P
模式识别(Pattern Recognition)：当算法需要在大规模数据集或者在不同的数据集上确定回归或者规律的时候，就出现了模式识别。它与机器学习和数据挖掘紧密相连，甚至被认为是后两者的代名词。这种可见性可以帮助研究者发现一些深刻的规律或者得到一些可能被认为很荒谬的结论。
规范性分析(Prescriptive Analytics)：这里我们还是用信用卡转账的例子来理解。假如你想找出自己的哪类消费(如食品、娱乐、衣物等等)可以对整体消费产生巨大影响，那么基于预测性分析(Predictive Analytics)的规范性分析法通过引入「动态指标(action)」(如减少食品或衣物或娱乐)以及对由此产生的结果进行分析来规定一个可以降低你整体开销的最佳消费项。你可以将它延伸到大数据领域，并想象一个负责人是如何通过观察他面前多种动态指标的影响，进而作出所谓由「数据驱动」的决策的。
P字节(PB: Petabytes) ：约等于1000 TB(terabytes), 约等于1百万 GB (gigabytes)。欧洲核子研究中心(CERN)大型强子对撞机每秒产生的粒子个数就约为1 PB
平台即服务(PaaS: Platform-as-a-Service) ：为云计算解决方案提供所有必需的基础平台的一种服务
预测性分析法(Predictive Analytics)：如果你对过去 5 年信用卡消费的历史进行了分析，发现每年的消费情况基本上呈现一个连续变化的趋势，那么在这种情况下你就可以高概率预测出：来年的消费状态应该和以往是类似的。这不是说我们在预测未来，而是应该理解为，我们在「用概率预测」可能发生什么事情。在大数据的预测分析中，数据科学家可能会使用先进的技术，如机器学习，和先进的统计学处理方法(这部分后面我们会谈到)来预测天气情况、经济变化等等。
隐私(Privacy)：把具有可识别出个人信息的数据与其他数据分离开，以确保用户隐私。
公共数据(Public data) ：由公共基金创建的公共信息或公共数据集。
Q
数字化自我(Quantified Self) ：使用应用程序跟踪用户一天的一举一动，从而更好地理解其相关的行为
查询(Query) ：查找某个问题答案的相关信息
R
R 语言：这还有人能给一个编程语言起一个更加糟糕的名字吗?R 语言就是这样的语言。不过，R 语言是一个在统计工作中工作得很好的语言。如果你不知道 R 语言，别说你是数据科学家。因为 R 语言是数据科学中最流行的编程语言之一。
射频识别(Radio Frequency Identification/RFID)：射频识别是一类使用非接触性无线射频电磁场来传输数据的传感器。随着物联网的发展，RFID 标签能够被嵌入到任何可能的「东西里面」，这能够生成很多需要被分析的数据。欢迎来到数据世界。
再识别(Re-identification) ：将多个数据集合并在一起，从匿名化的数据中识别出个人信息
回归分析(Regression analysis) ：确定两个变量间的依赖关系。这种方法假设两个变量之间存在单向的因果关系(译者注：自变量，因变量，二者不可互换)
射频识别(RFID) ：这种识别技术使用一种无线非接触式射频电磁场传感器来传输数据
实时数据(Real-time data) ：指在几毫秒内被创建、处理、存储、分析并显示的数据
推荐引擎(Recommendation engine) ：推荐引擎算法根据用户之前的购买行为或其他购买行为向用户推荐某种产品
路径分析(Routing analysis) ：针对某种运输方法通过使用多种不同的变量分析从而找到一条最优路径，以达到降低燃料费用，提高效率的目的
