1. web前端发展前景怎么样
伴随着互联网行业的迅速发展，Web前端岗位已经越来越受到大家的重视，Web前端工程师的薪资也日渐水涨船高。不论是薪资还是工作环境，Web前端工程师都是很让人羡慕的，也正因为如此，已经有不少的小伙伴想要加入到前端领域中去。因此，很多想要学习Web前端的小伙伴们就会询问：2020年Web开发前端就业前景还好吗？下面我们就来和我一起看一看吧！
Web前端行业目前来看已经渗透到了到了生活的方方面面，这也说明了Web前端行业的生命力异常强大，并且未来的前途也是不可限量。假如你还在犹豫到底要不要接触Web前端，那么我给你的建议就是，与其将时间浪费在犹豫上，还不如认真的拼一把，把时间花在Web前端上。相信你看完下面的内容会对Web前端有个全新的认识。
为什么说Web开发前端就业前景好
目前的Web前端技术可以说已经是非常成熟了，同时Web前端市场也非常的火爆，并且Web前端的人才目前来看也是异常的紧缺。加之互联网行业的飞速崛起，目前Web前端技术的不断成长发展，也已经占据了互联网的一席之地。
Web前端的薪酬变化
前端开发行业薪资水平呈上涨趋势，Web前端开发早已不是做带动画的下拉菜单的时代了，他们已成为互联网主宰者，各行业都用其开发互联网应用。但目前整互联网行业的Web前端开发工程师紧俏，企业正高薪求才，薪资待遇一涨再涨 ！
Web前端人才需求
Web前端技术可以说是越来越成熟了，Web前端开发工程师已经成为发展中的职业香馍馍。说起来几乎是整个互联网行业都缺少Web前端工程师，无论是刚起步的创业公司，还是上市公司乃至巨头，空缺一样存在。只要你够优秀，Web开发前端就业前景简直不要再好！
Web前端未来发展
Web前端的发展其实还是那句话，有需求才会有市场，为什么那么多人参加想进入Web前端的行列呢，还不是因为Web开发有市场，企业需要量大。所以与其费尽心思的想Web前端今后的发展，还不如用那个时间好好学习一些Web前端技能将来对就业更添保障。
综上所述，大前端是个非常有“前途”的工作，薪资待遇也很高，并且根据自己技能深入的不同程度，拥有不同的薪资待遇。想要成为Web前端工程师，最好有一个充分健全的知识布局体系，拥有内容的深度和广度，等于拥有了企业最需要的技能，到时候你就是企业争相抢聘的人才，也是行业中的佼佼者了。
所以：2020年，Web开发前端就业前景依然很好。
2. 面对日益更新的前端技术，2019年哪些过时的技术不需要浪费精力去学习
互联网时代的特点是日新月异但是又是建立在计算机编程的基础上，其实很多时候不是不用学习了是科技进步后省略了优化了很多东西。
比如以前计算机的系统需要敲代码得到指令才能工作，现在左右双击会实现很多以前需要敲代码的复杂工程。所以不从在技术过时而是科技进步后我们不需要在反复做一些无用的工作。
3. 前端开发,以后有没有发展前景
Web前端在国内开始被重视的时间不超过八年，从2014年至今，“前端工程师”热度持续走高，其薪资也水涨船高。Web前端是用户体验的操刀者，也是所有互联网企业研发团队中的必须者。
以下数据来自职友集：
趋势一：更加移动优先
响应式设计显然是目前web前端开发领域的主要趋势之一，并且这一趋势在未来还将持续一段时间。虽然现在的响应式设计大部分还是以PC版优先，然而如果有一天我们把PC版放到比移动版次要的位置上，也没有什么好奇怪的。因为，目前许多web前端开发者已经开始转向以移动优先方案来做他们的响应式设计和开发，这就象征着一个重大转变，值得我们跟进的。
趋势二：更多使用快速原型开发工具
众多web前端开发者从2018年开始尝试使用快速原型开发工具，而在2019年将是这种技术真正爆发的一年。“UXpin、Webflow、Invision以及其它许多快速原型开发工具，让设计师不用写一行代码，就能为网站和服务快速创建低保真和高保真原型，便于设计师衡量它们的可用性和美观性。”web设计师Jamie 如是说，“许多工具也允许你在浏览器中设计原型并从工具里真正启动网站自身。”
趋势三：营销类页面小程序化
这个指的就是大家平时在微信里看到的各类营销网页，因为主要入口在微信，因此变成微信小程序。这个大家比较好理解吧，就不多说了。小程序现在可能BUG多，功能跟不上，但是要替代这类网页可能也就是2年不到的时间。
趋势四：HTML内的技术改进
这个能影响到的范围看起来很大，但其实场景比较有限，主要是排除掉上面说的1和3之外的空间。空间就在于这两大技术目前都没有成熟的最佳实践，还需要探索。
