四个特征带你了解（jiě）大数据的定义

大数据（jù）是当前较为火爆的一个词（cí）汇，究竟什（shí）么是大数据、大数（shù）据（jù）的概念是怎样的?大数据有哪（nǎ）些（xiē）特质（zhì），大数据有哪些（xiē）技术方面的（de）要求，大数（shù）据对当（dāng）前社会（huì）产生了哪些重要的影响?

国内知名大数据专家、中科院计算所博士、职品汇创始人龚才春博士对此做了详尽的（de）分析，他指出（chū）：“从常规（guī）定义来讲，大（dà）数据就是（shì）大（dà）小超出常规数据库工具获取、存储、管理和分析能力（lì）的数据库，并且也强调，不（bú）是说一定（dìng）要超过（guò）特定（dìng）TB的数据集才是大（dà）数据。这个定（dìng）义并没有（yǒu）诠释什么是（shì）常规的数据（jù）库工具，也没（méi）有诠释大数据与数据量的关（guān）系，是一（yī）个（gè）比较原（yuán）始的大数（shù）据定义。”

而国际数据公司(International Data CorporaTIon，简（jiǎn）称IDC)则从四个特（tè）征定义大数据：数据规模庞（páng）大(Volume)、数据更新频繁(Velocity)、数据（jù）类型多（duō）样(Variety)和数据（jù）价值（zhí）巨大(Value)。

龚博士（shì）认为（wéi），在上述四大（dà）定义的基础上，一般偏向于再加上（shàng）数据（jù）处理复杂(Complexity)，构成（chéng）相对完整的大数（shù）据的定义，这就是（shì）大家耳熟能详的4V+1C。

1.数据规模庞大(Volume)

当（dāng）数据规（guī）模很小时，属于传统的“小数据”时代的问（wèn）题，已有非常成熟的数据存储、计算、分析、呈（chéng）现方案，数据模型也有非常（cháng）多的研究。大数据必须是规模异常（cháng）庞大的数据，只有当规模（mó）庞大时（shí）候，才有新的研究价值。

前面（miàn）已经提到，大数据的大，不是说（shuō）一定要超过特定TB的数据集才是大数据。由于计算能（néng）力（lì）、存储能力、分（fèn）析（xī）能力的有限，现在看起来很（hěn）简单的问题，在（zài）历史上可能都（dōu）是大（dà）数据的问题。辽沈战（zhàn）役中（zhōng），司令员林彪对战报要（yào）求很细，包括每支部队歼敌多少、俘虏多少;缴获的火炮（pào）、车（chē）辆多少;枪支（zhī）、物资多少（shǎo）……一天深夜，值班参谋正读着一份某师上报的战斗缴获（huò）报告，那是该师的下（xià）属部队偶然碰上（shàng）的一（yī）个不大的遭遇（yù）战，他们（men）歼灭（miè）了（le）一部分（fèn）敌人，缴获了（le）一些战（zhàn）利品，敌人余部逃（táo）走。林彪听（tīng）了汇报后，立即口授命令，全力追（zhuī）击从胡家窝棚逃走的（de）那股敌人，一定要把它彻底打掉。果然（rán）活捉（zhuō）了（le）国民党新（xīn）编第六军军长廖耀湘（xiāng）。这些数据在今天（tiān）看来（lái），规模非（fēi）常非常小（xiǎo）。但在当（dāng）时这已（yǐ）经是“大数据”了，林彪（biāo）懂得（dé）分析数据，从（cóng）缴（jiǎo）获中（zhōng）手枪（qiāng）和冲锋枪的比例（lì）准确判断出敌方的（de）指挥部在胡家窝棚，这也（yě）算是大数（shù）据（jù）分析的魅力（lì）。

2.数（shù）据更新频繁（fán）(Velocity)

我们知道摩尔定律揭示了（le）处理器分析能力与（yǔ）时间的关系（xì），也就是说（shuō），每（měi）隔18个月左右处理器的分（fèn）析能（néng）力翻一（yī）番。对于一个静止的数（shù）据集，哪怕（pà）今天我们（men）的处理器（qì）无（wú）法（fǎ）处理，存储（chǔ）器不好（hǎo）存储。随着技术的（de）进步，未来（lái）可能变成（chéng）非常容易处（chù）理，就（jiù）像我（wǒ）们现在看着（zhe）当年林彪分析战（zhàn）报一样，这些战报数据的处（chù）理（lǐ）今（jīn）天已经变得非常非（fēi）常（cháng）容易（yì）了，在今天（tiān）已经（jīng）不（bú）算“大数据”了。

大数（shù）据技术，要求我（wǒ）们更多地（dì）想（xiǎng）出“巧妙”的分析办（bàn）法（fǎ），提成更（gèng）“优秀”的处理模型，而不能只依赖（lài）存储能力（lì）、处理水（shuǐ）平、网（wǎng）络带宽等硬件设备的（de）性能改进（jìn）。所以大数据（jù）技术，对分析对（duì）象要求是频繁更新的数据集。

3.数据（jù）类型多样(Variety)

传统（tǒng）的（de）关（guān）系型数据库，无（wú）论从理论上，还是在应用上都（dōu）非常成熟了。关系（xì）型数据库一般保存（cún）格式固定、类型（xíng）单一的数据，几十年的（de）数据库理论、数据挖掘、数（shù）据仓库的研（yán）究（jiū），已经有相当多的研究成果。

