大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。那么大数据在生活中的例子是什么？
一、 大数据在金融行业的应用
金融行业应该是运用大数据技术最频繁的一个行业，证券和银行经常会运用大数据技术进行数据分析，通过对数据的监控和分析，有效规避风险。
金融行业面临的行业挑战有很多，证券欺诈预警，超高金融分析，信用卡欺诈和企业信用风险等一系列数据数据风险挑战，行业内面临的种种问题，都需要大数据发挥其预测的核心功能，有效规避风险。
二、 大数据在娱乐媒体的运用
大数据行业在各个行业都有涉足，举一个简单的例子，通过社交媒体明星粉丝数量分析和行业内新闻动态，可以预测影视视频的播放量和受喜爱程度;通过智能产品的点击数量和浏览量，可以推测用户的个性偏好，并且推荐其喜爱的产品。
前段时间大火的美剧《纸牌屋》，通过大数据分析，选取适合网友的视频偏好和明星选择，造成轰动的播放量。大数据在社交媒体和娱乐行业的大数据分析，一部分也在引导观众和粉丝，让其为娱乐产业消费。
三、 大数据在医疗行业的运用
iPhone用户手机上都有这个功能，通过健康APP里的健康步数统计和锻炼情况，为你记录你的健康状况，并且预测可能发生的疾病，这就是在运用大数据技术，通过一系列的记录分析，预测可能要发生的事情并且及时解决。医疗行业可以通过用户的身体情况和大量病例数据，分析提高医疗行业的监控力度，并且进行有效检测，降低用户的患病率。
数据量大（Volume）
第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。
类型繁多（Variety）
第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。
价值密度低（Value）
第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
速度快、时效高（Velocity）
第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。
标签：例子,数据,生活