在互联网时代，更多的人、场景、知识将需要被更加紧密地联系在一起，而有连接的地方就会有界面，有界面的地方就会有前端。每一门学科与技术都是在不断摸索和总结中前行，前端技术也不例外。未来我们有理由相信在前端技术日趋成熟的前提下，新的突破和变革将会给我们的工作与生活带来更多惊喜。
趋势五：虚拟现实
如果要讨论web前端技术趋势怎能不提到虚拟现实技术VR呢，2019年将继续是VR成为主流的一年，这也就意味着web开发者将通过VR来吸引用户，我们已经看到一些公司比如Mozilla和Google投资开发VR与Web之间的API。越来越多的VR应用程序将相继问世，所以如果看到越来越多的虚拟现实元素出现在 Web上，也别觉得奇怪。
4. 想被web前端开发淘汰，你需要掌握哪些技术
应该是不被淘汰？
过去的2017年可以说是一个“编程语言年”，这一年的前端开发不再像过去几年里新技术框架层出不穷，百家争鸣的局面，而是各种组件，模块，很多东西都有痕迹可寻，技术都在原来的基础上有了革新和沉淀。
前端招聘方面也在紧跟技术发展的节奏，相比前几年人才市场的繁华热闹，2017年的前端市场回归理性，企业提高了前端的门槛，大量“滥竽充数”的速成开发者开始失去市场，而优秀的前端在市场上的议价能力却越来越强。
这不论对前端还是开发者的发展来说都是好事情，浮躁的前端市场难以孵化出优秀的前端人才，而在强大的竞争下，优秀的开发者将越来越多，而不合格的前端则面临淘汰或者难以进入市场。
2018年来临，在前端开发技术进步和竞争逐渐增大的情况下，我们需要掌握哪些技术，才能让自己在快速发展的前端行业站稳脚跟呢？
1 学习 HTML + CSS + Java
精通HTML+css是前端最简单、基础的要求，但最基础的知识要保证到你一定是了解的准确并且全面的。如果面试官问到块级元素和行内元素有什么区别都解释不清或者说不完整，就算你用React、Vue等框架做个好几大大型项目也会让面试官对你的印象大打折扣。
Java是基础中的最核心知识，需要深入学习。随着互联网的发展，企业越来越重视用户体验，从而对js的掌握要求也越来越高，而JS给初学者的印象总是那么的“杂而乱”，知识很抽象、晦涩难懂，也有很多从事前端的开发者很长时间仍弄不懂原生JS。底层的原理和基本功，决定了一位前端工程师是否有全局观，能否走得长远。
2 学习 CSS3 + HTML5
当今互联网行业，越来越注重网站的美观性和易用性，一个优秀的网站或者系统，除了功能强大和内容全面，它的页面也要美观、易用，富有设计感，而html5+css3的响应式网页设计就显得尤为重要。
3 学习后台语言
前台界面的数据都是从后台来的,如果理解后台代码,就知道怎么跟后台交互数据是最好的, 这样节约时间,也可以让前端代码更规范.对于行业新人来说，学习后台语言成为了应聘的加分项，企业开始更注重前端工程师的技术广度。一个优秀的前端，要做到的不仅仅是“T 字型”，而应该努力成为精通前后端至少两门语言的“K 字型”人才。
前端框架
angular.js2,vue.js,angular的关注度虽然不如之前，但仍然不容小觑,另外两个经验丰富的开发者值得一看的框架是Aurelia和React。
后端（全栈后端框架）
Node.js, Python, Java
数据库
MySQL，Postgres，MongoDB，Redis，对于前端来说，有良好的数据结构和算法基础同样重要
5. Web 前端怎样入门
方法：
第一：理清Web前端的知识结构。要想高效学习Web前端知识，首先应该搞清楚Web前端都包括哪些技术结构。Web前端开发虽然技术难度并不高，但是技术细节却比较多，内容也比较杂。Web前端的基础包括三大部分，包括Html、CSS和JavaScript，其中JavaScript是学习的重点，也是难点。另外，vue等框架也是需要熟练掌握的。
第二：紧跟技术发展趋势。目前Web前端的技术发展趋势有三个，其一是前端开发数据化;其二是前端开发高效化;其三是前端开发全栈化。前端开发数据化主要是大数据发展的影响，在大数据的推动下，Web前端逐渐涉及到了大量的数据展示任务。前端开发高效化主要体现在Web前端正在进行独立部署，前端与后端的沟通主要通过资源接口的方式来进行。前端开发全栈化也是一个比较明显的趋势，比如Nodejs的应用。
第三：注重动手实践能力的培养。学习前端开发一定要注重动手实践能力的培养，因为前端开发的细节比较多，所以只有多操作才能逐渐熟悉。
前端开发目前被称为“大前端”，整个前端开发也被赋予了更多的含义，包括Web前端开发、移动端开发、大数据呈现端开发以及部分后端开发任务等等。所以，想要在前端行业中走的更远，一定要注重知识结构的丰富性。
