一、it和大数据有什么不同？

大数据是一个典型的多学科交叉的专业，涉及到计算机、数学、统计学、物理等学科的综合运用，所以大数据专业需要学习掌握的内容更多也更复杂。但是计算机专业无疑是与大数据专业联系最为紧密的专业之一，扎实的计算机知识是做好大数据研究的基础。

大数据专业的研究以数据为主线，通过分析来挖掘数据背后的价值，涉及到数据的采集、整理、传输、存储、分析和呈现。同时大数据与物联网、云计算关系紧密，物联网为大数据提供了数据的来源，而云计算则为大数据提供了存储和计算的平台。

而物联网、云计算则是计算机专业的细分范畴，同时大数据又是云计算发展到一定阶段的必然产物。大数据的分析则需要扎实的数学基础，需要通过不同的算法来完成数据的整理以及查找数据背后的联系。

大数据与计算机专业的最大区别是对于数据的理解，大数据专业围绕数据展开，而计算机专业则围绕功能展开，数据是计算机功能的产物和沟通的方式。所以说大数据也是计算机专业发展的必然产物，计算机专业的发展也必将向更加细分的领域深入。

计算机专业的发展带动了大数据的发展，大数据的发展也带动了人工智能的发展，而人工智能则涉及到更多的学科，更加复杂。所以，大数据是目前很多领域的驱动力，借助大数据能让很多传统行业发现数据的价值，可以说目前的大数据是科技创新的孵化器。

现在很多研究生都把研究方向定在了大数据领域，这些研究生在本科阶段有不少是从事计算机专业的，当然也有数学专业的、统计专业的、物理专业的等等。大数据涉及到的领域很广泛，更多专业的人才都可以参与到大数据产业链中，未来大数据的发展空间将更大。

二、与传统数据相比 大数据技术特点？

大数据具有灵活性高，透明度大，范围广，影响力强

三、算法和大数据的区别？

算法和大数据是两个不同的概念，它们之间有一些区别。定义和概念算法是一组明确指示计算机如何完成特定任务的指令。它可以是简单的数学计算，也可以是复杂的逻辑操作。算法的主要目的是解决特定问题，并具有明确性、有限性和输入/输出要求。大数据则是指数据量巨大、复杂度高、处理速度快的数据集合。这些数据可能来自各种来源，如社交媒体、网络日志、传感器数据等。大数据的主要特点是数据量大、处理速度快、数据种类多。目的和应用算法的主要目的是为了解决特定问题，通过一系列指令和逻辑操作来得到结果。它广泛应用于计算机科学、数学、工程等领域，用于优化问题解决方案、提高计算效率等。大数据的主要目的是对海量数据进行处理和分析，以提取有价值的信息和知识。它广泛应用于商业智能、市场营销、金融风控等领域，用于发现数据中的模式、趋势和关联。处理方式和工具算法的处理方式通常是通过编程语言实现，例如Python、Java等。算法的实现需要考虑输入输出、时间复杂度、空间复杂度等因素。大数据的处理方式通常是通过分布式计算框架实现，例如Hadoop、Spark等。这些框架可以处理海量数据，并支持分布式存储和处理。总之，算法和大数据是两个不同的概念，但它们之间也存在一定的联系。在大数据处理中，通常需要使用算法来对数据进行清洗、处理和分析，以提取有价值的信息和知识。同时，在算法设计中，也需要考虑数据的来源和处理方式，以确保算法的效率和准确性。

四、大数据时代处理数据相对于传统数据处理有哪些变化？

大数据与传统的数据技术的差别：

1、数据规模大：传统数据技术主要是利用现有存在关系性数据库中的数据，对这些数据进行分析、处理，找到一些关联，并利用数据关联性创造价值。这些数据的规模相对较小，可以利用数据库的分析工具处理。而大数据的数据量非常大，不可能利用数据库分析工具分析。

2、非结构化数据：传统数据主要在关系性数据库中分析，而大数据可以处理图像、声音、文件等非结构化数据。

3、处理方式不同：因为数据规模大、非结构化数据这两方面因素，导致大数据在分析时不能取全部数据做分析。大数据分析时如何选取数据?这就需要根据一些标签来抽取数据。所以大数据处理过程中，比传统数据增加了一个过程Stream。就是在写入数据的时候，在数据上打一个标签，之后在利用大数据的时候，根据标签抽取数据。这个过程就类似于寻找图书：如果你在你个人书柜里，寻找一本书是很容易的，所以你买了书，可以直接放到书柜上，不用做任何处理;而如果图书馆买了书，如果不做任何处理的话，你是很难找到一本书的，所以图书馆在新书入库的时候，首先会对每本书打上标签，而这个打标签的过程，就是类似于Stream的工作。

