什么是大数据？
简单说，大数据一般指数据多（一般多到人类要很费劲很费劲才能用计算机过一遍），而且常常不仅多，其中还大部分都没什么价值……大数据技术就是从这些大部分都没用的数据里找出有用的东西的技术。现在的发展，可能技术层面上谈不上有什么巨大的，算法似乎还是那些算法，只是应用层面上比较热乎，所以大家经常都愿意来谈一谈。一个词变热乎，经常并不是因为技术突破，而是因为观念突破，是其中蕴含的商业价值受到了产业界广泛的接受、认可和重视。大数据面临的主要问题（和挑战）是规模大到一定程度之后，“小数据”时可以轻松处理的问题常常会一下子变得寸步难行，于是各种工程上的决策往往都必须精打细算。以前“小数据”常常只关心算法的数量级就行，而大数据开始必须关心算法的时间常数（因为半年和一年常常有本质区别）、通讯复杂度（因为网络和硬盘经常太慢了）、以及是否能有效并行（因为添加机器数量常常是最容易的事情）。于是凡是常数太大的，通讯复杂度太大的，或者不能有效并行的算法，想要用在大数据上，常常必须重新设计。
目前国内有不错的大数据工具，比如，大数据魔镜，一款很实用的大数据可视化分析工具。
大数据分析主要有哪些核心技术
简单说有三大核心技术：拿数据，算数据，卖数据
大数据都需要什么技术
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。
