1樓：Kim Young
大資料也會上雲變成以雲計算為依託的雲上大資料中臺，而且這是必然趨勢這會降低程式設計師的准入門檻，讓大資料計算獲取更為容易，這方面參考阿里雲的Maxcomputer+DataWorks那一套，產品化的東西，會更偏向業務開發，從而加快產品迭代速度，而本身阿里也一直迭代。
2樓：
雲計算分為幾層，iaas、paas、saas，具體釋義自行查一下。雲計算環境產生的資料便於挖掘，而人工智慧需要大量的資料、演算法支援。
雲計算、大資料、人工智慧彼此聯絡，資料=貨幣。
3樓：
First，我先來闡述一下雲計算和大資料是什麼東西，這兩者目前沒有什麼確切的官方定義，一下純為我的經驗之談。
雲計算在我看來核心就是X as a Service，也就是說傳統IT平台內的任意元件都可以對外提供服務。舉個簡單的例子，傳統IDC內有計算服務，也就是伺服器，如果將資源池化之後做成乙個個虛擬機器，然後以租借的方式租出去，然後按需要收費，這個其實就是所謂的ECS：Elastic Compute Service彈性計算服務，其實就是把伺服器當作服務提供了。
同樣的還有資料庫服務、虛擬網路等等。按照服務類別劃分的話，大體上承認的也就是IPS as a Service（基礎設施，軟體服務和平台中介軟體即服務），對於IaaS，我個人傾向於40%虛擬化+30%儲存+30%網路這麼個比例；對於PaaS，就是把我們常用的中介軟體以服務的形式對外提供；對於SaaS，則為雲端軟體形式對外提供服務，如Office365。
關於大資料呢，一直以來很多人對於大資料和雲計算的認知是這倆貨在一起（跟客戶聊天的時候我就發現了這種認識不在少數），但實際上，大資料平台可以依託於傳統IT服務，也可以依託於雲服務，這個取決於大資料平台的大小和伸縮性，如果伸縮性很高的話，雲IaaS是不錯的選擇。什麼是大資料呢：大資料直觀的感受就是資料量大，其實量大不是關鍵，關鍵的是大資料中資料量不僅大，而且種類還多，比如傳統SQL結構化資料，甚至還有半結構化資料和非結構化資料，大資料平台的作用就是儲存、管理、維護這些資料，至於使用的話，是交給大資料平台應用去處理的（比如某動公司的一些系統就用到了Hadoop平台）。
再來解釋一下Hadoop，Hadoop其實是乙個資料處理平台，它裡面有若干元件，比如MapReduce作業處理、HBase資料倉儲、MQ訊息佇列、BI Stone等等。
關於大資料和雲計算的關係呢，怎麼說呢，可以說有關係，也可以說是沒關係，這個還是取決於企業業務需求和生產環境的實施和部署，針對具體應用場景採取不同的框架和策略，達到效益最大化。
4樓：孫舒佩
自下而上，應從雲計算、大資料到商業智慧型，這三者的關係上看，雲計算是基礎，負責資源整合與優化，大資料是支撐，負責海量資料收集與統計，商業智慧型是外在應用表現，負責BI智慧型分析與輔助決策。
5樓：戴湧
雲計算、大資料和商業智慧型的關係簡單地理解就是：
商業智慧型中的智慧型從何而來？ 方法之一就是通過大資料這個工具來對大量資料進行處理，從而得出一些關聯性的結論，從這些關聯性中來獲得答案，因此，大資料是商業智慧型的一種工具。 而大資料要分析大量的資料，這對於系統的計算能力和處理能力要求是非常高的，傳統的方式是需要乙個超級計算機來進行處理，但這樣就導致了計算能力空的時候閒著、忙的時候又不夠的問題， 而雲計算的彈性擴充套件和水平擴充套件的模式很適合計算能力按需呼叫，因此，雲計算為大資料提供了計算能力和資源等物質基礎。
總結說來就是商業智慧型的乙個有力工具是大資料，大資料的計算資源和能力的理想的提供方式是通過雲計算。
6樓：
我個人覺得最好的解釋（不一定全面）如下：
雲計算=>著重於儲存（物理記憶體，儲存）
大資料=>著重於資料，在雲計算的基礎上將資料整合與儲存商業智慧型=>在大資料的基礎上，資料建模，資料探勘=>用展現工具，將資料有規律的Show出來。
7樓：liu polo
簡單看法:
網際網路通過連線全球各種智慧型裝置的使用者帶來資訊革命，大量個體資訊匯集成海量卻雜亂無章的網際網路資訊系統。
雲計算通過網際網路提供全球使用者計算力、儲存服務，為網際網路資訊處理提供硬體基礎。
大資料運用日趨成熟的雲計算技術從浩瀚的網際網路資訊海洋中獲得有價值的資訊進行資訊歸納、檢索、整合，為網際網路資訊處理提供軟體基礎。
商業智慧型是網際網路資訊系統有序化後的一種商業應用。
8樓：