五、大数据杀熟和大数据的区别？

1．价格策略透明度不同。

如果消费者明知道商家对不同的人采取不同的价格，仍然愿意继续同商家交易，就更加符合自愿原则。而大数据杀熟的场景，大量消费者并不清楚是否存在价格歧视，或者自己如何被歧视的。

2．买卖双方信息对等性不同。

如果消费者知道商家针对不同的人采取何种价格，例如针对老人打折，还是针对小孩打折，还是凭本事砍价，交易合同的公平性就更为明显。另一方面，传统零售环节中，买卖双方对对方的了解程度都是差不多的，过程中通过“诈走”等方式，买卖双方互相探知对方的底线，获得的信息量也大致公平。而在大数据杀熟的交易中，几乎是销售平台对消费者信息的单方面掌握，消费者对平台信息则难有所知；此外，销售平台对个人信息的窥探程度过深，容易侵犯消费者个人隐私。

3．议价能力和可沟通性不同。

传统零售环节的讨价还价，买卖双方的议价能力相当，而且双方可以就价格即时进行沟通，因此，即使消费者砍价失败，也往往自叹功力不足。但在大数据时代，消费者更多是平台定价的接受者，双方难以进行你来我往的议价和沟通。

4．选择性不同。

在传统零售中，如果消费者在议价过程中败下阵来，还可以“用脚投票”——真的不买了，再去寻找可替代的商家。而大数据杀熟的行为人往往是大型互联网平台，具有一定的市场力量和粘性，消费者对平台依赖较多，则较难寻找新的卖家。

5．市场的竞争性不同。

传统零售环节的市场结构较为分散，零售终端竞争激烈。竞争会迫使经营者选择更受消费者欢迎的销售策略。如果消费者不喜欢个性化定价或者讨价还价，那么竞争会敦促经营者采取统一的定价。而互联网平台销售终端的市场结构相对集中，来自市场的竞争压力较小，同时，平台也容易相互效仿，都进行价格歧视。

六、人工智能与数据科学与大数据有哪些区别？

人工智能、数据科学和大数据都是当前备受关注的技术领域，但它们之间有一些区别和不同的重点。

1、人工智能：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能涵盖了多个领域，如机器学习、计算机视觉和自然语言处理等，旨在模拟人类的智能行为和思维能力，包括自我学习、推理、判断和决策等。

2、数据科学：数据科学是一门跨学科的学科，涵盖了统计学、计算机科学、数学、社会科学和工程学等多个领域。它的重点是通过对数据的收集、处理、分析和解释，来提取有价值的信息和知识，以支持决策和问题解决。数据科学的过程包括数据采集、清洗、可视化、建模和解释等。

3、大数据：大数据指的是规模巨大、复杂多样的数据集合，其处理和分析需要使用先进的技术和方法。大数据关注的是如何有效地处理和分析大量数据，以提取有价值的信息和洞见。大数据的处理包括数据采集、存储、处理、分析和可视化等多个环节。

虽然这三者之间有一些重叠和关联，但它们的核心重点和目标有所不同。人工智能注重模拟和扩展人类的智能，数据科学侧重于从数据中提取信息和知识，而大数据则关注处理和分析大规模的数据集。在实际应用中，这些技术领域可以相互结合，共同用于解决复杂的问题和推动创新。

七、大数据征信与传统征信相比有何区别呢？

1、确实有不同之处，央行征信是传统征信方式，大数据征信是伴随互联网金融发展起来的2、央行征信与大数据征信差异主要从征信数据来源、权威性、数据完整性、用途等维度区分3、央行征信特点：数据主要来自银行、证券、保险、社保等体系里构成一个数据循环，权威性高，数据基本完整，主要用于资产评估、银行放贷、信用卡额度等5、大数据征信特点：数据主要来自互联网各大平台，使用互联网技术抓取或接口合作获取征信数据，资质再好一点的企业可以申请接入央行征信，权威性不如央行征信，但随着互联网金融的发展会越来越重要，数据完整性各大数据征信平台不同，主要用于互联网金融，例如P2P，如果p2p拿不到央行征信数据风险会很大。

6、展望未来：随着互联网金融的发展，大数据征信与央行征信会不断融合直至融为一体，真正的满足数据的完整性，那违法犯罪基本就真的大大减少了，信用真的就是钱！