股票或房產投資、政策給自己帶來哪些機遇、提出新產品構想，等等。貝葉斯定理就是為了解決這些問題而誕生的，它可以根據過去的數據來預測出概率，以便更好地預測未來的商業、金融、以及日常生活。

比如，如何利用貝葉斯定理追到男神？

我們從分析男神的微笑開始。朋友小甜甜說，男神每次看到她時都沖她笑，想知道男神是不是喜歡她？首先，分析給定的已知信息和未知信息：1）要求解的問題：男神喜歡你，記為A事件2）已知條件：男神經常沖你笑，記為B事件P(A|B)是男神經常沖你笑這個事件(B)發生後，男神喜歡你（A）的概率。從公式看，我們需知道這3個事情：1）先驗概率先驗概率（Prior probability）：P(A)，即在不知道B事件的前提下，我們對A事件概率的一個主觀判斷，也就是先主觀判斷男神喜歡一個人的概率，這裡我們先假設是50%，即喜歡或者不喜歡。2）可能性函數可能性函數（Likelyhood）：P(B|A)/P(B)，這是一個調整因子，即新信息B帶來的調整，作用是使得先驗概率更接近真實概率。如果「可能性函數」P(B|A)/P(B)&>1，意味著「先驗概率」P(A)被增強，事件A的發生的可能性變大；如果「可能性函數」P(B|A)/P(B)=1，意味著B事件無助於判斷事件A的可能性；如果「可能性函數」P(B|A)/P(B)&<1，意味著「先驗概率」P(A)被削弱，事件A發生的可能性變小那麼，根據男神經常沖你笑這個新的信息，調查走訪男神的朋友，最後發現男神平日比較高冷，很少對人笑。所以我們根據實驗數據，估計出可能性函數「可能性函數」P(B|A)/P(B)=1.5（具體如何估計，有許多科學方法，暫不贅述）笑容浸在月光中亦如一朵開得正好的夜芙蓉。3）後驗概率後驗概率（Posterior probability）：P(A|B)，即在B事件發生之後，我們對A事件概率的重新評估。在這個例子中，就是在男神沖小甜甜笑後，對男神喜歡小甜甜的概率重新預測。帶入貝葉斯公式計算出P(A|B)=P(A)* P(B|A)/P(B)=50% *1.5=75%因此，依據男神經常沖一個人笑的「可能性函數」，那麼，他喜歡上一個人的概率是75%。這說明，男神經常沖一個人笑這個新信息的推斷能力很強，將50%的「先驗概率」一下子提高到了75%的「後驗概率」。城市的夜空只有月亮。你的微笑，把湖面的鏡子敲碎，讓星星一顆、一顆浮上來……我們再回顧一遍貝葉斯公式，現在就能明白公式背後的關鍵思想內核：我們先根據以往的經驗預估一個「先驗概率」P(A)，然後加入新的信息（實驗結果B），這樣有了新的信息後，我們對事件A的預測就更加準確。因此，貝葉斯定理可以理解成下面的式子：後驗概率（新信息出現後的A概率）　＝　先驗概率（A概率） ｘ 可能性函數（新信息帶來的調整）也就是，在主觀判斷的基礎上，我們可以先估計一個值（先驗概率），然後根據觀察的新信息不斷修正(可能性函數)。其實阿爾法狗也是這麼戰勝人類的，簡單來說，阿爾法狗會在下每一步棋的時候，都可以計算自己贏棋的最大概率，就是說在每走一步之後，他都可以完全客觀冷靜的更新自己的信念值，完全不受其他環境影響。願以輕舟一葉，載人間風波，卸苦累一身，換江海逍遙。貝葉斯定理與人腦的工作機制很像，這也是為什麼它能成為機器學習的基礎。興來醉倒落花前，天地即為衾枕。機息坐忘盤石上，古今盡屬蜉蝣。但，機器人善於捕捉大眾，它沒有感情，也不和你談論理想與道德，但它總是能穩准狠地戳中你。一個深刻的倫理問題。舉個例子：2016年3月23日，一個名叫泰伊的19歲少女出現在Twitter上。這是微軟開發的一個機器人，工程師給泰伊輸入了一些原始數據，使她具有美好的特性。同時，她還被設計了一套自動學習程序，可以通過和推友的交流，學習他們說話的方式和語言，從而實現自我進化。泰伊發出的第一條推特是：「我能不能說，我很開心遇到你？人類真是超級酷。」在互動12小時後，泰伊發了這樣一條信息：「我恨每一個人。」15小時後，泰伊說：「我他媽痛恨一切女權主義者，他們應該全部去死並且在地獄受火刑。」又過了4分鐘，泰伊說：「希特勒是對的，我恨猶太人。」隨後，微軟被迫終結了泰伊的生命。「技術無罪。」愛因斯坦也說過類似的話......1945年，當美軍向廣島和長崎投下兩枚原子彈，愛因斯坦表示痛心。他說：「早知如此，我寧可當個修表匠。」因為他雖不殺伯仁，伯仁卻因他而死。人的理性與感性，向來相愛相殺。生活就像一架鋼琴：白鍵是快樂，黑鍵是悲傷。但是，要記住只有黑白鍵的合奏才能彈出美妙的音樂。就像蘋果 CEO 迪姆·庫克，在一次論壇上，談到演算法和智能對人類的威脅時，他沉默片刻說到：「我不擔心機器變得像人一樣，我擔心的是，人變得像機器一樣，失去了價值觀和共情心。"在演算法和智能統治的世界，如果沒有人性照亮前方的礁石暗灘，我們將迎來一個可怕的世界。清風無恙，雲綉霓裳。一生何其漫長，堆砌多少時光。一生何其短暫，不過三兩詩行。

也許，生命應該有著蓮的純凈;入泥三分，出水三分，只把臨水的姿勢，淡泊成純潔的寫意;靜美無言，心如明鏡，不污不垢，淡看浮華。

相關鏈接：青水：剎那，永恆，永恆，剎那 或 剎那，永恆，永恆，剎那

舉幾個我們大多數人都可以接觸到的例子：

（1）天貓、京東等電商網站或APP上，你因為以前瀏覽過類似商品，下次再登錄瀏覽的時候總能看到其他同類型的商品推薦，這就是通過大數據分析，了解了你的喜好和你的潛在傾向，給你推薦了你可能需要的商品。

（2）今日頭條、抖音等APP，你總能看到你感興趣的內容，就是大數據演算法根據你的歷史瀏覽記錄進行了分析和畫像，然後系統自動的推薦同類型的內容給你瀏覽。

（3）滴滴打車，找到最近的司機或乘客，約到最近的車，就是大數據在起作用。

（4）你跑到超市，一眼掃過貨品陳列架上的商品，馬上識別找到自己想要的商品，你的大腦里也是經過了大數據分析作出了判斷，未來很多基於圖像識別智能化的程序或應用，在某種程度上就是在將人的大腦的大數據分析能力變成一種產品或服務。

首先大數據這個東西不是一個新的概念，數據一直存在，數據的分析也一直在用，只不過現在信息技術的發展，是的數據量越來越大，處理數據的技術越來越多。

現實生活中的應用比如：

淘寶/抖音等推薦你喜歡的內容，你打開電腦瀏覽器會彈出你關注商品的廣告

去銀行辦信用卡批給你多少額度/天氣預報等等

想想哪些可以產生數據的東西，可以做預測的東西，都多多少少跟大數據有關

沒聽說過各種殺熟嘛？

推薦閱讀：
相关文章