一、 大数据发现数据特征

面对TB甚至是PB、EB的海量数据，正常电脑软件技术肯定就无从下手了，大数据技术在面对这样的数据情况时，会分成三个步骤：

1.先看数据特征。从大量的数据信息中查看大数据的特征，很多数据都是有规律可循的，从规律特征去进行深一层的数据解析。

2.在看业务特征。在充分了解市场行情的基础上，判断业务特征分析。

3.提出数据决策。在充分了解数据特征和市场行情的情况下，通过一系列的业务判断之后就可以提出数据决策，在数据有规律可循的基础上，做出更明智的选择。

二、 大数据发现数据变化

在了解数据变化的基础上，观测数据的业务变化，从数据的规律和变化异常上分析查看数据信息的变化。数据每天都在产生，大量的数据信息中，如果有很多相同或者类似的数据信息统一出现，通过预测就会有事件发生，大数据进行相关检测并且引导事情的发展轨迹，改变趋势。

三、 大数据发现数据关联性

大数据是相互关注的也是相互关联的，从数据的相关性可以判断影响业务的关键因素。大数据技术在解决问题时通过对数据的监控，发现其大数据的关联性，并且找到其影响原因。举一个简单的例子，2017年维密秀在上海举办，维密模特Gigi因在之前公然辱华，并且没有道歉，遭到大量网友举报禁止Gigi来参加秀场，大批网友的支持Gigi并没有来到上海参加走秀，网民的直接态度与模特是否来是有相关性的。

大数据技术在运用过程中，需要在海量的数据信息中发现数据的特征，查看数据的变化和相关性，大数据在解决问题的时候，无非就是对数据进行一系列分析，找寻到较有价值的数据信息和影响变化的关键因素，达到预测未来发展动态和改变事件的技术功能。

大数据的核心就是预测，在多样的海量数据中查看数据变化特征，实现大数据本身的技术功能。