大数据的发展历程，CDA数据分析师总结如下（资料来源于各大期刊，网页，博客等）：

2011 年，“大数据”与“云计算”的概念火爆时下，从“大数据创新”—“大数据噱头”—“大数据忽悠”—“大数据落地”—“大数据政策”，可见，一直以来，有人利用大数据技术创造了巨大价值，而有些人却运用大数据概念进行了炒作，有些人依然盲目跟风。大数据究竟是好是坏？国内经过了十来年年数据分析行业积累，三年大数据技术的探索，随着各大互联网企业相继推出大数据产品，国家陆续制定报道大数据政策并投资建设大数据产业园，人们的思想和企业的决策更接地气，现已基本达成了共识：大数据行业前路—光明璀璨！

 大数据发展史：

1964：哈里·J·格雷和亨利·拉斯顿发表《应对信息爆炸的技巧》

1971年：亚瑟·米勒《侵犯隐私》

1975年：日本邮电实施“信息流普查”计划

1980年：I·A·特詹姆斯兰德，IEEE 会提出“数据扩展至任何可用空间”

1981年：匈牙利中央统计办公室实施“以比特为单位计量信息量”

1983年：伊契尔·索勒·普尔发表《追踪信息流》

1986年：哈尔·B·贝克发表《用户真的能够以今天或者明天的速度吸收数据吗？》

1997年：美国计算机学会的数字图书馆中《为外存模型可视化而应用控制程序请求页面调度》的文章第一次使用“大数据”。

1998年：K·G·科夫曼和安德鲁·奥德里科发表《互联网的规模与增长速度》

1999：《美国计算机协会通讯》刊登《千兆字节数据集的实时性可视化探索》第一次使用“大数据”术语。

2000年：彼得·莱曼与哈尔·R·瓦里安发表《信息知多少？》， “数字统治”。

2001年：道格·莱尼发布《3D数据管理：控制数据容量、处理速度及数据种类》

2005年：蒂姆·奥莱利在《什么是Web2.0》中指出“数据将是下一项技术核心”

2007年：《膨胀的数字宇宙：2010年世界信息增长预测》预测2010年达到了1,200EB，2011年增长到了1,800EB

2008年：预测2015年美国IP流量将达到1ZB，IP流量将每两年翻一番”

但这并不是每个人、每个企业都能短期实现的，想要成为大数据分析师，首先要成为接地气的数据分析师。从政府到实业到互联网，数据分析现已运用于各个行业。

（徐刚图）

2009年：《信息知多少？2009年美国消费者报告》研究发现，2008年“美国人消费了约1.3万亿小时信息，《信息知多少？2010年企业服务器信息报告》表明世界上所有的公司平均每年处理63TB信息

2010年：肯尼斯·库克尔发表《数据，无所不在的数据》

2011年：麦肯锡《大数据：下一个具有创新力、竞争力与生产力的前沿领域》，大数据从此引爆

2011年：，工信部发布的物联网十二五规划上，把信息处理技术作为4 项关键技术创新工程之一被提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。

2012年：维克托·舍恩伯格《大数据时代：生活、工作与思维的大变革》风靡全球

2012年：瑞士达沃斯召开的世界经济论坛上，大数据是主题之一，会上发布的报告《大数据，大影响》(Big Data, Big Impact) 

2012年3月：美国奥巴马政府在白宫网站发布了《大数据研究和发展倡议》

2012年4月：美国软件公司Splunk于19日在纳斯达克成功上市，成为第一家上市的大数据处理公司

2012年7月：联合国在纽约发布了一份关于大数据政务的白皮书，总结了各国政府如何利用大数据更好地服务和保护人民

2013年：我国“大数据元年”诞生

2014年：我国首个大数据交易行业规范—《中关村数海大数据交易平台规则》出台。

2014年5月：美国白宫发布了2014年全球“大数据”白皮书的研究报告《大数据：抓住机遇、守护价值》

什么是大数据：

大数据（big data）是这样的数据集合：数据量增长速度极快，用常规的数据工具无法在一定的时间内进行采集、处理、存储和计算的数据集合。

作者认为具有以下五大特征（4V+1O）的数据才称之为大数据，即：                         

数据量大（Volume）。第一个特征是数据量大，包括采集、存储和计算的量都非常大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。0

类型繁多（Variety）。第二个特征是种类和来源多样化。包括结构化、半结构化和非结构化数据，具体表现为网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

价值密度低（Value）。第三个特征是数据价值密度相对较低，或者说是浪里淘沙却又弥足珍贵。随着互联网以及物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代最需要解决的问题。

速度快时效高（Velocity）。第四个特征数据增长速度快，处理速度也快，时效性要求高。比如搜索引擎要求几分钟前的新闻能够被用户查询到，个性化推荐算法尽可能要求实时完成推荐。这是大数据区别于传统数据挖掘的显著特征。

数据是在线的（Online）。数据是永远在线的，是随时能调用和计算的，这是大数据区别于传统数据最大的特征。现在我们所谈到的大数据不仅仅是大，更重要的是数据变的在线了，这是互联网高速发展背景下的特点。比如，对于打车工具，客户的数据和出租司机数据都是实时在线的，这样的数据才有意义。如果是放在磁盘中而且是离线的，这些数据远远不如在线的商业价值大。

关于大数据特征方面，特别要强调的一点是数据是在线的，因为很多人认为数据量大就是大数据，往往忽略了大数据的在线特性。数据只有在线，即数据在与产品用户或者客户产生连接的时候才有意义。如某用户在使用某互联网应用时，其行为及时的传给数据使用方，数据使用方通过某种有效加工后（通过数据分析或者数据挖掘进行加工），进行该应用的推送内容的优化，把用户最想看到的内容推送给用户，也提升了用户的使用体验。