上面的回答太專業了，看不懂，這麼打比方看對不對哈？
關係：大資料：學校圖書館；
商業智慧型：考試100分；
雲計算：在你沒有去過圖書館的狀況下建立大腦跟圖書館的關係，讓你實現考100分。
發展前景：
圖書館——會越來越大、越來越全，最終啥都有；
考試——會越來越接近100分；
連線——傳輸速度會越來越快，傳輸的資訊量越來越大。
9樓：
1. 以map/reduce為代表的分布式平行計算（如果這個算雲計算）實際上不是一種聰明的演算法甚至不是一種演算法，它只是便於演算法實現的基礎架構而已。
2. 雲計算不能加快任何演算法的速度，它只是使子問題的並行執行變得更方便而已。
3. 搜尋是乙個易於實現並行化的應用，所以目前絕大多數雲計算運用都和搜尋有著某種關聯。
4. 平行計算不是一件新事物，如果節點之間的資訊需要大量共享，那麼map/reduce這類方法就失去了吸引力。
5. 對於計算密集型的資料分析或資料探勘演算法時，你會遇到意外的障礙，而雲計算很可能幫不了你什麼。
6. 雖然有很多人很多文章談到了雲計算與大資料，而且頭頭是道。但是，只要假想乙個簡單的組合問題，比如哪些關鍵因素決定了一部電影的票房，然後在紙上寫下你的解決步驟和大致演算法，你就會發現一堆吹爆的牛皮。
10樓：阿舊1789
雲計算是基礎設施的集約化，大資料是資訊架構的集約化，兩者有聯絡，但並非一定綁在一起。
我對大資料的觀點和主流觀點有些不同，雖然大家都在講4V，但是從客戶需求的統計來看，所謂海量或者快速增長還是個例，全世界也就那麼幾個linkedin，taobao，facebook，google。更多企業需要的是資料流的拉通和整合，是以資訊為中心，重新調整企業IT架構的IT重構動作，以及把大量目前處於資訊架構邊緣的資料整合到企業資料中心的動作。在這之上，更深的需求是資訊的實時處理和實時響應。
而海量資料，或者急速增長，只是某些行業或者某種型別的企業才會遇到。所以如果返回到4V概念上，我認為Value，Variety，Velocity（從處理程度上來說）更重要，而Volume和Velocity（從資訊增長程度上來說）反而不那麼重要，所以大資料這個「大」字實在值得商榷。
雲計算的模型確實可能給大資料的建設帶來好處，但是這個好處也並不一定體現在多租戶、按需使用或者自助服務上，而更多體現在資源池化，管理自動化上，從這個角度上來說，大資料和雲的聯絡並不是那麼的密切。
11樓：阿外
大資料基於雲計算來部署，包括分布式的儲存、計算、訪問服務。一般的雲計算公司都是指IaaS，而大資料的處理平台跨PaaS和SaaS，現在還在還新起乙個資料即服務DaaS。
大資料報括結構化資料和非結構化資料處理、資料倉儲、資料探勘、離線計算/記憶體計算/流計算等等技術模組。
從發現情景來看，大資料一定是後面至少10年的熱點。任何系統、任何公司的核心都是資料。現在流行hadoop，流行記憶體計算、記憶體資料網格等等，以後還會有更多的概念和技術，但本質都是為大資料服務。
資料TB、PB、EB、ZB、YB的飆公升，將誕生系列新的技術和產業。而對技術人員，新生的資料科學家Data Scientists，將是最有發展前景的職業。
物聯網 大資料 雲計算 人工智慧之間的關係如何？
乙隻物聯網鯨魚 物聯網本質上是網際網路雲腦的中樞神經系統和其控制的感覺神經系統和運動神經系統 雲計算上是網際網路雲腦的中樞神經系統，它通過伺服器，網路作業系統，神經元網路 大社交網路 大資料和基於大資料的人工智慧演算法對網際網路雲腦的其他組成部分進行控制 大資料本質上是網際網路雲腦各神經系統在運轉過...
大資料，人工智慧，機械人三者之間到底有什麼關係？
不一樣的人生 top網域名稱為你回答 人工智慧有分強人工智慧和弱人工智慧 大資料 機械人就等於是弱人工智慧，無法學習和思考如果再加上學習和思考的能力，那就是強人工智慧 顫抖吧小豆芽 你可以理解為機械人是集大成者，必須有大資料的技術和人工智慧的技術加成，機械人才能更像人更智慧型，否則就是一台機器，比如...
資料分析師，資料探勘師，大資料工程師，三者的工作有何區別？
steve 從廣義上來說，資料分析師的最終進化結果應該是資料科學家 資料工程師在工作中更多的是跟Hadoop和spark這類大資料架構打交道，當然你也可以說是專職去寫SQL的 目前在工作中，資料科學和人工智慧所面對的問題和領域幾乎是重合的。資料是個很寬泛的概念，而資料科學家也可以說是資料領域CROW...