研究人员与商业用户等分析大数据，是为了洞察客户的真正需求。

数据有价值，公司离不开数据，但是数据究竟有多值钱呢？分析大数据并从中获取价值的成本到底有需要多少呢？

在过去，技术专家向高级管理层提供的是历史数据，以便他们能够确定市场趋势。统计数据尽管对在较高层次了解市场趋势以及组织如何做市场很有帮助，但并不足以确定需要开发什么新产品或服务。这些统计数据不会告诉你客户真正想要什么。

分析师，研究人员以及商业用户分析大数据是为了更快更好地做出决定。通过采用诸如文字分析、机器学习、预测性分析、数据挖掘以及统计等先进的分析技术，企业可以分析之前未被开发的数据。

公司产生了大量数据，也有能力通过其他来源收集信息，这些来源包括移动应用、传感器、网站、点击流数据以及社交媒体活动等。这些数据可以变成产品。

收集和分析大量数据，特别是非结构化数据，并不是一件容易的事。目前企业的系统配备无法处理每周500TB的数据，所以没有办法挖掘到能帮助公司开发客户所需的新产品和服务的金块。这导致公司要寻求能解决问题的高性能计算资源，如天气与气候预报、参数化建模及随机建模等来处理大规模的商业化数据。

大数据分析是利用分析技术对非常大规模且多样性的数据集进行分析，这些数据包括了结构化/非结构化、流数据或批处理数据等不同类型，且在规模上也差异很大，从TB到PB乃至ZB不等。它会检查不同的数据类型以发现隐藏在其中的模式、未知的关联以及其他有用的信息。

上述信息可提供对竞争对手的竞争优势，其结果是商业利益，如更有效的营销以及收入的增加。高性能计算数据分析（HPDA）是用来描述数据密集型HPC市场及高端商业数据分析市场转变的一个术语。

接下我们继续介绍HPC、大数据以及传统IT的冲突，欢迎继续关注。