大数据的来源有几种？不同来源的数据各有什么特点？
1.越来越多的机器配备了连续测量和报告操作条件的设备。几年前，跟踪遥测引擎的操作仅限于价值数百万美元的航天飞机。现在，汽车制造商已经在他们的车辆中配备了监视器，以持续提供车辆机械系统的整体操作。一旦数据可用，该公司将尽一切可能从中获利。这些机器感知数据属于大数据范围。
2.计算机生成的数据可能包含关于互联网和其他用户的行为和行为的有趣信息，提供了对他们的愿望和需求的潜在有用的理解。
3.用户生成的数据/信息。人们通过电子邮件、短信息、微博等产生的文本信息。
到目前为止，最大的数据是音频、视频和符号数据。这些数据结构松散庞大，很难提取出有意义的结论和有用的信息。
大数据改变了所有行业的公司运营。从了解市场到如何挖掘商业信息，大数据可以看到每一个变化。一个致力于大数据收集和分析的行业已经形成，并对现有公司产生了深远的影响。调查显示，10%的公司认为大数据在过去五年中彻底改变了他们的运营。46%的公司认为大数据是决策过程中的重要支持因素。
大数据按照产生的途径不同可以分为？
大数据技术可以分为数据采集、数据访问、基础设施、数据处理、统计分析、数据挖掘、模型预测和结果呈现。以下是详细介绍:
2.数据接入:大数据的存储采用不同的技术路线，大致可以分为三类。第一类主要面对大规模结构化数据。第二类主要面对半结构化和非结构化数据。第三类面临结构化和非结构化数据混合的大数据。
3.基础设施:云存储、分布式文件存储等。
4.数据处理:不同的数据集可能有不同的结构和模式，比如文件、XML树、关系表等。，这显示了数据的异质性。对于多个异构数据集，需要进一步的整合处理或集成处理。对不同数据集的数据进行收集、整理、清洗和转换后，生成新的数据集，为后续的查询和分析处理提供统一的数据视图。
5.统计分析:假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测和残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析和快速聚类。
6.数据挖掘:目前现有的数据挖掘和机器学习技术有待完善；发展数据网络挖掘，独特的群体挖掘，图挖掘和其他新的数据挖掘技术；突破基于对象的数据连接、相似性连接等数据融合技术；突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。
7.模型预测:预测模型、机器学习、建模与仿真。
8.成果呈现:云计算、标签云、关系图等。