四个特征带你了（le）解大数（shù）据（jù）的定（dìng）义

大数据是当（dāng）前较为火爆的一个词汇（huì），究竟（jìng）什么是大数据、大数据的概（gài）念是（shì）怎（zěn）样（yàng）的?大数据有哪些特质（zhì），大数据有哪些技（jì）术方（fāng）面（miàn）的要求（qiú），大数据对当前社会产生了哪些重要的影响?

国内知名（míng）大数据专家、中（zhōng）科院计算所博（bó）士、职品汇创始人龚才春博士对此做（zuò）了详尽的分（fèn）析，他指（zhǐ）出：“从常规定（dìng）义来讲，大数据就是（shì）大（dà）小超出常规数据库（kù）工（gōng）具获取、存储、管理和分析能力的数据库，并且也强调，不是说一（yī）定要（yào）超过特定TB的数据（jù）集才是大数据（jù）。这个定义并（bìng）没有诠释什么是常规的（de）数据库（kù）工具，也没有诠释大数（shù）据与数据量（liàng）的关（guān）系，是一个比较原（yuán）始的大数据定义。”

而国（guó）际数据公司(International Data CorporaTIon，简（jiǎn）称IDC)则从（cóng）四个特征定（dìng）义大（dà）数据：数据规模庞大(Volume)、数据更（gèng）新频繁(Velocity)、数据（jù）类（lèi）型（xíng）多样(Variety)和（hé）数（shù）据价值巨大(Value)。

龚（gōng）博士认为（wéi），在上述四大定义的基础上，一般偏向于再加上数据处理（lǐ）复杂(Complexity)，构成相对完（wán）整的大数据的定义，这就是大家耳熟能详的4V+1C。

1.数据规模庞大(Volume)

当数据规模很小（xiǎo）时（shí），属于传统（tǒng）的“小数据（jù）”时代的问题，已有非常成熟的数（shù）据存储（chǔ）、计算、分析、呈现（xiàn）方案，数据（jù）模型也有非常多的研究。大数据必（bì）须是规模（mó）异常庞大（dà）的数据，只有当规模庞大时候，才有（yǒu）新的研（yán）究价值。

前面已经提（tí）到，大数（shù）据的大，不是说一定要超过特定TB的（de）数据集才（cái）是大数据。由于计算能（néng）力、存储能力、分（fèn）析能力的（de）有限，现在（zài）看起来很简单的（de）问（wèn）题（tí），在（zài）历史上可能都是大数据的问题。辽沈（shěn）战（zhàn）役中，司令员林彪对战报要求很细，包括每支（zhī）部（bù）队（duì）歼敌多少、俘（fú）虏多少;缴获的火（huǒ）炮、车辆多少;枪支、物（wù）资多少……一（yī）天深夜（yè），值班参谋（móu）正（zhèng）读（dú）着一份某师上报（bào）的战斗缴获报告，那（nà）是该师的下属（shǔ）部队偶然碰上的一个不大的遭遇（yù）战，他们歼（jiān）灭（miè）了一（yī）部分敌人，缴（jiǎo）获了一些战利品，敌（dí）人余部逃走（zǒu）。林彪（biāo）听了汇报后（hòu），立（lì）即口（kǒu）授命令（lìng），全力追击从胡家窝棚（péng）逃（táo）走的那股敌人，一定要把它彻底打掉。果然活（huó）捉了国（guó）民党新编第六军军（jun1）长廖耀湘。这些数据（jù）在今（jīn）天看来，规模（mó）非常非常小（xiǎo）。但在当时这已经（jīng）是“大数据”了，林彪懂得分析数（shù）据，从缴获中手枪（qiāng）和冲锋枪的比例准确判断（duàn）出敌方的指挥部在胡（hú）家窝棚，这也算是大数据分（fèn）析的魅力（lì）。

2.数据更（gèng）新频繁(Velocity)

我（wǒ）们知道摩尔（ěr）定律揭示了处理器分析能力与时间（jiān）的关系，也就是说，每隔18个月左右处理器的分析能力翻一番。对于（yú）一个（gè）静止（zhǐ）的数据集，哪怕今天我们的处理器（qì）无法处理，存储器不好存储。随着（zhe）技（jì）术的进（jìn）步，未（wèi）来可能（néng）变成非（fēi）常容（róng）易处理，就像我们现在（zài）看着当年林彪分析战报一（yī）样，这（zhè）些（xiē）战报数据的（de）处理今天已（yǐ）经变得非常非（fēi）常（cháng）容易了（le），在今天已经不算（suàn）“大数据（jù）”了。

大数据技（jì）术，要求（qiú）我们更多（duō）地（dì）想出“巧妙”的分（fèn）析办法，提成更（gèng）“优秀”的处理模型（xíng），而不能只依赖存储能（néng）力、处理水平、网络带宽等硬（yìng）件设备的性能改进（jìn）。所（suǒ）以大数据技术，对分析对象要求是频繁更新（xīn）的数据集。

3.数据（jù）类（lèi）型多样（yàng）(Variety)

传统的关系型数（shù）据库，无论从理论上，还是在（zài）应用上都非常成熟（shú）了。关系型数据库一（yī）般保存格式固定、类（lèi）型单一（yī）的数据，几（jǐ）十年的数据库理论、数（shù）据挖掘、数（shù）据仓库的研究，已经有相当（dāng）多（duō）的研究（jiū）成果。

