maggie潘
隨著大數據的不斷髮展，數據的價值得到了越來越多的關注，要想充分利用大數據，首先需要有數據來源，因此信息採集就成為了一個非常重要的環節。
通常情況下，採集信息有以下幾個渠道：
第一：傳統信息系統。傳統信息系統採集的信息往往具有較高的價值，一方面原因是傳統信息系統採集的往往是結構化數據，易於統計和分析，另一方面原因是傳統信息系統採集的數據往往是比較重要的數據，對後續的數據分析有重要的參考價值。傳統信息系統包含的內容比較廣泛，比如常見的ERP系統。對於企業來說，傳統信息系統的建設應該是信息化建設的第一步。
第二：Web平臺。信息來源的另一個重要渠道是各種Web平臺，隨著Web應用的普及，尤其是Web2.0的普及應用之後，整個Web系統產生了大量的數據，這些數據也是大數據系統的重要數據來源之一。Web系統的數據具備幾個典型的特點，比如數量大、結構多樣性、真假難辨等等，這就需要通過數據分析來進一步體現其價值了。
第三：物聯網系統。物聯網與大數據的關係非常緊密，物聯網系統的普及應用是產生大數據的重要原因之一，大數據的大部分數據來源就是物聯網系統。通常情況下，物聯網系統有五層結構，分別是設備、網絡、平臺、分析處理和服務應用，設備往往是數據的來源。與傳統信息系統和Web系統不同，物聯網的數據大部分都是非結構化數據和半結構化數據，要想對其進行分析需要採用特定的處理方式，比較常見的處理方式包括批處理和流處理。批處理比較常見的平臺包括Hadoop和Spark，而流處理通常採用Spark Streaming、Storm等。
除了以上幾個比較常見的信息採集渠道之外，通過線下活動進行信息採集也是一種獲取信息的手段和方式。對於廣大用戶來說，要注意線下信息採集的安全性。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續在頭條寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網方面的問題，也可以諮詢我，謝謝！
IT人劉俊明
在數據的江湖裡，既有波瀾壯闊的大數據（Big Data），也有微波漣漪的小數據（Small Data），二者相輔相成，才能相映生輝。目前大數據流行，人們就“言必稱大數據”，這不是做學問的態度，不要碰到大量的數據，就給它戴上一頂 “大數據”的帽子。大數據體現出規律，小數據蘊含著智慧，它們都閃爍著理想之光。
古人云：“聖人見微知著，睹始知終。”道家的一部重要著作《淮南子·說山訓》中說：“以小明大，見一葉落而知歲之將暮，睹瓶中之水而知天下之寒。”意思是說，看見一片落葉，就知道秋天來臨；看到瓶中水結冰，就知道天氣的寒冷程度，這是對見微知著的形象比喻。
吳甘沙先生用《一代宗師》的臺詞來比擬大、小數據的區分，倒也甚是恰當。他說，小數據“見微”，作個人刻畫，可用《一代宗師》中“見自己”形容之；而大數據“知著”，反映自然和群體的特徵和趨勢，可用《一代宗師》中的“見天地、見眾生”比喻之。
大就是大數據，就是全量數據；小就是小數據，就是個體數據。所以，對於數據科學，我們必須在把情況搞清楚的基礎上懂得哪些是大、哪些是小、怎樣處理大小辯證關係，才能在具體數據應用中做到抓大放小、以大兼小，以小帶大、小中見大。在研究小數據時，要以大兼小、以小見大，必須考慮目標的正確性、可操作性和決策的科學性、可行性。在研究大數據時，要抓大放小、以小帶大，既要考慮整體共性，又要注重個體特徵。這樣，數據應用中，大能與小數據量化的自我保持高度一致，小能與大數據預見的未來保持一致，既不能見小不見大，也不能見大不見小。對於數據科學，從數據中來，到數據中去，既要見大，也要見小，以小帶大、小中見大，才能真正用好數據。
當認知科學領域發生“天翻地覆”的變化時，我們的未來又會是怎樣？認知革命，特別是“真相時代”的到來，“預測”將被“預見”取代，那麼，“預見未來”將不再是遙遠的星辰。如果認知科學的本質是計算科學，那麼，“大數據”和“小數據”爭奪所謂“大小”的“江湖地位”意義何在？但我們需要覺悟的是：此“數據”非彼“數據”。面向未來，“大數據”和“小數據”將開啟一個“全新故事”，一個“預見未來”的故事。
