海量数据是什么股票？
关于“海量”的理解，目前市场上主流意见有两种： 一是来自Google的说法 ——2013年9月，李开复接受媒体采访时说： “谷歌中国被关掉的时候，他们宣布是退出中国市场。但是其实他们还是继续用100%的力量在研发上投入在中国（市场）。当时我就跟他们说我们很愿意合作。我说，如果真的是退出的话，你们应该把一些技术拿出来。然后他们说了一句我印象特别深的一句话‘海量的数据。’他们说的意思就是，他们在中国的数据量已经多到可以分析用户喜欢什么，这个数据的分析价值比钱还重要得多。所以他们是不会拿出来的。” 另一说法则是来自IBM的内部资料——《大数据时代，机遇与挑战并存》一文提到： IBM的大数据专家David Llewelyn认为：“大规模、多样性、实时性和复杂性的特点定义了‘大数据’的本质……例如，一个网站每天可能产生多达几十亿个页面浏览记录，而全球互联网每年产生的数字信息量则高达人类历史上所有书籍信息的10倍以上；一个社交媒体用户一天会产生大约200兆字节的新内容(包括文本、图片、视频和数据等)，相当于2万个词表的5倍……” 从以上两种观点来看，似乎都承认“数据规模大”是衡量“海量数据”的标准之一。 但问题是，对于同一“数据集”，不同的人或组织可能会得出迥然不同的结论。比如上面提到的Google与IBM，就分别以自己拥有的“数据量”来界定“海量”，虽然彼此都认为自己是“海量”的拥有者，但事实上却互不承认对方符合“海量标准”[1]。因此，究竟要怎样量化“数据量”才能统一认识呢？这才是关键。 对于这个问题，我认为可以从以下三个方面来进行考察：一、数据体量大小；二、处理速度；三、应用前景。下面我将逐一论述我的看法。
首先看第一个方面——“数据体量大不大”——从这一点出发，我们可以考虑以下几个指标： 一、样本数量多不多 根据国际数据公司(IDC)统计，截至2014年第一季度末，全球数据库总量为86ZB(1 ZB=1000EB/Exabyte，即1万亿GB)左右，其中，关系型数据库占了约四分之三的比例，达71.5ZB，同比增长25.7%(按此增长率推算，年底可达94.2ZB);非关系型数据库约为6ZB左右;文件系统约为30ZB，同比增涨超过50%，增长速度最快;(数据来源： IDC DbDesk Database Facts of the World Q1'2014 Update ) 二、每单位数据的大小如何 在“单位数据容量成本”这一指标中，除了表示存储能力的“TB"(Terabytes 千兆字节)之外，还有用来表示计算能力“Tflops" (Trillions of flops 万亿次浮点运算)的单位，以及反映传输效率的“每秒传输位数”(bps， Bit Per Second)"和“每秒传输次数"(Mips， Million Instructions Per Second)(详见百度百科 "计算能力")。从这个角度来看，不同来源的数据，或者处于不同时期的相同数据，其性价比都是不一样的。 三、数据是否具有可读性 由于目前的计算机主要使用二进制方式读写数据，这使得人们无法直接读取原始的自然语言数据，也无法完全理解这些数据的含义。对此，美国斯坦福大学计算机科学教授John Sden曾提出过一个概念叫“语义网”，他认为这种通过自然交流方式表达信息的网络将会成为未来互联网的发展趋势[2]。而要达到这样的目标，不仅需要大量高质量的数据，还要有能够读懂并理解它们的工具和技术支持才行啊！
其次来看第二个方面的——“处理速度快不快”——既然前面提到了“语义网”的概念，那么在这里我们也可以把它理解为一种新的数据处理方式——“语义检索”(Semantic Search)。因为它的出现使得人们对网页信息不再是简单机械式地收集和存储下来，而是更倾向于根据人们的意愿对其进行分类整理加工；另外它还具备了对已有数据进行深度挖掘和分析的能力，这样一来就可以更快捷地发现其中的有用信息并且加以利用了！ 四、数据分析模型是否成熟 近年来随着科技的发展和社会需求的变化，传统的数据分析方法已不能满足人们对信息的获取和管理需要。为此不少企业和研究机构纷纷尝试使用基于深度学习技术的新型数据分析手段来解决这些问题，并取得一定成果：如谷歌在2012年初推出了一款名为“DeepMind Proto"的游戏引擎，用它可以很快地对游戏进行优化调整;微软于去年发布了基于机器学习算法的搜索平台——Azure Machine Learning Studio等等。 目前国内也有多家公司在研究这类新技术产品：如阿里巴巴旗下云计算服务提供商阿里云推出了名为“阿里云AI"的产品集群，腾讯也于近期发布了自己的智能问答机器人；另外还有几家创业型企业正在尝试做类似项目：如北京优图佳视觉信息技术有限公司推出了图像识别服务平台U2Foto，成都数联铭传科技有限公司推出了基于深度学习技术的自然语言理解与推理平台“iNLP"。
第三个方面