1、什么是大数据？
大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。
2、什么是大数据技术？哪些技术适应于大数据？
大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。
3、大数据的特点？
（1）数据体量巨大。
（2）数据类型多样。
（3）处理速度快。
（4）价值密度低。
4、大数据的作用？
（1）大数据的处理分析成为新一代信息技术融合应用的结点。
（2）大数据是信息产业持续高速增长的新引擎。
（3）大数据利用将成为提高核心竞争力的关键因素。
（4）大数据时代科学研究的方法手段将发生重大改变。
5、大数据分析存在的方法理论有哪些？
（1）可视化分析。
（2）数据挖掘算法。
（3）预测性分析。
（4）语义引擎。
（5）数据质量和数据管理。
6、大数据的技术？
（1）数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
（2）数据存取：关系数据库、NOSQL、SQL等。
（3）基础架构：云存储、分布式文件存储等。
（4）数据处理：自然语言处理(NLP，Natural Language Processing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NLU，Natural Language Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。
（4）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、回归预测与残差分析、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、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。
（5）数据挖掘：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
（6）模型预测：预测模型、机器学习、建模仿真。
（7）结果呈现：云计算、标签云、关系图等。
7、大数据处理的基本流程？
（1）采集；
（2）导入/预处理；
（3）统计/分析；
（4）挖掘。
8、大数据时代存储所面临的问题？
容量问题、延迟问题、安全问题、成本问题等。
9、大数据应用的案例？
医疗行业、能源行业、通信行业、零售业等。