与其他编程语言相比，前端是公认的入行门槛较低的一门语言，但依然有很多人在学习之前会问零基础学习web前端难不难，要多久才能学会。学习的难易和时间当然是取决于学习的方式。
前端入门简单，但是深入学习之后，还是有一定学习难度的。如果你是零基础自学web前端的话，那么所花费的时间与精力是不可估计的。 如果系统学习5个月的时间可以帮助你快速成长为合格的web前端工程师。
至于视频教程，我这里有很多前端的全套教程，如果你需要的话，可以加一下我的学习交流裙裙，找我要就行了！
6. 2018年web前端开发饱和了吗
前端开发领域的门槛太低，以至于大部分所谓的前端开发人员都不是计算机相关专业的。造成这种全民学前端繁荣景象主要是，前端开发入门真的太简单，找到工作工资又不低。不需要多扎实的基本功，买基本书，订阅几个视频教程，下载个编辑器，边看边码，只要是智商正常的人，闷头学45个月，基本上已经达到了初级页面仔的程度了。是的就这么容易呀… 那这样就真的能找到工作吗？能的，去北京，去深圳，多如牛毛的快餐创业小公司需要你，你去了，可能就是唯一的前端工程师，设计师已经把图搞好了，后端也用tp搭完了，就等着你去套模板了，抄起大jq开干吧！
前端很缺的，tw好多公司都找不到人，mvvm才是需要的，nodejs背景会加分
7. 当前流行的前端技术有哪些
Web前端的三大的核心技术是HTML、CSS、JavaScript。
HTML(5)
是一门标记型语言，主要由一些具备特殊含义的标签构成（建筑物结构）
所谓HTML是“超文本标记语言”的英文缩写。我们上网所看到网页，多数都是由HTML写成的。“超文本”是指页面内可以包含图片、链接，甚至音乐、程序等非文字符素。而“标记”指的是这些超文本必须由包含属性的开头与结尾标志来标记。浏览器通过解码HTML，就可以把网页内容显示出来，它也构成了互联网兴起的基础
CSS(3)
是一门描述性语言，主要一系列选择器(html元素)和属性构成(建筑的外部与内部装饰)
层叠样式表(英文全称：Cascading Style Sheets)是一种用来表现HTML（标准通用标记语言的一个应用）或XML（标准通用标记语言的一个子集）等文件样式的计算机语言。CSS不仅可以静态地修饰网页，还可以配合各种脚本语言动态地对网页各元素进行格式化
JavaScript
是一门脚本编程语言，包含类似java的语法(数据类型，数组，条件分支，循环，对象..)(对外运营)
是一种直译式脚本语言，是一种动态类型、弱类型、基于原型的语言，内置支持类型。它的解释器被称为JavaScript引擎，为浏览器的一部分，广泛用于客户端的脚本语言，最早是在HTML网页上使用，用来给HTML网页增加动态功能。
8. 前端程序员会不会被淘汰
文章略长，没耐心者可以跳到文末小编已用三句话概括全文。
事情起因是这样子的，有团队做了一款可以直接生成网页的手机APP发布了。某知友就慌乱了，觉得前端工程师会被AI所取代，开始纠结学习前端还是后端。
“手机APP可以直接生成网页，取代了前端工程师的一部分工作，随着APP的进一步开发使用，前端开发的行业空间将更加狭小，是不是就意味着，前端开发正面临着被淘汰的局面？”
前端真的会被取代吗？
答案是否定的。诚然，按照人类现在的发展趋势，未来所有工作都将被AI取代，但是计算机行业肯定也是要在后期才会被取代，优先取代的必然是一些流水线上的固定岗位的重复工作。
很多人会有这种想法，有以下几个原因：
1、大部分人对于前端工程师的误解
一个转换网页的APP的出现就能引起这么多人的猜测和恐慌，足以说明很多人对于前端开发的认识和了解是不够清晰的。
真正的前端开发并不是傻瓜式的网页生成可以取代的，在这个前端开发快速发展的互联网时代，你还认为前端开发只是切网页的，那你就大错特错了。
来看一则招聘启示：
文末小编总结一段话，概括所有问题。
前端开发近十年都不易被撼动或取代，重要程度逐年增长中，吸金能力亦然。从业者应该注重自身知识巩固和新知识的更新迭代。找准时代发展方向，努力专研，勇于创新能让你走在时代最前头。
9. 介绍有关计算机的一种前端技术
大数据基础概念
“很多人还没搞清楚什么是PC互联网，移动互联网来了，我们还没搞清楚移动互联的时候，大数据时代又来了。”——马云卸任演讲
本文尝试从三大产业的角度将大数据的核心商业价值分类讨论。
首先例举一些大数据的典型应用，然后解释大数据的定义，最后总结大数据的价值。
我们知道：
第一次工业革命以煤炭为基础，蒸汽机和印刷术为标志，
第二次工业革命以石油为基础，内燃机和电信技术为标志，
第三次工业革命以核能基础，互联网技术为标志，
