大数据应用技术确实需要一定程度的数学知识，但并不是说必须精通高等数学。在大数据领域，数学知识的应用主要体现在以下几个方面：
1. 统计学：大数据处理过程中，需要对海量数据进行统计分析，以发现其中的模式和趋势。这涉及到概率论、数理统计、多元统计分析等统计学知识。
2. 概率论：在数据分析中，需要对不确定性进行分析和建模，如贝叶斯统计、随机过程等。这些知识有助于处理不确定性和风险。
3. 算法与数据结构：为了有效地处理和分析大规模数据集，需要了解各种算法（如排序、搜索、图算法等）和数据结构（如数组、链表、哈希表等）。
4. 机器学习：机器学习是大数据的重要应用领域之一，涉及大量的数学知识，如线性代数、概率论、优化理论等。这些知识有助于构建和训练机器学习模型。
5. 数值分析：在大数据计算中，需要处理大量的数值运算，如矩阵运算、向量运算等。这些知识有助于提高计算效率和准确性。
6. 离散数学：离散数学在大数据领域也有广泛应用，如组合数学、图论、逻辑学等。这些知识有助于处理复杂问题和抽象概念。
虽然数学知识在大数据应用中非常重要，但并非所有技术人员都需要具备深厚的数学背景。许多大数据工程师和数据科学家通过大学教育或在线课程学习了相关的数学知识，并在实际应用中不断学习和提升自己的技能。此外，一些开源社区和实践项目也为非专业背景的技术人员提供了学习和应用数学知识的机会。
总之，虽然数学知识对于大数据应用技术至关重要，但并不意味着必须精通高等数学。通过学习和实践，大多数技术人员可以掌握必要的数学知识，并将其应用于实际工作中。
