大数据（big data），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

大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

当前大数据相关专业正在成为热点，不少学生对于大数据相关技术也比较感兴趣，但是在选择之前，一部分数学和英语成绩并不理想的同学可能会有所顾忌，担心学不好。

实际上，这种担心是有道理的，因为数学是大数据的三大基础学科之一，如果数学基础比较差，学习大数据技术时会遇到很多障碍，而英语交流能力对于后续的学习交流也有比较现实的意义，所以要想在大数据技术这条路上走得更远，一定要重视数学和英语的学习。

大数据的技术体系是以数据为基础，以数据价值化为核心，所有的大数据技术体系均围绕数据价值化来展开。大数据的数据来源依赖于数据采集渠道，目前主要的数据采集渠道包括物联网、互联网和传统信息化系统。而要想完成数据的价值化，目前主要的渠道之一就是数据分析，数据分析有两种常见的方式，其一是统计学方式，其二是机器学习方式，而这两种方式说到底就是数学方式。因此，学好数学是能够进行数据价值化操作的重要基础。

数据搜索是一个并不新鲜的应用，随着“大数据”时代的到来，实时性、全范围搜索的需求也就变得越来越强烈。我们需要能搜索各种社交网络、用户行为等数据。其商业应用价值是将实时的数据处理与分析和广告联系起来，即实时广告业务和应用内移动广告的社交服务。

随着学习的深入，英语的重要性会逐渐体现出来，尤其是到研究生阶段，需要完成某个研究方向的创新，首先就需要了解当前的技术边界，这个过程需要阅读大量的英文资料。所以，学习大数据技术越深入，英语的重要性就会体现得越明显。

当然，随着大数据技术体系的逐渐成熟，大数据技术也将广泛落地到传统行业，这个过程不仅需要具有创新能力的研发型人才，也需要大量的技能型人才，而技能型人才对于数学和英语的要求并不算太高，所以即使数学和英语成绩不好，也是可以学习大数据技术的。