一、大數據的定義和特征

麥肯錫全球研究所認為：大數據是一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件能力范圍的數據集合，具有大量（Volume）、高速（Velocity）、多樣（Variety）和價值（Value）密度低四大特征。大數據的這四大特征也稱作“4V”特征，如圖1-1所示。

（一）大量

所謂大量，指的是數據具有海量規模。如圖1-2所示，日常生活中，我們所有的行為都隨時隨地在產生數據，例如掃碼消費產生的數據、瀏覽網頁和搜索信息產生的數據、在微博和朋友圈等社交平臺發表動態產生的數據，或者在醫院就診產生的數據等。全球每年大約產生5萬億GB的數據。

（二）高速

所謂高速，是指大數據產生和處理的速度快。例如，在淘寶或京東等購物網站上輸入要購買的商品名稱，一秒鐘之內就會返回所有符合條件的結果。大數據的處理速度隨著分布式技術的發展越來越快。

（三）多樣

所謂多樣，指的是數據種類繁多，來源廣泛。如圖1-3所示，生活中常見的圖片、視頻、聲音、文件等都是數據。概括而言，這些數據可以劃分成結構化數據、半結構化數據和非結構化數據等不同類型，后面介紹數據類型時將詳細說明。

（四）價值密度低

所謂價值密度低，是指大數據雖然規模龐大，但是有價值的信息所占比例較小。大數據的重點不在于其數據量的增長，而是在信息爆炸時代對數據價值的再挖掘，如何挖掘出大數據的有效信息，才是至關重要的。例如，超市內的監控設備每時每刻都在記錄數據，但真正有價值的數據可能就幾秒鐘。