根据全球网络指数，截至2016年1月，全球约有34亿互联网用户，其中活跃的社交媒体用户约为23亿。互联网的无处不在使我们的社会交往变得简单和方便，好评返现网，通过互联网进行的社会协作也在增加。当我们在互联网上进行互动和交易时，大数据共享平台，会产生大量的数据。这本身就是大数据。我们过一会儿再谈。个性化是随着Web 3.0的出现而出现的新趋势，像Facebook这样的流行社交网络已经开始了个性化活动，并根据用户的兴趣和过去的行为提供独家的帖子提要。的确很聪明。

企业社交网络的情况非常相似，而且数据的个性化也非常重要用户安全和隐私问题日益突出。

互联网上的社交媒体渠道产生了大量的数据。从数据中收集信息并寻找其中的意义将是竞争的关键区别因素。麦肯锡（Mckinsey）不久前发表了一篇广受欢迎的报告《大数据：创新、竞争和生产力的下一个前沿》（Big data:The next frontire for innovation，competition，and productivity）说，这也可能导致生产力和创新的提高。

问题是如何更好地利用这些大数据？在社交网络领域分析it有什么挑战？即使在"大数据"一词被首次提出5年后，这些问题仍然显得十分严峻。如今，人们分析大数据以获取见解的方式与传统管理者看待分析的方式大不相同。在我们探讨挑战之前，我们先来看看什么是大数据，它涵盖了什么。

社交网络和媒体中的大数据

大数据是社交网络中产生的所有巨大非结构化数据，来源广泛，淘客采集，从社交媒体的"喜欢"、"推特"、"博客文章、评论、，视频和论坛信息等。只是为了给你一些信息，谷歌在任何一天都会处理大约24 PB的数据。对于你的信息，大部分数据不是按行和列排列的。大数据还考虑了来自RFID和各种传感器的实时信息。从如此规模的数据中可以收集到的社会智能是巨大的。企业和消费者社交网络中的专业人员和技术人员已经开始意识到通过社交对话生成的数据的潜在价值。有时大数据也常常被称为"绑定"数据和"非绑定"数据

社交网络具有几何增长模式。大数据技术和应用程序应具有扩展和分析这些大型非结构化数据的能力。它应具有在发生时进行实时分析的能力。社交媒体对话产生了大量的信息背景。这样的语境是分享知识和专业知识的宝贵资源，会话中的语境是社交网络成功的关键。每天分析数以百万计的对话信息并非易事，传统的分析方法可以帮助主流大数据分析，两者需要齐头并进。它们可以分为两类：

首先，数据采集、处理和存储的概念和传统思维过程需要改变。这是一个渐进的过程。挖掘如此巨大的数据需要数据挖掘技术，如数据挖掘网格和Map reduce基础设施，如Hadoop。该技术可能不具有成本效益，学习曲线陡峭。它还需要非线性、不确定性的软件架构。

第二，众所周知的格言"我们衡量的就是我们管理的"在这里非常重要。这意味着，作为一个组织，我们需要知道我们今天要衡量什么。很重要的一点是，我们要清楚地了解自己在寻找什么。如果我们想确定一天的趋势模式，并预测一次社交对话可能会导致的路径，美国高防云服务器，那么就需要知道"什么时候该问问题"。这是相当困难的，因为事件是动态的。

最后的想法

随着这些大数据分析中的趋势性挑战，未来充满了巨大的生产任务和新的创新，在未来几年，一种观点认为，大数据应用将模糊消费者和组织的数据，并在未来走向个人和组织的综合社交网络足迹

，大数据说