大数据，俨然已经成了目前社会上各行各业都在讨论不休的最流行，最性感的词之一了。数据挖掘，数据可视化，各种理论各种应用层出不穷，充斥着整个网络。

  那么大数据到底有什么用？到底怎么用？

  当我们想把现实世界的一个事物，一个行为，甚至一种思想，移植到计算机世界的时候，每一个人都会想到一个耳熟能详的词：建模。而建模，就是把现实世界的事情抽象成为数学模型，以计算机能够理解的语言对这些现实世界中的事情进行描述, 存储，运算，处理。在这个过程中，建模这个行为，就成了链接现实世界人类的认知与计算机世界的模型之间的一个行为桥梁，最终实现以数据表示描述现实事物的目的。数据，在这里，成了在计算机世界里承载现实事物和行为信息的一个载体。

  而反方向来看，数据分析，则是一个从计算机所理解的数学模型（数据，算法，逻辑等等）具象化，一步步转化为现实世界中人们能够理解的认知模型的一个建模的逆向过程，把计算机数据之中所承载的现实世界事物和行为的信息转化为人们所能够理解的信息格式，呈现在人们的面前。

  简单来说，人类的认知模型和计算机世界描述的数学模型之间的转换，构成了计算机应用的最基本的行为单元。人类就是在一次次的认知与模型之间的转换中，完成了计算机应用的进化与发展，只不过在不同的层面上，不同专业领域的人们的认知能力不同，那么相对而言认知模型的抽象化程度不同，仅此而已。

  说回数据分析。传统上的数据分析，由于计算机中所存储的数据一般都是基于专业人员建立的规则的模型，而数据的采集方式也多数是设计好的规则化的通道，所以数据中所包含的现实意义的认知信息往往很是规范，无须多费脑子，数据分析人员就可以将这些标准化的数据转化成为更高一层的认知模型中的信息。

  由于互联网的发展，尤其是物联网的发展，使得计算机世界从现实世界采集原始信息的方式变得丰富多彩，采集的信息的格式也变的变幻莫测，随意性成指数增加，使得数据所承载的现实世界的认知信息变得碎片化，无序化，这就是大数据。这种数据的大量收集使得传统的数据分析方法变的力不从心。于是，如何将这碎片化，无序的零散信息收集挖掘整理形成相对规律的结构化信息，变成了一个对大数据应用的一个关键行课题。大数据科学，便由此而生。

  但不管怎样，万变不离其宗， 数据再复杂， 量再大， 对于大数据的应用,总是脱不开一层层的从相对的数学模型向着相应的认知模型转化的模式和方向.将数据一步步的从更深一层的数据模型转化为上一层的认知模型，相当于把数据一步步简化，具象，最终达到可供决策人员理解适用的决策支持，这就是大数据应用的一个通用的步骤。

  要注意到， 对每一个领域的专业人员而言，数据模型和认知模型的定义会有所不同。对于数据科学家而言， 复杂的大数据是数据模型，而结构化数据结构则是其专业领域内的认知模型， 但是对于数据可视化工程师而言，简单地业务模型是她所要面对的数学模型， 而图表报表则是她的专业领域中所面对的认知模型。