何为大数据分析
人们对“大数据”有很多层理解。简单的说它就是数据：记录在计算机上、类型丰富的信息。但它又不是传统意义上的数据：人们需要用全新的工具、技术，比如类似Tableau的数据可视化程序，才能更好地收集、调用、分析这些信息资产。
今天人们意识到，大数据分析是众多新兴领域的“地基”：从数据采集技术到分布式存储；从云计算，到实时提供精准的商业建议；从物联网将数据打通，到人工智能“盘活”海量信息价值；大数据的发展令整计算机世界得到了升级：硬件、数据通信技术、网络协议、广告营销模式、甚至终端产品设计。
对于大数据分析的定义，最经典的要数由IBM提出，并被业内不断丰富的“5个V”——数据量大（Volume）、速度快（Velocity）、类型多（Variety）、价值（Value）、准确（Veracity）。这些关键词，为这一技术塑造了立体鲜活的形象。
海量数据从哪来
说一千道一万，一切要从数据本身出发。那么，这些数据都来自何处呢？
依托便捷高速的互联网，尤其是移动互联网环境；加上无处不在的物联网设备（手机、路由器、摄像头、麦克风等），人们日常工作生活所留下的“痕迹”都变成了原始数据：其中非结构化数据包括邮件信息、在线文档、微信聊天记录、社交平台评论、视音频、图片等；结构化数据则包含公交、地铁乘车记录、公司打卡信息、网购消费记录等。这些被物联网设备完整收集的信息，最终形成了庞大的数据集。
数据分析工具
在进行数据分析时，Python、R这样的编程语言常常是人们的首选。以Python为例，它不仅是当今最受欢迎的编程语言之一，而且因为拥有丰富的类库，受到数据科学家的普遍青睐。其中Numpy和Pandas是进行大数据分析的“左膀右臂”：前者可以提供高级数学运算，后者则通过DataFrame功能，为使用者生成结构化数据，大大提高数据分析工作的效率。
由于大数据分析使用了分布式存储，因此与过去的单机数据库非常不同。近年来，包括Oracle、Microsoft SQL Server在内的传统数据库提供商不断升级产品，推出了适合大数据特征的解决方案。除此之外，基于分布式存储的特点，也有包括MongoDB在内的NoSQL数据库产品陆续出现。
在实际应用中，更多人会选择用户友好型的产品作为数据分析和可视化的工具。作为领先的数据分析工具，Tableau整合了底层编程语言和多种类型的数据库，并且将很多程序模块整合进菜单中，比如要在数据整理时去掉多余的空格或标点符号，只需在菜单中选择对应功能即可完成操作。加上图形化界面拖拽的操作方式，Tableau可以帮助用户快速挖掘数据价值。
批评者眼中的大数据分析
风光无限时，亦是危机四伏时。很多人质疑这种基于历史数据分析，预测未来结果的模式。尽管难以服众，但这个事实也恰好体现了大数据分析作为底层技术的定位：它不能完成所有事，但它是一切的基础。基于大数据分析的人工智能技术迅速发展。不论是Google的智能语音助手，还是MIT的图像识别项目，科学家通过人工智能算法从海量语音、照片中寻找规律，并且不断纠正预测的准确性，而非简单照搬过去的规律。
此外，大数据分析所涉及的隐私问题越发引起国际社会的关注。随着极为严格的GDPR法案正式在欧盟区实施，数据隐私话题也进入了新的阶段。由于社交网络的兴起和云计算广泛应用，用户个人信息被分散存储在大量服务器上。这是人类社会进入大数据时代所面临的最大问题。如何解决隐私问题，将影响到未来数据科学的发展走向。