大数据技术有5个核心部分，数据采集、数据存储、数据清洗、数据挖掘、数据可视化。关于这5个部分，有哪些核心技术？这些技术有哪些潜在价值?看完今天的文章就知道了。
预测分析
预测分析是一种数据挖掘方案，可在结构化和非结构化数据中使用算法和技术,进行预测、预报和模拟。许多公司利用大数据技术来收集海量数据、训练模型并发布预测模型来提高业务水平或者避免风险。当前最流行的预测分析工具当属IBM公司的SPSS，它集数据录入、整理、分析功能于一身，分析结果清晰、直观。
两千个大数据人才在这里学习：199427210，提供大量视频教程资料。
NoSQL数据库
NoSQL泛指非关系型的数据库，这种工具可以为大数据建立快速、可扩展的存储库。随着web2.0的兴起，传统的关系数据库在应付超大规模和高并发的SNS类型的web2.0纯动态网站遇到很多问题，而NoSQL数据库解决了大规模数据集合多重数据种类带来的挑战，对于解决大数据应用难题很有帮助。
数据可视化
数据可视化是成为研究数据展示、数据处理、决策分析等一系列问题的综合技术。目前正在飞速发展的虚拟现实技术也是以图形图像的可视化技术为依托的数据可视化技术。可视化能够把大数据变为直观的、以图形图像信息表示的、随时间和空间变化的物理现象或物理量呈现在研究者面前，帮助数据挖掘模拟和计算。
认知计算
认知计算用数据来支撑人机交互的一种模式。它包含信息分析，自然语言处理和机器学习领域的大量技术创新，认知系统专门获取海量的不同类型的数据，根据信息进行推论，从自身与数据、与人们的交互中学习。2017年10月18日，谷歌人工智能团队宣布一款新版的AlphaGo Zero计算机程序可以在不需要任何人类输入的条件下，迅速自学围棋，并以100比0的战绩击败上一代AlphaGo。这就是认知计算的一个应用。
流式大数据处理
流式计算是行业研究的一个热点，流式计算的典型范式之一是不确定数据速率的事件流流入系统，系统负载分流。最近Twitter、LinkedIn 、Intuit、Metamarkets等公司相继开源了流式计算系统Storm、Kafka等，流式计算持续升温。流式分析可以对多个高吞吐量的数据源进行实时的清洗、聚合和分析，对存在于社交网站、视频、新闻、电子感应器之中的数字格式的信息流进行快速处理并反馈的需求。目前大数据流分析工具有很多、如开源的spark，streams 。
随着这些技术的进步，大数据也将继续深化和各行业的结合，只有真正应用起来，大数据才能发展得更好。
互联网科技发展蓬勃兴起，人工智能时代来临，抓住下一个风口。为帮助那些往想互联网方向转行想学习，却因为时间不够，资源不足而放弃的人。我自己整理的一份最新的大数据进阶资料和高级开发教程