01大数据概述
举例来说：在数据规模极其庞大、数据结构愈加复杂的时代，许多应用场景都包含了大量具有相互联系的不同实体；而这些实体之间的关系可以通过图上的节点、边及刻画这些点和边的属性数据来直观表达。各类基于图模型的智能分析技术和数据存储查询技术也受到业界更多的关注与重视，在其他不同的场景之下，图模型还被应用于交通网络、通信网络、合作关系网、金融交易、用户商品推荐等诸多领域。
2.为什么要学习大数据技术？
大数据是推动企业可持续变革的重要技术之一，企业需要了解大数据将如何改善业务。
当企业高管听到“大数据”这个术语时，他们自然而然地想到的是数量惊人的可用数据。这些数据来自电子商务和全渠道营销领域，或来自物联网上的连接设备，或来自生成有关交易活动的更详细信息的应用程序。
尽管如此，大数据并不是简单地以规模庞大为特征。数据本身是多样的，并且不断变化。因此，“大数据”术语还包括存储、处理、管理和服务推动业务决策的信息的新方法。正是这些新技术，尤其是大数据分析技术，带来了企业高管和IT团队都希望获得的大数据好处。
3.用图表和简单的文字简要描述大数据的发展前景和就业趋势，并谈谈你的看法。
当下，大数据方面的就业主要有三大方向：一是数据分析类大数据人才，二是系统研发类大数据人才，三是应用开发类大数据人才。他们的基础岗位分别是大数据系统研发工程师、大数据应用开发工程师、大数据分析师。
4.大数据可能带来什么样的问题？如何应对这些隐患？
数据收集时带来的风险：在大数据环境中，可以通过用户的网址搜索记录、手机上网记录、淘宝购物记录等信息来获取用户的信息，如兴趣爱好、日常生活等。
但是，这些数据的收集其实都是在用户未知的情况下进行的，用户是不清楚自己的这些信息是被用于哪些用途，亦或是谁用了这些信息，也不清楚这些信息泄露以后是由谁来负责。因此，在这样的情况下，用户的个人信息隐私安全是非常危险的。
安全漏洞多，数据泄露风险大：部分大型公司的安全漏洞比较多，而且这些公司也可能会存在对用户数据的违规使用，其安全协议过于宽松。
因此，一旦泄露，就非常危险，因为不少公司掌握的用户数据不仅仅是一个号码一个地址那么简单，而是可能是银行卡信息。
在数据分析和挖掘的时候，可能会分析出用户的隐私信息，匿名就再无作用：在分析与挖掘有价值的信息时，很大可能会分析出用户的隐私信息，不但有泄露隐私的风险，同时也可能导致隐私保护的方法失效，例如匿名。