第四次工业革命以可再生能源为基础，_________为标志。
空白处你会填上什么？欢迎大家讨论。但是目前可以预测的是，数据和内容作为互联网的核心，不论是传统行业还是新型行业，谁率先与互联网融合成功，能够从大数据的金矿中发现暗藏的规律，就能够抢占先机，成为技术改革的标志。
一、大数据的应用
大数据挖掘商业价值的方法主要分为四种：
客户群体细分，然后为每个群体量定制特别的服务。
模拟现实环境，发掘新的需求同时提高投资的回报率。
加强部门联系，提高整条管理链条和产业链条的效率。
降低服务成本，发现隐藏线索进行产品和服务的创新。
Mckinsey列出了各个行业利用大数据价值的难易度以及发展潜力。《Big data: The next frontier for innovation, competition, and proctivity》
各种Data之间的关系图，注意Open Data是完全包含了Open government data（政府开放数据）
Mckinsey也列出了Open Data时代里七大行业潜在的经济价值，自上而下分别是教育，运输，消费品、电力、石油与天然气、医疗护理、消费金融。（感谢知友安阳提供的补充链接资料）
大数据的类型大致可分为三类：
传统企业数据（Traditional enterprise data）：包括 CRM systems的消费者数据，传统的ERP数据，库存数据以及账目数据等。
机器和传感器数据（Machine-generated /sensor data）：包括呼叫记录（Call Detail Records），智能仪表，工业设备传感器，设备日志（通常是Digital exhaust），交易数据等。
社交数据（Social data）：包括用户行为记录，反馈数据等。如Twitter，Facebook这样的社交媒体平台。
从理论上来看：所有产业都会从大数据的发展中受益。但由于数据缺乏以及从业人员本身的原因，第一、第二产业的发展速度相对于第三产业来说会迟缓一些。
(2).第二产业
2013年9月，工业和信息化部发布了《关于印发信息化和工业化深度融合专项行动计划（2013-2018年）》的通知。明确提出推动物联网在工业领域的集成创新和应用：
实施物联网发展专项，在重点行业组织开展试点示范，以传感器和传感器网络、RFID、工业大数据的应用为切入点，重点支持生产过程控制、生产环境检测、制造供应链跟踪、远程诊断管理等物联网应用，促进经济效益提升、安全生产和节能减排。
大数据的业务多是数据驱动型，具有数据量大、种类多、实时性高的特点。工业企业对数据的记录以往看来主要分为两种方法：传统的纸笔和Excel电子表格记录。这些操作起来看似简单的数据管理方式为企业生产及质量监控埋下了巨大的隐患，也让数据挖掘无从谈起。
随着信息化与工业化的融合发展，信息技术渗透到了工业企业产业链的各个环节。例如Sensor、RFID、Barcode、物联网等技术已经在企业中得到初步应用，工业大数据也开始逐渐得到积累。企业中生产线高速运转时机器所产生的数据量不亚于计算机数据，而且数据类型多是非结构化数据，对数据的实时性要求也更高。因此工业大数据所面临的问题和挑战很多，所以通用电气公司（General Electric）的副总裁兼全球技术总监William Ruh认为相对于工业大数据来说，工业互联网（Instrial Internet）才是当前急需的，因为大数据本身并没有让信息的提取更加智能，业务比数据本身更加重要。他举了一个核磁共振成像扫描的例子：
Here’s an example. An MRI scan is the best way to see inside the human body. While effective in helping to diagnose multiple sclerosis, brain tumors, torn ligaments and strokes, the data proced by an MRI machine is disconnected from the person that needs it the most.
