一、大数据来源不依靠人工吗？

大数据来源不是依靠人工。

大数据主要具有四个方面的典型特点，分别是规模性、多样性、高速性和价值性，即所谓的“４Ｖ”。

1、规模性：大数据的第一个特点就是“数量大”。大数据的数据量是惊人的，随着技术的发展，数据量开始爆发性增长，达到TB甚至PB级别。

2、多样性：大数据广泛的数据来源，决定了大数据形式的多样性。大数据大体上可以分为三类，分别是结构化数据、非结构化的数据、半结构化数据。

3、高速性：大数据的交换和传播是通过互联网、云计算等方式实现的，远比传统媒介的信息交换和传播速度快捷。

4、价值性：是大数据的核心特点。现实中大量的数据是无效或者低价值的，大数据最大的价值在于通过从大量不相关的各种类型的数据中，挖掘出对未来趋势与模式预测分析有价值的数据。

二、大数据人物画像来源哪里？

大数据人物画像的来源主要是多元化的数据渠道。这些数据可以来自用户在互联网上的行为记录，比如浏览网页、搜索信息、购买商品等；也可以来自线下场景，比如实体店的消费记录、会员信息等。

通过对这些数据的收集、清洗、分析和挖掘，我们可以形成精准的人物画像，了解用户的喜好、需求和行为习惯，为个性化服务和精准营销提供有力支持。

三、如何获取大数据？

大数据的数据来源主要有三个渠道，分别是物联网系统、传统信息处理系统以及互联网应用（Web和App），所以要想获得大数据就要从这三个渠道来获取。

物联网系统产生的数据占据着大数据中的重要比例，物联网产生的数据多以非结构化数据为主，包括视频、音频、传感数据等等。物联网的应用领域众多，比如工业物联网、农业物联网、车联网、智慧城市等都会产生大量的数据，通常情况下这些数据的采集都是有严格要求的，是不能开放给个人的。如果个人要想获得这部分数据，一个比较可行的方案是跟数据采集者进行合作，比如做数据分析等业务。

传统信息系统涵盖的领域非常广泛，有政务系统、企业ERP、教育信息系统、医疗信息系统等等，传统信息系统涵盖的数据多以结构化数据为主，而且往往有较高的精确度和关联关系，这部分数据的价值密度也是相对比较高的。

但是传统信息系统涵盖的数据往往涉及到个人隐私、商业机密等内容，所以这部分内容通常是受到严密保护的。随着大数据技术的发展，业界对于政务系统的数据开放的呼声越来越高，经过脱敏的数据往往并不会对个人隐私构成侵犯，所以未来某些政务系统的大数据会陆续开放出来。

互联网应用也是产生大数据的重要基础之一，包括各种Web应用以及大量的App产品，这部分数据多以半结构化为主，数据内容也存在真假难辨的情况，但是由于这部分数据的价值密度相对还是比较高的，所以现在不少互联网公司就是基于这些数据对用户进行“画像”，从而进行多维度的分类。

四、大数据的来源包括哪些？

大数据的来源包括但不限于以下几个方面：

第一，来自互联网的数据。如社交媒体、在线购物、搜索引擎等。

第二，来自传感器和智能设备的数据，如传感器、智能手机、智能家居等。

第三，来自各种业务系统和运营数据，如电子商务、金融、医疗、物流等。

第四，来自公共数据和政府数据，如政府统计、地理信息、气象预报、人口普查等。通过对这些数据的收集、存储和分析，可以帮助企业和政府做出更精准的决策，提高效率和服务水平。

五、大数据分析所使用的数据来源是指？

4/4

数据来源 　

大数据分析的数据来源有很多种，包括公司或者机构的内部来源和外部来源。分为以下几类： 　

1.交易数据。包括POS机数据、信用卡刷卡数据、电子商务数据、互联网点击数据、“企业资源规划”(ERP)系统数据、销售系统数据、客户关系管理(CRM)系统数据、公司的生产数据、库存数据、订单数据、供应链数据等。

2.移动通信数据。能够上网的智能手机等移动设备越来越普遍。移动通信设备记录的数据量和数据的立体完整度，常常优于各家互联网公司掌握的数据。移动设备上的软件能够追踪和沟通无数事件，从运用软件储存的交易数据(如搜索产品的记录事件)到个人信息资料或状态报告事件(如地点变更即报告一个新的地理编码)等。

3.人为数据。人为数据包括电子邮件、文档、图片、音频、视频，以及通过微信、博客、推特、维基、脸书、Linkedin等社交媒体产生的数据流。这些数据大多数为非结构性数据，需要用文本分析功能进行分析。

4.机器和传感器数据。来自感应器、量表和其他设施的数据、定位/GPS系统数据等。这包括功能设备会创建或生成的数据，例如智能温度控制器、智能电表、工厂机器和连接互联网的家用电器的数据。来自新兴的物联网(Io T)的数据是机器和传感器所产生的数据的例子之一。来自物联网的数据可以用于构建分析模型，连续监测预测性行为(如当传感器值表示有问题时进行识别)，提供规定的指令(如警示技术人员在真正出问题之前检查设备)等。

六、我国大数据是什么时期提出的？

大数据这个术语的出现大概可追溯到Apache的开源项目Nutch。当时，大数据——Big Data——是用来描述为更新网络搜索索引需同时进行批量处理或分析的大量数据集。随着MapReduce和Google File System（GFS）的发布，从2009年开始，大数据才开始成为互联网行业的流行词汇，也吸引了越来越多的关注。物联网、云计算、移动互联网、手机与平板电脑、PC以及遍布各个角落的各种各样的传感器，无一不是大数据的来源或承载方。

专家北京理工大学大数据实验室主任张华平博士表示：大数据是随着计算机技术的发展，时代的产物，解决了大量数据泛滥的难题。而实验室的NLPIR大数据语义智能分析平台就是为了解决数据挖掘难题而引发的科研成果。

NLPIR大数据语义智能分析平台主要有精准采集、文档转化、新词发现、批量分词、语言统计、文本聚类、文本分类、摘要实体、智能过滤、情感分析、文档去重、全文检索、编码转换等十余项功能模块，平台提供了客户端工具，云服务与二次开发接口等多种产品使用形式。各个中间件API可以无缝地融合到客户的各类复杂应用系统之中，可兼容Windows，Linux， Android，Maemo5, FreeBSD等不同操作系统平台，可以供Java，Python，C，C#等各类开发语言使用。