雲計算：
1、雲計算->IT資源的擁有權和使用權的分離（資源歸雲計算中心所有，使用權歸付費用戶所有）
2、雲平台的角色：聚合->平台->一種生態系統（如apple的app store、淘寶網等，平台演變成一種經濟生態環境）
3、雲計算和物聯網類軟件登記量帶905和380件，同比增長200.66%和119.65，說明發展趨勢很顯著。但是（以北京地區為例）軟件登記量和產品登記量分別為262、152以及7、16，軟件轉化為產品的轉化率不足1%。為何？（轉化期長，且回報周期也長，另外國人付費消費軟件的意識不強）
4、據中國互聯網協會預計，2012年我國雲計算市場規模將超600億元，“十二五”期間，產業鏈規模達7500億元至1萬億元。
5、雲存儲應用的主要存儲類型有：Nearline Storage、Disaster Recovery、Archive、Collaboration/File Sharing、Primary Storage、Backup（RD和backup只產生很少的固定時刻的費用。但如果將文件或數據訪問業務托管到雲存儲平台，那么費用會成為一大考慮因素，不過倒也省了很多訪問評價、空間容量不足的擔心）
6、63%的雲用戶使用的是PaaS，用其來開發和部署基於雲的應用。在使用PaaS雲服務的用戶中，43%使用其來開發和部署移動應用，30%依賴PaaS進行應用測試。（使用PaaS會極大的依賴雲平台廠商，之后若想跨廠商基本不太可能，如果是想跨廠商，那還是使用IssA比較好）
大數據 AND 雲計算
7、大數據&雲時代->對商業模式造成的沖擊？（從前在內部維護IT團隊的企業是否考慮將硬件部分托管給雲平台廠商？自己更專注於web服務的開發或業務的創新？在考慮IT成本時，是否可以將運維成本省去而增補研發成本？對大數據而已，因為MapReduce需要使用java語言編寫，而分析數據有需要數學統計學背景，企業如何招聘這樣的人才？是否會產生類似“結對編程”的“結對工作”模式？）
8、大數據VS雲計算：
大數據通常用來形容一個公司創造的大量非結構化和半結構化數據，這些數據在下載到關系型數據庫用於分析時會花費過多時間和金錢。大數據分析通常與雲計算聯系到一起，因為實時的大型數據集分析需要像MapReduce一樣的框架來向數十、數百甚至數千的電腦分配工作。
9、小企業應該開啟其大數據策略。數據可以幫助每個人，當不再丟棄數據，即成為大數據。（那么大數據的存儲是否需要動用雲平台幫忙？如果數據存儲在雲平台，分析是否也在雲平台完成？那么啟用大數據策略所帶來的成本與收益之間如何平衡？）
10、大數據是否會成為BI（Business Intelligence）的繼任者？（BI在對resource數據進行extract時會丟棄一部分數據，更不用說企業數據在錄入resource時被遺棄的那些數據了，就信息量來說，BI的基礎信息儲備就遠遠小於大數據。大數據還是頗為值得期待的）
小結：
雲計算被說得玄乎其玄，但是對一般的用戶而言，雲計算其實就是提供了一種按需付費的計算或存儲資源。也就是上面1中說的“IT資源的擁有權和使用權的分離”，有點像現在的公司租用商業寫字樓的感覺。
而大數據，如果按照8、9中的描述，它將收集企業幾乎所有的信息用於分析，無疑是在digging一座礦藏。digging的方法以及所期望得到的目標都很讓人期待。之前在學BI時，就覺得BI很誘人，但前戲實在太漫長。要抽取（extract）、轉換（transform）然后還要裝載（load）到數據庫中（即傳說中的ETL），然后進行分析。在這個過程中，形式化和清洗數據就讓人很糾結。更別提如果還要將非結構化數據進行結構化了。
大數據就不存在這個問題，它分析的基礎就是非結構化或半機構化的數據。雖然存取、分析的速度也許比不上數據庫的SQL語言，但一想到保留了資源的多樣性和原生態性就很高興。終於不用在分析之前剔除我們以為是冗余或無用但有可能帶給我們驚喜的數據了！但是完備的數據保留和非結構化的數據形式所需求的額外的存儲以及計算資源是否適合於請求雲平台幫忙？哪類型的公司又適用於啟用雲平台來完成大數據時代的轉型？也許用戶面越廣泛，即類型越通用的軟件的廠商更適合大數據。