大数据即海量的数据，一般至少要达到TB级别才能算得上大数据，相比于传统的企业内数据，大数据的内容和结构要更加多样化，数值、文本、视频、语音、图像、文档、XML、HTML等都可以作为大数据的内容。目前，交通的大数据应用主要在两个方面，一方面可以利用大数据传感器数据来了解车辆通行密度，合理进行道路规划包括单行线路规划。
大数据具体是做什么？有哪些应用？
大数据即海量的数据，一般至少要达到TB级别才能算得上大数据，相比于传统的企业内数据，大数据的内容和结构要更加多样化，数值、文本、视频、语音、图像、文档、XML、HTML等都可以作为大数据的内容。提到大数据，最常见的应用就是大数据分析，大数据分析的数据来源不仅是局限于企业内部的信息化系统，还包括各种外部系统、机器设备、传感器、数据库的数据，如：政府、银行、国计民生、行业产业、社交网站等数据，通过大数据分析技术及工具将海量数据进行统计汇总后，以图形图表的方式进行数据展现，实现数据的可视化，在此基础上结合机器学习算法，对数据进行深度挖掘，发掘数据的潜在价值。
应用部分，大数据不仅包括企业内部应用系统的数据分析，还包括与行业、产业的深度融合，大数据分析的应用场景具有行业性，不同行业所呈现的内容与分析维度各不相同，具体场景包括：互联网行业、政府行业、金融行业、传统企业中的地产、医疗、能源、制造、电信行业等等。1. 互联网行业大数据的应用代表为电商、社交、网络检索领域，可以根据销售数据、客户行为（活跃度、商品偏好、购买率等）数据、交易数据、商品收藏数据、售后数据等、搜索数据刻画用户画像，根据客户的喜好为其推荐对应的产品。
2. 政府行业在大数据分析部分包括质检部门、公安部门、气象部门、医疗部门等，质检部门包括对商品生产、加工、物流、贸易、消费全过程的信息进行采集、验证、检查，保证食品物品安全；气象部门通过构建大气运动规律评估模型、气象变化关联性分析等路径，精准地预测气象变化，寻找最佳的解决方案，规划应急、救灾工作。3. 金融行业的大数据分析多应用于银行、证券、保险等细分领域，在大数据分析方面结合多种渠道数据进行分析，客户在社交媒体上的行为数据、在网站上消费的交易数据、客户办理业务的预留数据，结合客户年龄、资产规模、消费偏好等对客户群进行精准定位，分析其在金融业的需求等。
4. 传统行业包括：能源、电信、地产、零售、制造等。电信行业借助大数据应用分析传感器数据异常情况，预测设备故障，提高用户满意度；能源行业利用大数据分析挖掘客户行为特征、消费规律，提高能源需求准确性；地产行业通过内外部数据的挖掘分析，使管理者掌握和了解房地产行业潜在的市场需求，掌握商情和动态，针对细分市场实施动态定价和差别定价等；制造行业通过大数据分析实现设备预测维护、优化生产流程、能源消耗管控、发现潜在问题并及时预警等。
学习大数据技术与应用需要英语和数学成绩好吗？
当前大数据相关专业正在成为热点，不少学生对于大数据相关技术也比较感兴趣，但是在选择之前，一部分数学和英语成绩并不理想的同学可能会有所顾忌，担心学不好。实际上，这种担心是有道理的，因为数学是大数据的三大基础学科之一，如果数学基础比较差，学习大数据技术时会遇到很多障碍，而英语交流能力对于后续的学习交流也有比较现实的意义，所以要想在大数据技术这条路上走得更远，一定要重视数学和英语的学习。
大数据的技术体系是以数据为基础，以数据价值化为核心，所有的大数据技术体系均围绕数据价值化来展开。大数据的数据来源依赖于数据采集渠道，目前主要的数据采集渠道包括物联网、互联网和传统信息化系统。而要想完成数据的价值化，目前主要的渠道之一就是数据分析，数据分析有两种常见的方式，其一是统计学方式，其二是机器学习方式，而这两种方式说到底就是数学方式。
因此，学好数学是能够进行数据价值化操作的重要基础。随着学习的深入，英语的重要性会逐渐体现出来，尤其是到研究生阶段，需要完成某个研究方向的创新，首先就需要了解当前的技术边界，这个过程需要阅读大量的英文资料。所以，学习大数据技术越深入，英语的重要性就会体现得越明显。当然，随着大数据技术体系的逐渐成熟，大数据技术也将广泛落地到传统行业，这个过程不仅需要具有创新能力的研发型人才，也需要大量的技能型人才，而技能型人才对于数学和英语的要求并不算太高，所以即使数学和英语成绩不好，也是可以学习大数据技术的。