大数据要求我们的分析对象（xiàng）是异（yì）构、异（yì）质的数据集（jí），可能包括文本、音频、视频等（děng）多种形式，也可能是结构（gòu）化（huà）、半结构（gòu）化的或无结（jié）构的。

4.数据价值巨（jù）大(Value)

如果数据没有价值（zhí），我们就（jiù）没有分析的必要。因此，大数据要求我们处（chù）理的数据集是有巨大商业价值或社会价值的。阿里巴巴愿意（yì）花（huā）巨大代价提高推荐系（xì）统的准确性，就是在（zài）于其推荐系统（tǒng）的准确率（lǜ）的（de）提高，能大大提（tí）高平台的（de）交易量，从（cóng）而具有非常巨大的商业价值（zhí）。我们（men）在全国部署“天眼”系（xì）统，提高大（dà）数据技术在天眼（yǎn）系统的分量，就是因（yīn）为天眼系统分析（xī）能力的一小步提升，都能在降低犯罪率、打击犯罪、保障（zhàng）人民群众安（ān）全、信（xìn）用取证等（děng）方（fāng）面都（dōu）有巨大的社会价值。

在Value这个层面，我们（men）除了要求价值巨大外，我（wǒ）们一般会增加一点要求（qiú），那（nà）就是价值密度极低。我们常说，大数据是一个“金矿”，金矿就（jiù）包（bāo）含两（liǎng）个（gè）方面（miàn）的含义：一方（fāng）面，黄金很值（zhí）钱（qián），金矿很（hěn）有（yǒu）价值;另（lìng）一方面，金（jīn）矿不是金库（kù），几万顿的矿砂（shā），也许只（zhī）有几十公斤黄金，也就是说（shuō）金库的价值密（mì）度是非常低（dī）的。大数据的价值方面的含义，也（yě）要（yào）求价（jià）值密度非常低。如果数据集中每一条数据都是非常有价值的，那也就（jiù）无所（suǒ）谓“挖掘”了，没有挖（wā）掘，大数据的（de）意（yì）义也荡然（rán）无存了。

5.数（shù）据处（chù）理复杂(Complexity)

IDC公司的大数据只有4V的（de）特征，我们一般偏向于增加另一个维度的要（yào）求：数据处理复杂。例（lì）如，统（tǒng）计中国人口的平（píng）均年龄（líng），这个数据量是非常庞大的，有接近14亿条记录;这（zhè）个数据也是动态更（gèng）新的，每年都有（yǒu）几（jǐ）千万人出生，几千万死亡;这个数据集也可以是（shì）多（duō）样的（de），湖南（nán）的数据可以放在mysql中，湖北（běi）的数（shù）据（jù）可以在oracle中（zhōng），北京（jīng）的（de）数（shù）据（jù）可能在Txt文（wén）件中，上海（hǎi）的数据可（kě）能（néng）在Word文档中;这个数据（jù）集和这个（gè）分析都是有价值的，但（dàn）是平均到每（měi）一条数据，价值（zhí）又非常（cháng）有限。也就是说，这个问题是符合4V特（tè）征的（de），但是这个问题（tí）怎么（me）看都（dōu）“太简单”了，年龄加起来求平均即可，不（bú）能成为真正意义上的“大数据问题”。

大数据要求数据处理复杂，不能脑袋一拍就可以想出办（bàn）法（fǎ），不能（néng）套用现（xiàn）有（yǒu）的、成熟的数（shù）据库工具简单（dān）得（dé）到答案。

【其他定义（yì）】

除了上述（shù）主流的定义，还有（yǒu）人使用3S或（huò）者3I描述大数据的特征（zhēng）。

3S指的是：大小(Size)、速度(Speed)和结构(Structure)。

3I指的是：

(1)、定义不（bú）明确的(Ill-de.ned)：多个主（zhǔ）流的（de）大数据定义（yì）都强调了数据规模需要超过传统方法处理数据的规模，而随着技术的进步，数据（jù）分析的（de）效率不断提高（gāo），符合大数据定义的数据规模也会相应不断变大，因而（ér）并没有一（yī）个明确（què）的标准。

(2)、令（lìng）人生畏的(InTImidaTIng)：从管理大数据到使用正确的工具获取它的价值，利用大（dà）数据的（de）过程中充（chōng）满了各种挑战。

(3)、即时的(Immediate)：数（shù）据的价值会随着时间（jiān）快速衰减（jiǎn），因（yīn）此为了保证大数据的可控性，需要缩短数据搜集到获得数据（jù）洞察之间（jiān）的时（shí）间（jiān），使得大数据成为真正的即时大数据（jù），这（zhè）意味着能尽快地分析数据对获得（dé）竞争优势（shì）至关（guān）重要。

大数据就是互联（lián）网发展到现今阶（jiē）段的一（yī）种表象或特征而已，没有必要神话它或对它保持敬畏之（zhī）心，在（zài）以云计算为代表的技（jì）术创新大幕的（de）衬托下，这（zhè）些原本很难（nán）收集和使用的数据开（kāi）始容（róng）易被利用起来了，通过各行各业的不断创新，大数（shù）据会逐（zhú）步为人类创（chuàng）造（zào）更多的价值（zhí）。