At a very simplistic level, there are many indivials working as a team to make the scan happen. A nurse administers medications or contrast agents that may be needed for the exam; an MRI technologist operates the scanner; and a radiologist identifies the imaging sequences to be used and interprets the images. This information is then given to the nurse, who then passes it to the primary doctor to review and take action accordingly. This is Big Data, but it is not making information more intelligent.
又如在工业中，压力、温度等数据的特点是需要语境才能理解的。燃气轮机排气装置上的温度读数与一台机车的内部温度是完全不同的。燃气轮机改善热敷需要使用非常复杂的算法运行模型。在笔记本电脑上，一个典型的查询要获得答案一般需要三个星期。在基于大数据的分布式系统上发布同样的查询执行一种计算只需要不到一秒钟。
第三方认证机构（TÜV NORD GROUP），工业
德国汉德技术监督服务有限公司的前身是德国锅炉检验协会（简称TÜV）早在1869年，德国锅炉检验协会就承担了德国国内所有锅炉运行安全的检验工作，保证了锅炉生产的安全。渐渐的，德国锅炉检验协会取得了德国政府的授权，开展对其他产品的检验工作，从采矿，电力系统开始，到压力容器，机动车辆，医疗设备，环境保护，宇航工业，医疗产品等等，现在的德国汉德技术监督服务有限公司已经成为了许许多多产品的安全代号。主要体系认证包括企业质量管理体系，生产环境体系，生产碳排放方案等。TÜV当前从建筑绿色标准体系方面提出了对于大数据能源管理的探索，以微软新总部，蒂森克虏伯电梯总部为例，在整个项目实施中引入大数据能源管理，在建筑的设计规划阶段、施工阶段、运营阶段等多个阶段通过数据化的能源管理系统，实现建筑的低碳、绿色、智能。
工业自动化软件商（Wonderware ），工业
Wonderware作为系统软件涉及的专业企业，对于大数据的计算和运用是从比较“IT”的角度出发的。Wonderware 的实时数据管理软件能够提供一个工厂所需要的从建立到报废的所有实时数据。目前已经退出移动版本，工程总监在手机上就能够随时随地监控设备的运行状况。目前全球超过三分之一的工厂应用Wonderware公司的软件解决方案。
了解更多：
大数据在电力行业的应用前景有哪些？
(3).第三产业
这一个部分的内容比较多。这里只提出一些典型的应用例子，欢迎补充。
健康与医疗：Fitbit® Official Site: Flex, One and Zip Wireless Activity and Sleep Trackers的健身腕带可以收集有关我们走路或者慢跑的数据，例如行走步数、卡路里消耗、睡眠时长等数据与健康记录来改善我们的健康状况；Early Detection of Patient Deterioration等公司正在开发床垫监测传感器，自动监测和记录心脏速率、呼吸速率、运动和睡眠活动。该传感器收集的数据以无线方式被发送到智能手机和平板电脑进行进一步分析；美国公共卫生协会（APHA: American Public Health Association）开发Flu Near You用来的症状，通过大数据分析生成报告显示用户所在地区的流感活动。
视频：互联网电视能够追踪你正在看的内容，看了多长时间，甚至能够识别多少人坐在电视机前，来确定这个频道的流行度。Netflix 美国国内规模最大的商业视频流供应商，收集的数据包括用户在看什么、喜欢在什么时段观看、在哪里观看以及使用哪些设备观看等。甚至记录用户在哪视频的哪个时间点后退、快进或者暂停，乃至看到哪里直接将视频关掉等信息。典型的应用是Netflix公司利用数据说服BBC重新翻拍了电视连结剧《纸牌屋》，而且成功的挖掘出演员Kevin Spacey和导演David Fincher的支持者与原剧集粉丝的关联性，确定新剧拍摄的最佳人选。
When the program, a remake of a BBC miniseries, was up for purchase in 2011 with David Fincher and Kevin Spacey attached, the folks at Netflix simply looked at their massive stash of data. Subscribers who watched the original series, they found, were also likely to watch movies directed by David Fincher and enjoy ones that starred Kevin Spacey. Considering the material and the players involved, the company was sure that an audience was out there.
