1. 数据的核心原理

从“流程”核心转向“数据”核心

大数据时代，计算模式也发生了变化，从“流程”核心转向“数据”核心。系统的分布式计算框架已经是一个以“数据”为核心的范式。非结构化数据和分析需求将改变IT系统的升级方式：从简单的增量到架构的改变。大数据下的新思维——计算模型的变革。

例如：IBM将采用以数据为中心的设计，目的是减少超级计算机之间交换大量数据的需要。大数据下，云计算找到了破茧而出的机会，在存储和计算上都体现了以数据为核心的理念。大数据与云计算的关系：云计算为大数据提供了强大的工具和方法，大数据为云计算提供了有价值的场所。大数据比云计算更实用，能够有效利用已经大量建设的云计算资源并最终加以利用。

科学进步越来越多

地由数据驱动。海量数据给数​​据分析带来了机遇，也带来了新的挑战。大数据往往是通过多种技术和方法综合多个渠道、不同时间的信息而获得的。为了应对大数据带来的挑战，我们需要新的统计思路和计算方法。

2、数据价值原理

从函数即值转向数据即值

大数据真正有趣的地方在于数据变得在线，这正是互联网的特点。对于非互联网时代的产品来说，功能一定是它的价值。对于今天的互联网产品来说，数据一定是它的价值。

例如：大数据的真正价值在于创造和填补无数尚未实现的空白。有些人将数据与含有能源的煤矿进行比较。煤按性质分为焦煤、无烟煤、肥煤、贫煤。露天煤矿和深山煤矿的开采成本不同。同样，大数据不在于“大”，而在于“有用”。价值内容和挖矿成本比数量更重要。无论大数据的核心价值是否是预测，基于大数据的决策模型都为许多企业带来了利润和声誉。

3、全样本原则

从采样转变为需要完整的数据样本

需要所有数据样本而不是抽样。你不知道的比你知道的更重要，但如果现在有足够的数据，它会让人们看到并感受到其中的模式。数据如此之大、如此丰富，让人们感觉自己有足够的能力来把握未来，并对不确定的状态做出判断，从而做出自己的决定。这些东西对我们来说听起来很原始，但实际上它们背后的思维和我们今天谈论的大数据非常相似。

例如：在大数据时代，商家和信息收集者都比我们自己更知道你可能想做什么。目前的数据还没有被真正挖掘。如果被开采，可以通过信用卡消费记录成功预测未来五年的情况。统计学中最基本的概念之一是只能通过所有样本才能找到模式。为什么我们可以找到行为模式？更深层次的概念是人是一样的。如果一个人是例外，他可能很有个性，但是当人群样本足够大时，你会发现每个人都是一模一样的。的。