大數(shù)據(jù)的特征

01數(shù)據(jù)的體量巨大(Volume)02數(shù)據(jù)的類型繁多(Variety)04數(shù)據(jù)的處理速度快(Velocity)03數(shù)據(jù)的價(jià)值密度低(Value)05數(shù)據(jù)的準(zhǔn)確性（Veracity）06數(shù)據(jù)的動(dòng)態(tài)性（Vitality）數(shù)據(jù)的體量巨大(Volume)

01數(shù)據(jù)的體量巨大(Volume)

這就是大數(shù)據(jù)本身的本質(zhì)，有很多數(shù)據(jù)，很大數(shù)據(jù)量。而數(shù)據(jù)量本身并不使數(shù)據(jù)變得有用，所以我們需要對(duì)它進(jìn)行再次的處理。計(jì)算機(jī)的運(yùn)行速度決定了沒(méi)法迅速處理如此大的數(shù)據(jù)規(guī)模，所以在大量數(shù)據(jù)領(lǐng)域，還有類似存儲(chǔ)，訪問(wèn)和處理相關(guān)的成本，可擴(kuò)展性和性能等等挑戰(zhàn)。數(shù)據(jù)量大，包括采集、存儲(chǔ)和計(jì)算的量都非常大。大數(shù)據(jù)的起始計(jì)量單位至少是P（1000個(gè)T）、E（100萬(wàn)個(gè)T）或Z（10億個(gè)T）。截至目前，人類生產(chǎn)的所有印刷材料的數(shù)據(jù)量是200PB(1PB=210TB)，而歷史上全人類說(shuō)過(guò)的所有的話的數(shù)據(jù)量大約是5EB(1EB=210PB)。當(dāng)前，典型個(gè)人計(jì)算機(jī)硬盤的容量為TB量級(jí)，而一些大企業(yè)的數(shù)據(jù)量已經(jīng)接近EB量級(jí)。數(shù)據(jù)的類型繁多(Variety)

02數(shù)據(jù)的類型繁多(Variety)

數(shù)據(jù)格式多樣性：包含文字、影音、網(wǎng)頁(yè)、串流等等結(jié)構(gòu)性、非結(jié)構(gòu)性的數(shù)據(jù)等等。來(lái)源多樣性：從動(dòng)車系統(tǒng)傳來(lái)的實(shí)時(shí)數(shù)據(jù)，從沃爾瑪系統(tǒng)每周統(tǒng)計(jì)的數(shù)據(jù)等。媒體多樣性：隨著多媒體的發(fā)展，用來(lái)傳播的媒體也越來(lái)越多，如音頻、視頻、圖片等等。語(yǔ)義多樣性：分為兩個(gè)方面。一方面，舉個(gè)最簡(jiǎn)單的例子，我們可以用數(shù)字來(lái)表示年齡，我們也有用小孩，青年，老人來(lái)表示年齡。另一方面，在不同語(yǔ)義情況下，相同的詞會(huì)蘊(yùn)含不用的意思。種類和來(lái)源多樣化。這種類型的多樣性也讓數(shù)據(jù)被分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。相對(duì)于以往便于存儲(chǔ)的以文本為主的結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)越來(lái)越多，包括網(wǎng)絡(luò)日志、音頻、視頻、圖片、地理位置信息等，這些多類型的數(shù)據(jù)對(duì)數(shù)據(jù)的處理能力提出了更高要求。數(shù)據(jù)的價(jià)值密度低(Value)03數(shù)據(jù)的價(jià)值密度低(Value)數(shù)據(jù)價(jià)值密度相對(duì)較低，或者說(shuō)是浪里淘沙卻又彌足珍貴。隨著互聯(lián)網(wǎng)以及物聯(lián)網(wǎng)的廣泛應(yīng)用，信息感知無(wú)處不在，信息海量，但價(jià)值密度較低，存在大量不相關(guān)信息。價(jià)值密度的高低與數(shù)據(jù)總量的大小成反比。以視頻為例，一部1小時(shí)的視頻，在連續(xù)不間斷的監(jiān)控中，有用數(shù)據(jù)可能僅有一二秒。如何結(jié)合業(yè)務(wù)邏輯并通過(guò)強(qiáng)大的機(jī)器算法來(lái)挖掘數(shù)據(jù)價(jià)值，如何通過(guò)強(qiáng)大的機(jī)器算法更迅速地完成數(shù)據(jù)的價(jià)值“提純”成為目前大數(shù)據(jù)背景下亟待解決的難題。由此需要對(duì)未來(lái)趨勢(shì)與模式作可預(yù)測(cè)分析，利用機(jī)器學(xué)習(xí)、人工智能等進(jìn)行深度復(fù)雜分析。而如何通過(guò)強(qiáng)大的機(jī)器算法更迅速地完成數(shù)據(jù)的價(jià)值提煉，是大數(shù)據(jù)時(shí)代亟待解決的難題。雖然單位數(shù)據(jù)的價(jià)值密度在不斷降低，但是數(shù)據(jù)的整體價(jià)值在提高。數(shù)據(jù)的處理速度快(Velocity)04數(shù)據(jù)的處理速度快(Velocity)這里解釋為處理數(shù)據(jù)的速度，因此訪問(wèn)速度和得到所需結(jié)果的速度是至關(guān)重要的。舉個(gè)例子，GoogleFluTrends(雖然已經(jīng)證明是失敗的了)能夠預(yù)測(cè)流感，通過(guò)實(shí)時(shí)收集數(shù)據(jù)進(jìn)行運(yùn)算，如果你的運(yùn)算速度比較慢，處理不了那么多數(shù)據(jù)，那么在流感爆發(fā)的時(shí)候，你還沒(méi)有計(jì)算出這個(gè)區(qū)域有沒(méi)有流感潛伏，這就失去了時(shí)效性。所以處理速度很重要。數(shù)據(jù)增長(zhǎng)速度快，處理速度也快，時(shí)效性要求高。比如搜索引擎要求幾分鐘前的新聞能夠被用戶查詢到，個(gè)性化推薦算法盡可能要求實(shí)時(shí)完成推薦。這是大數(shù)據(jù)區(qū)分于傳統(tǒng)數(shù)據(jù)挖掘的最顯著特征。根據(jù)IDC的“數(shù)字宇宙”的報(bào)告，預(yù)計(jì)到2020年，全球數(shù)據(jù)使用量將達(dá)到35.2ZB。在如此海量的數(shù)據(jù)面前，處理數(shù)據(jù)的效率就是企業(yè)的生命。數(shù)據(jù)的準(zhǔn)確性（Veracity）05數(shù)據(jù)的準(zhǔn)確性（Veracity）當(dāng)數(shù)據(jù)源變得多元時(shí)，數(shù)據(jù)的準(zhǔn)確性和可信賴度，即數(shù)據(jù)的質(zhì)量。數(shù)據(jù)的動(dòng)態(tài)性（Vitality）06數(shù)據(jù)的動(dòng)態(tài)性