從某種程度上說，大數(shù)據(jù)是數(shù)據(jù)分析的前沿技術(shù)。簡言之，從各種各樣類型的數(shù)據(jù)中，快速獲得有價值信息的能力，就是大數(shù)據(jù)技術(shù)，明白這一點至關(guān)重要，也正是這一點促使該技術(shù)具備走向眾多企業(yè)的潛力。

在萊尼的理論基礎(chǔ)上，IBM提出大數(shù)據(jù)的4V特征得到了業(yè)界的廣泛認(rèn)可：第一，數(shù)量，即數(shù)據(jù)巨大，從TB級別躍升到PB級別；第二，多樣性，即數(shù)據(jù)類型繁多，不僅包括傳統(tǒng)的格式化數(shù)據(jù)，還包括來自互聯(lián)網(wǎng)的網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等；第三，速度，即處理速度快；第四，真實性，即追求高質(zhì)量的數(shù)據(jù)。

數(shù)據(jù)體量巨大

容量大是大數(shù)據(jù)的首要特征，隨著網(wǎng)絡(luò)的發(fā)展，迫切的需要足夠大的容量去統(tǒng)計分析以及預(yù)測大規(guī)模的數(shù)據(jù)。最開始的mp3時代僅僅只是mb級的存儲，但是已經(jīng)能滿足很多人的要求了。隨著信息技術(shù)的高度發(fā)展，存儲單位也慢慢的發(fā)生了演變。從大家耳熟能詳?shù)?**存儲到了tb存儲，乃至現(xiàn)在有了pb，eb等存儲。

數(shù)據(jù)速度快

大數(shù)據(jù)的數(shù)據(jù)產(chǎn)生、處理和分析的速度在持續(xù)加快。加速的原因是數(shù)據(jù)創(chuàng)建的實時性特點，以及將流數(shù)據(jù)結(jié)合到業(yè)務(wù)流程和決策過程中的需求。數(shù)據(jù)處理速度快，處理模式已經(jīng)開始從批處理轉(zhuǎn)向流處理。業(yè)界對大數(shù)據(jù)的處理能力有一個稱謂——“1秒定律”，也就是說，可以從各種類型的數(shù)據(jù)中快速獲得高價值的信息。大數(shù)據(jù)的快速處理能力充分體現(xiàn)出它與傳統(tǒng)的數(shù)據(jù)處理技術(shù)的本質(zhì)區(qū)別。

數(shù)據(jù)類型繁多

大數(shù)據(jù)的數(shù)據(jù)類型繁多，傳統(tǒng)IT產(chǎn)業(yè)產(chǎn)生和處理的數(shù)據(jù)類型較為單一，大部分是結(jié)構(gòu)化數(shù)據(jù)。隨著傳感器、智能設(shè)備、社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)、移動計算、在線廣告等新的渠道和技術(shù)不斷涌現(xiàn)，產(chǎn)生的數(shù)據(jù)類型無以計數(shù)。

現(xiàn)在的數(shù)據(jù)類型不再只是格式化數(shù)據(jù)，更多的是半結(jié)構(gòu)化或者非結(jié)構(gòu)化數(shù)據(jù)，如XML、郵件、博客、即時消息、視頻、照片、點擊流、日志文件等。企業(yè)需要整合、存儲和分析來自復(fù)雜的傳統(tǒng)和非傳統(tǒng)信息源的數(shù)據(jù)，包括企業(yè)內(nèi)部和外部的數(shù)據(jù)。因為大數(shù)據(jù)的來源非常廣泛，所以多樣性成為了大數(shù)據(jù)的另一大特點。在任何形式下，所獲取的來源都是可以使用的，目前為止應(yīng)用比較廣泛的有淘寶，網(wǎng)易云，頭條等等。這些平臺通過對用戶的數(shù)據(jù)進行分析，從而對應(yīng)的推薦一些用戶比較喜歡的東西。

真實性

數(shù)據(jù)的重要性就在于對決策的支持，數(shù)據(jù)的規(guī)模并不能決定其能否為決策提供幫助，數(shù)據(jù)的真實性和質(zhì)量才是獲得真知和思路最重要的因素，是制定成功決策最堅實的基礎(chǔ)。追求高數(shù)據(jù)質(zhì)量是一項重要的大數(shù)據(jù)要求和挑戰(zhàn)，即使最優(yōu)秀的數(shù)據(jù)清理方法也無法消除某些數(shù)據(jù)固有的不可預(yù)測性。

在處理這些類型的數(shù)據(jù)時，數(shù)據(jù)清理無法修正這種不確定性，然而，盡管存在不確定性，數(shù)據(jù)仍然包含寶貴的信息。我們必須承認(rèn)、接受大數(shù)據(jù)的不確定性，并確定如何充分利用這一點。

文章整合自：個人圖書館、百度服務(wù)商點亮工場、螞蚜網(wǎng)

審核編輯：鄢孟繁