交通：《车来了》通过分析公交车上GPS定位系统每天的位置和时间数据，结合时刻表预测出每一辆公交车的到站时间；WNYC开发的Transit Time NYC通过开源行程平台（Github：OpenTripPlanner和MTA ）获取的数据将纽约市划分成2930个六边形，模拟出从每一个六边形中点到边缘的时间（地铁和步行，时间是上午九点），最终建模出4290985条虚拟线路。用户只需点击地图或者输入地址就能知道地铁到达每个位置的时间；实时交通数据采集商INRIX-Traffic的口号是（永不迟到！^^），通过记录每位用户在行驶过程中的实时数据例如行驶车速，所在位置等信息并进行数据汇总分析，而后计算出最佳线路，让用户能够避开拥堵。
电子商务：Decide 是一家预测商品价格并为消费者提出购买时间建议的创业公司，通过抓取亚马逊、百思买、新蛋及全球各大网站上数以十亿计的数据进行分析，最终整合在一个页面中方便消费者对比查看，并且能够预测产品的价格趋势，帮助用户确定商品的最好购买时机。已经于2013年被 eBay收购。
政治：奥巴马在总统竞选中使用大数据分析来收集选民的数据，让他可以专注于对他最感兴趣的选民，谷歌执行董事长Eric Schmidt当时向奥巴马的大数据分析团队投资数百万美元并聚拢核心成员成立了Civis Analytics咨询公司，该公司将会将在奥巴马连任竞选中所获得的经验应用到商业和非营利行业中。（了解更多可以看看MIT technology的文章The Definitive Story of How President Obama Mined Voter Data to Win A Second Term）
金融：ZestFinance | Big Data Underwriting 是由是Google的前任 CIO，Douglas Merrill创立金融数据分析服务提供商，使用机器学习算法和大数据为放款者提供承保模式，旨在为那些个人信用不良或者不满足传统银行贷款资格的个人提供服务。公司使用分析模型对每位信贷申请人的上万条原始信息数据进行分析，只需几秒时间便可以得出超过十万个行为指标。目前违约率比行业平均水平低 60%左右。另外一个不得不提到的是风险管理先驱者FICO | Predictive Analytics, Big Data Analytics and FICO Credit Scores，通过大数据分析为银行和信用卡发卡机构、保险、医疗保健、政府和零售行业提供服务。FICO 信用分计算的基本思想是：把借款人过去的信用历史资料与数据库中的全体借款人的信用习惯相比较，检查借款人的发展趋势跟经常违约、随意透支、甚至申请破产等各种陷入财务困境的借款人的发展趋势是否相似。FICO 已经为三分之二的世界 100 强银行提供服务，提高了客户忠诚度和盈利率、减少欺诈损失、管理信贷风险、满足监管与竞争要求并快速获取市场份额。想了解更多的企业可以看看附录中《经济学人》的文章《Big data: Crunching the numbers》。
电信： 美国T-mobiles采用Informatica - The Data Integration Company平台开展大数据工作，通过集成数据综合分析客户流失的原因，根据分析结果优化网络布局为客户提供了更好的体验，在一个季度内将流失率减半；韩国 SK telecom新成立一家公司SK Planet，通过大数据分析用户的使用行为，在用户做出决定之前推出符合用户兴趣的业务防止用户流失。美国AT&T 公司将记录用户在Wifi网络中的地理位置、网络浏览历史记录以及使用的应用等数据销售给广告客户。比如当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。英国BT - Broadband公司发布了新的安全数据分析服务Assure Analytics—BT news releases，帮助企业收集、管理和评估大数据集，将这些数据通过可视化的方式呈现给企业，帮助企业改进决策。
