大資料和人工智慧哪個更有前景

　　大資料分析屬於認知計算的一個維度。與人工智慧相比，認知計算的範圍更廣、技術也更為先進。

　　認知計算和大資料分析有類似的技術，比如大量的資料、機器學習（machinelearning）、行業模型等，大資料分析更多強調的是獲得洞察，透過這些洞察進行預測。此外，傳統的大資料分析會使用模型或者機器學習的方法，但更多的是靠專家提供。

　　對於認知計算而言，洞察和預測只是其中的一種。但是，認知計算更為強調人和機器之間自然的互動，這些維度都不是傳統的大資料分析所強調。

　　此外，認知計算目前成長很快的一個領域為深度學習（deeplearning），它的學習方法與傳統方法不同，更多的是基於大量的資料透過自學的方式得到這樣的模型，而不需要很多的人為干預，這個從學習方法來講和大資料分析有很多不同的地方。

　　大資料和徵信的區別如下：

　　1.型別不同。徵信所採用的是同業資訊分享模式，大資料所採用的是海量資料和使用者資訊從安全、財富、守約等多個維度進行評判然後建立信用報告的模式。

　　2.優缺點。徵信模式所面臨的問題是資料不全、上傳資料不積極、更新不及時、接入門檻過高，但是資料準確可靠，有權威性。大資料模式的資料來源廣泛，這樣就彌補了徵信的不足，但資料型別多樣化，可能存在干擾資訊，影響判斷的準確性。另外透過某些渠道獲取的大資料目前也面臨著法律風險，個人隱私保護上比較難把控。

　　說實在話，二者之間都是未來的發展趨勢，沒有說那種好或者不好，根據你的興趣，你未來的發展方向，來判斷你想走那條路!大資料兩大核心為雲技術和BI，離開雲技術大資料沒有根基和落地可能，離開BI和價值，大資料又變化為捨本逐末，丟棄關鍵目標。簡單總結就是大資料目標驅動是BI，大資料實施落地式雲技術。