大数据要求我们的分（fèn）析对象（xiàng）是异构（gòu）、异质（zhì）的数（shù）据集，可能包括文本、音频、视频等多种（zhǒng）形式，也可能是结构（gòu）化、半结构化的或无（wú）结构的。

4.数（shù）据价值巨大(Value)

如果（guǒ）数（shù）据没有价值，我们就没有分析的必要。因此，大数据（jù）要求（qiú）我们处理的数据集是有巨大商业价值或社会价值的。阿（ā）里巴巴愿意花巨（jù）大代（dài）价提高推荐系统的准确性，就是在于其推荐系统的准确率（lǜ）的提高（gāo），能大大提（tí）高平台（tái）的交易量，从而具有非常巨大的商（shāng）业价（jià）值。我们在全国部（bù）署“天眼”系统，提高大（dà）数据技术在（zài）天（tiān）眼（yǎn）系（xì）统的（de）分量，就是因为（wéi）天（tiān）眼（yǎn）系（xì）统（tǒng）分析能力的一小（xiǎo）步提升，都能在降低（dī）犯（fàn）罪率、打击犯罪、保障人民群（qún）众安全、信（xìn）用取证等方面都有巨大（dà）的社会价值（zhí）。

在（zài）Value这个层面，我们除（chú）了要求价值巨大外，我（wǒ）们一般（bān）会（huì）增加一点要（yào）求（qiú），那（nà）就是价值密度（dù）极低（dī）。我（wǒ）们常说，大数据是（shì）一个“金矿”，金矿就（jiù）包含（hán）两个方面的含义（yì）：一方面，黄金很值钱，金矿很有价值（zhí）;另一方面，金矿不是金库（kù），几万顿的矿砂（shā），也许只有几十公斤（jīn）黄金（jīn），也就是（shì）说金（jīn）库的（de）价值密度是非常（cháng）低的。大数据的价值（zhí）方面的含义，也要求价值密度非常低。如果数据集（jí）中（zhōng）每一（yī）条数据都（dōu）是非常有价值（zhí）的，那（nà）也（yě）就无所谓“挖掘”了，没有挖掘，大数据的意义也荡然无存（cún）了。

5.数据处（chù）理复杂(Complexity)

IDC公司（sī）的（de）大（dà）数（shù）据只（zhī）有4V的特征，我们一（yī）般偏向于（yú）增加另一个维度的要（yào）求：数据处理复杂。例如，统计中国人口的（de）平（píng）均年龄，这个（gè）数据量是非常庞大的，有接近14亿条记录;这（zhè）个数据也是（shì）动态更新的，每年（nián）都有几千（qiān）万（wàn）人出生，几（jǐ）千万死亡;这（zhè）个数据集也可（kě）以是（shì）多样的，湖南（nán）的数（shù）据可（kě）以放在mysql中，湖北的数（shù）据可以在oracle中，北京的数据可能在Txt文件中（zhōng），上（shàng）海的数据可能在Word文档中;这个（gè）数据集和这个分析都是有价值的，但是平均到（dào）每一条（tiáo）数（shù）据，价值又非常（cháng）有限。也就是说，这个问题是符合4V特征的，但是这（zhè）个问题怎么看都“太（tài）简单”了，年龄加起来求平均即可，不（bú）能成为真正意义上的（de）“大数据问（wèn）题”。

大数据要求数（shù）据处理（lǐ）复杂，不能（néng）脑袋一拍就可（kě）以（yǐ）想出办（bàn）法（fǎ），不（bú）能（néng）套用现（xiàn）有（yǒu）的、成熟的数（shù）据（jù）库工具简单得到答案。

【其他（tā）定义（yì）】

除（chú）了上述主流的定（dìng）义（yì），还有人使用3S或者3I描述大数（shù）据的特（tè）征。

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

3I指的是：

(1)、定义不明确的(Ill-de.ned)：多个主流的（de）大数据定义都强调了（le）数据规模需要超（chāo）过传统方（fāng）法处理数（shù）据的规（guī）模，而随着技（jì）术的进步，数据分析的效率不断提高，符合大数据（jù）定义（yì）的数（shù）据规模也会相应不断变大，因而并没有一（yī）个（gè）明确的标准（zhǔn）。

(2)、令（lìng）人生畏的(InTImidaTIng)：从管理大数据到使用（yòng）正确的工具（jù）获取它的价值，利用大数据的过程中充满（mǎn）了各种挑（tiāo）战。

(3)、即时的(Immediate)：数（shù）据的价值会（huì）随着时间快速衰减，因此为了保（bǎo）证大数（shù）据的可控（kòng）性，需要缩短数据搜集到获得数据洞察之（zhī）间的时间，使得（dé）大数据成为真正的（de）即时大数（shù）据，这意（yì）味着（zhe）能尽快地分析数（shù）据对获得竞争优势（shì）至关重要（yào）。

大数（shù）据（jù）就是（shì）互（hù）联网（wǎng）发（fā）展到（dào）现今阶段的一种表（biǎo）象（xiàng）或特征而已，没有必要神话它或对它保持敬畏之心（xīn），在以云（yún）计算为代表的技术创新大幕（mù）的衬（chèn）托下，这（zhè）些原本很难收（shōu）集和使用的数据开（kāi）始容易被利用起来了，通（tōng）过（guò）各行（háng）各业的不断创新（xīn），大数据会（huì）逐（zhú）步为人类创造（zào）更（gèng）多的价值。