數(shù)據(jù)量大是大數(shù)據(jù)的必要而非充分條件。所謂的大數(shù)據(jù)，是一種技術高度發(fā)展下衍生的概念，指原本沒有能力處理也被認為沒有價值的大量非結構化的數(shù)據(jù)，比如用戶的訪問記錄、聊天記錄、購買記錄等等，由于谷歌三駕馬車論文發(fā)表后分布式計算技術被普及而變得可以方便地存儲和處理，而另一方面通過原有只能運用在小數(shù)據(jù)樣本上的統(tǒng)計學習方法，反而得到了一些傳統(tǒng)的數(shù)據(jù)分析方法（強調因果）不能獲得或與人類直覺相反（比如典型的啤酒與尿布問題）的知識。

引用Coursera數(shù)據(jù)科學專項課程的一個定義：

Big data = now possible to collect data cheap, but not necessarily all useful (need the right data)

大數(shù)據(jù)介紹

?-?"大數(shù)據(jù)"首先是指數(shù)據(jù)體量大，指代大型數(shù)據(jù)集，一般在10TB?規(guī)模左右，但在實際應用中，很多企業(yè)用戶把多個數(shù)據(jù)集放在一起，已經形成了PB級的數(shù)據(jù)量；?-?其次是指數(shù)據(jù)類別(variety)大，數(shù)據(jù)來自多種數(shù)據(jù)源，數(shù)據(jù)種類和格式日漸豐富，已沖破了以前所限定的結構化數(shù)據(jù)范疇，囊括了半結構化和非結構化數(shù)據(jù)。?-?接著是數(shù)據(jù)處理速度（Velocity）快，在數(shù)據(jù)量非常龐大的情況下，也能夠做到數(shù)據(jù)的實時處理。?-?最后一個特點是指數(shù)據(jù)真實性（Veracity）高，隨著社交數(shù)據(jù)、企業(yè)內容、交易與應用數(shù)據(jù)等新數(shù)據(jù)源的興趣，傳統(tǒng)數(shù)據(jù)源的局限被打破，企業(yè)愈發(fā)需要有效的信息之力以確保其真實性及安全性。

大數(shù)據(jù)特點

要理解大數(shù)據(jù)這一概念，首先要從"大"入手，"大"是指數(shù)據(jù)規(guī)模，大數(shù)據(jù)一般指在10TB(1TB=1024GB)規(guī)模以上的數(shù)據(jù)量。

大數(shù)據(jù)同過去的海量數(shù)據(jù)有所區(qū)別，其基本特征可以用4個V來總結(Vol-ume、Variety、Value和Veloc-ity)，即體量大、多樣性、價值密度低、速度快。

?-?1、?數(shù)據(jù)體量巨大。從TB級別，躍升到PB級別。
?-?2、?數(shù)據(jù)類型繁多，如前文提到的網絡日志、視頻、圖片、地理位置信息，等等。?
?-?3、價值密度低。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒。?
?-?4、處理速度快。1秒定律。最后這一點也是和傳統(tǒng)的數(shù)據(jù)挖掘技術有著本質的不同。物聯(lián)網、云計算、移動互聯(lián)網、車聯(lián)網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的傳感器，無一不是數(shù)據(jù)來源或者承載的方式。

大數(shù)據(jù)技術是指從各種各樣類型的巨量數(shù)據(jù)中，快速獲得有價值信息的技術。

解決大數(shù)據(jù)問題的核心是大數(shù)據(jù)技術。目前所說的"大數(shù)據(jù)"不僅指數(shù)據(jù)本身的規(guī)模，也包括采集數(shù)據(jù)的工具、平臺和數(shù)據(jù)分析系統(tǒng)。

大數(shù)據(jù)研發(fā)目的是發(fā)展大數(shù)據(jù)技術并將其應用到相關領域，通過解決巨量數(shù)據(jù)處理問題促進其突破性發(fā)展。

因此，大數(shù)據(jù)時代帶來的挑戰(zhàn)不僅體現(xiàn)在如何處理巨量數(shù)據(jù)從中獲取有價值的信息，也體現(xiàn)在如何加強大數(shù)據(jù)技術研發(fā)，搶占時代發(fā)展的前沿。