主要還是在資料分類上
跟怎麼存
一般來說 儲存方式有分為 較為規格化的你要去定義資料如何存放的
SQL儲存方式，你要找出資料"特色"好比他是字串，整數，倍精準
其實就是正規劃，但是就如同前文所提。 query 的時候光跑就會很花時間
如果沒有索引，但是太多又會耗空間。
那麼還有一種就是nosql 這並非只是一個特有方式，比較像是組合所有其他的SLN。
幾乎都是把檔案轉成純文字丟進資料庫，像是谷歌的Bigtable~FB的卡珊卓拉(秘術師
師傅?) 有時候你連FB重整網頁的時候啊會突然看到一大串亂碼，有一些就是他把檔案
格式轉成xml這些東西。 實際上實作還是要看一下相關文件，但是應該也是利用
hashtable 下去指定一個key 跟value 給他。
好處就是 搜尋的演算法你可以自己定義所以有無限可能。
再來就是，有數據很簡單。 找出模式，跟如何去設想一個問題比較難。
好比你如何命題跟證明因果(利用ML或是統計相關數據)
達到實際上的應用，要說基本的簡單應用其實不會很難。
左岸跟歐美很多人用簡單爬蟲跟MSSQL就玩出很多有意思的東西。
知乎，36g上有好多應用。 這個會很普及，比的是 Domain KNOW HOW 的內函了
跨領域會比較吃香，其他就只是技法而已。 當然你也可以深耕在更有效率的演算法
或是其他儲存方式。但是可能要一值鑽木板，台灣目前大數據真的有在做的
聽過只有幾間公司，最有市場跟有名的應該是亞洲資採吧。
再來比較大間的是精誠底下的，其他應該還有。
他有沒有商機? 有
成為專業人才難不難 ?
看面向
需要點的技能
統計
程式 最好是能包前後端整合的
資料庫，資結。
最高應該就是演算法 再來就是很吃"天分"啊
國外有13歲就在玩自己的系統，資料學家還可以發文章。
我自己是覺得，基本底子打好。技巧型的東西會越來越純熟
可是觀念錯了就是錯了。
大概就這樣吧