一般来说盈利性质的商业公司和企业都不会轻易泄露自己的数据、建模方法和分析过程，所以还有很多大家不知道的神秘应用潜伏在黑暗里，如同《三体》中的”黑暗森林法则“。
宇宙就是一座黑暗森林，每个文明都是带枪的猎人，像幽灵般潜行于林间，轻轻拨开挡路的树枝，竭力不让脚步发出一点儿声音，连呼吸都必须小心翼翼：他必须小心，因为林中到处都有与他一样潜行的猎人，如果他发现了别的生命，能做的只有一件事：开枪消灭之。在这片森林中，他人就是地狱，就是永恒的威胁，任何暴露自己存在的生命都将很快被消灭，这就是宇宙文明的图景，这就是对费米悖论的解释。
二、大数据的定义
大数据(Big Data)是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。”业界通常用4个V(即Volume、Variety、Value、Velocity)来概括大数据的特征。
数据体量巨大(Volume)。截至目前，人类生产的所有印刷材料的数据量是200PB，而历史上全人类说过的所有的话的数据量大约是5EB(1EB=210PB)。
数据类型繁多(Variety)。相对于以往便于存储的以文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。
价值密度低(Value)。价值密度的高低与数据总量的大小成反比。如何通过强大的机器算法更迅速地完成数据的价值“提纯”成为目前大数据背景下亟待解决的难题。
处理速度快(Velocity)。大数据区分于传统数据挖掘的最显着特征。根据IDC的“数字宇宙”的报告，预计到2020年，全球数据使用量将达到35.2ZB。
看看专家们怎么说。
舍恩伯格，大数据时代 (豆瓣)
不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。
埃里克·西格尔，大数据预测 (豆瓣)
大数据时代下的核心，预测分析已在商业和社会中得到广泛应用。随着越来越多的数据被记录和整理，未来预测分析必定会成为所有领域的关键技术。
城田真琴，大数据的冲击 (豆瓣)
从数据的类别上看，“大数据”指的是无法使用传统流程或工具处理或分析的信息。 它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。
三、大数据的价值
了解了大数据的典型应用，理解了大数据的定义。这时相信在每个人的心中，关于大数据的价值都有了自己的答案。
2010年《Science》上刊登了一篇文章指出，虽然人们的出行的模式有很大不同，但我们大多数人同样是可以预测的。这意味着我们能够根据个体之前的行为轨迹预测他或者她未来行踪的可能性，即93%的人类行为可预测。
Limits of Predictability in Human Mobility
A range of applications, from predicting the spread of human and electronic viruses to city planning and resource management in mobile communications, depend on our ability to foresee the whereabouts and mobility of indivials, raising a fundamental question: To what degree is human behavior predictable? Here we explore the limits of predictability in human dynamics by studying the mobility patterns of anonymized mobile phone users. By measuring the entropy of each indivial’s trajectory, we find a 93% potential predictability in user mobility across the whole user base. Despite the significant differences in the travel patterns, we find a remarkable lack of variability in predictability, which is largely independent of the distance users cover on a regular basis.
