需求决定并度量价值，网络大数据计算的现实 需求，总体说来可分为三大类，小编带大家来具体了解一下。
感知现在
是面向领域或主题的历史数据与当前数据的融合，是对潜在线索与模式的挖掘、对事件群体与社会发展状态的感知．例如，为了感知中国发展状况的综合指数（物价、环境、健康等），需要通过对历史与实时产生的ＰＢ级社会媒体数据（如淘宝社区ＣＰＩ等）、百亿级观察日志数据（如环境ＰＭ２．５指数等）、ＥＢ级监控数据等进行挖掘、以获取有针对性有价值的信息源。
同时“感知现在”面临数据规模巨大、模态多样、关联复杂、真伪难辨、现有数据处理方法感知度量难、特征融合难、模式挖掘难等诸多问题与挑战。
预测未来
针对全量数据、流式数据、主题离线数据的关联分析，态势与效应的判定与调控，揭示事物发展的演变规律，进而对事物发展趋势进行预测。例如，国外基于Ｔｗｉｔｔｅｒ数据的选举结果预测，通过对Ｔｗｉｔｔｅｒ等网上公开数据的实时感知、动态获取与综合分析，结合仿真调控，预测大选结果。又如，联合国“全球脉动”（ＧｌｏｂａｌＰｕｌｓｅ），是利用网络大数据预测失业率与疾病爆发等现象，利用数字化的早期预警信号来提前指导援助项目。
因此，“预测未来”面临数据交互性强、实时性强、动态演变，导致传统数据计算方法的数据生命周期的割裂、时效性与准确性难以兼顾、演变趋势难以预测的问题与挑战。
面向服务
现在的社会是建立在多样化的异构网络（如互联网、电信网、广播电视网、物联网等）上的、并基于这些网络提供多样化多层次的社会服务（诸如医疗、物流、旅游、交通、饮食、教育、电子政务等现代服务业），而需求尤其是个性化的需求则是驱动这些服务运转的主要动力。
因此，如何利用大数据理论与技术，从异域、异构网络大数据中获取跨域业务关联的服务需求、并综合高效利用服务资源，提升社会服务的综合绩效，是实现大数据巨大价值的最终目的和意义所在。
转载自网络 不用于商业宣传 版权归原作者所有，侵权删。
41019702002033