而大数定理告诉我们，在试验不变的条件下，重复试验多次，随机事件的频率近似于它概率。“有规律的随机事件”在大量重复出现的条件下，往往呈现几乎必然的统计特性。
举个例子，我们向上抛一枚硬币，硬币落下后哪一面朝上本来是偶然的，但当我们上抛硬币的次数足够多后，达到上万次甚至几十万几百万次以后，我们就会发现，硬币每一面向上的次数约占总次数的二分之一。偶然中包含着某种必然。
随着计算机的处理能力的日益强大，你能获得的数据量越大，你能挖掘到的价值就越多。
实验的不断反复、大数据的日渐积累让人类发现规律，预测未来不再是科幻电影里的读心术。
如果银行能及时地了解风险，我们的经济将更加强大。
如果政府能够降低欺诈开支，我们的税收将更加合理。
如果医院能够更早发现疾病，我们的身体将更加健康。
如果电信公司能够降低成本，我们的话费将更加便宜。
如果交通动态天气能够掌握，我们的出行将更加方便。
如果商场能够动态调整库存，我们的商品将更加实惠。
最终，我们都将从大数据分析中获益。
四、结束语。
Here's the thing about the future.关于未来有一个重要的特征
Every time you look at it,每一次你看到了未来
it changes because you looked at it.它会跟着发生改变 因为你看到了它
And that changes everything else.然后其它事也跟着一起改变了
数据本身不产生价值，如何分析和利用大数据对业务产生帮助才是关键。
祝每一个DMer都挖掘到金矿和快乐：）
10. 前端开发未来的发展前景怎么样
web前端开发前景还是比较好的。具体您可以通过以下几个方面去看看。
工作年限与工资也是呈现正比现象（这个正比现象是您在工作之后依旧坚持不断的学习web前端最新技术而呈现的）。加上大型企业对于用户界面体验的要求的高度重视，前端人才的需求也在增加。
所以Web前端的工作无法被替代，发展趋势是可见的，客户需求是存在，前景是巨大的。但还是要提醒您应该时刻记住只有不断的自我学习更新，才不会被行业所淘汰。
第三、web前端与其他编程相对比
web前端如果跟java、大数据相比的话，我个人不建议您比，因为的确没什么可比性。它们各自的工作方向不同，主要还是根据您自身的情况，一方面看一下自己喜欢哪个，另一方面看自己适合哪个。最终再做决定。
但有一点可以肯定的是无论学web前端、java还是大数据前景都不错，最最重要的是您自己需做以下步骤：
1、自己是否真的喜欢
2、自己是否适合
3、自己是否能即便参加工作之后保持长期学习的状态
如果都没有问题，选择自己喜欢的即可。
最后、无论是学哪个，“自学”也好，报班学习也罢，跟您自己的努力是分不开的，因此养成坚持长期不断学习的习惯是很有必要的。