四个特征带你了解大数据的（de）定义（yì）

大数据（jù）是（shì）当前较为（wéi）火爆的（de）一个词汇（huì），究（jiū）竟（jìng）什么是大数据、大数（shù）据的概念是（shì）怎样的?大（dà）数（shù）据有（yǒu）哪些特质，大数据有哪些（xiē）技术方面的（de）要求，大数据（jù）对（duì）当前（qián）社会（huì）产生了哪些重要（yào）的（de）影响（xiǎng）?

国内知名大数据专家、中（zhōng）科院计算所（suǒ）博（bó）士（shì）、职品汇创始人龚才春博士（shì）对此做了（le）详（xiáng）尽的分析，他指出：“从常规定（dìng）义来讲，大数据（jù）就是大小（xiǎo）超（chāo）出（chū）常规（guī）数据库工具获取、存储、管（guǎn）理和分（fèn）析（xī）能（néng）力的数据库，并且也强调，不是说一定要超过特定TB的数据集才是大数（shù）据。这个定（dìng）义并没有诠释什么（me）是常规的数据（jù）库工具（jù），也没有诠释大（dà）数据与数（shù）据量的关系，是（shì）一个比较（jiào）原始的大（dà）数据（jù）定义。”

而国际数据公司（sī）(International Data CorporaTIon，简称IDC)则（zé）从四个特征定义（yì）大数据（jù）：数据规模庞大(Volume)、数据更新频繁(Velocity)、数（shù）据类（lèi）型多样(Variety)和数据（jù）价值巨（jù）大(Value)。

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

1.数据规模庞大（dà）(Volume)

当数据规模（mó）很小（xiǎo）时，属于传统（tǒng）的（de）“小（xiǎo）数据”时代的问题，已有非（fēi）常成熟的数据存储、计算、分析、呈现方案，数据模（mó）型也有非常多的研究。大数据必须是规模异常庞大的数据，只有当规模庞大（dà）时候，才（cái）有（yǒu）新的研究价值。

前面已经提到，大数据的大，不是说一定要超过特定TB的（de）数据集才是大数据。由（yóu）于计算能力、存储能力、分析能力（lì）的（de）有限，现在看起来很（hěn）简（jiǎn）单的问（wèn）题，在历（lì）史（shǐ）上可能都是大（dà）数据的问题。辽（liáo）沈战（zhàn）役中（zhōng），司令员（yuán）林彪对战报要求很细，包括每（měi）支部（bù）队歼敌多少、俘虏（lǔ）多少;缴获的火炮、车（chē）辆多少（shǎo）;枪支、物资多少……一天深夜，值班参谋正读着一份某师上报的战斗缴（jiǎo）获报告，那（nà）是该师的下（xià）属（shǔ）部队偶然碰上的一（yī）个不大（dà）的遭遇战，他们歼（jiān）灭了一部分敌人，缴获了一些（xiē）战利品，敌人余部（bù）逃（táo）走。林（lín）彪听了汇报后，立即口授（shòu）命令（lìng），全力追击从胡家窝（wō）棚逃（táo）走的那股（gǔ）敌人，一（yī）定（dìng）要把它彻底打掉。果然活捉了国民党新（xīn）编第六（liù）军军长廖耀湘。这些数据在今天看来，规（guī）模（mó）非常非常小。但在当时这已经是“大（dà）数据”了（le），林（lín）彪（biāo）懂（dǒng）得分析（xī）数据，从缴获中手枪和冲锋枪的比例准确判断出敌（dí）方的（de）指挥（huī）部在胡家窝棚，这也算是（shì）大数据（jù）分析的魅力。

2.数据更新频繁(Velocity)

我（wǒ）们知道摩尔定（dìng）律揭示了处理器（qì）分析能力与（yǔ）时间的关系，也就是说，每隔18个月左右处理器（qì）的分析能力翻（fān）一番。对于一（yī）个静止的数（shù）据（jù）集，哪怕今天我（wǒ）们（men）的处理（lǐ）器无法处理，存储器（qì）不好（hǎo）存储。随着技术（shù）的（de）进步（bù），未来可能变成非常（cháng）容易处理，就（jiù）像我们现在看着当年林（lín）彪（biāo）分析战报一样，这些战报数据的处理（lǐ）今天已经变得（dé）非常非常容易了，在（zài）今天已经不算“大数据”了。

大数（shù）据技术，要求我们更多（duō）地想出“巧妙（miào）”的（de）分（fèn）析（xī）办法（fǎ），提成更“优（yōu）秀”的处理模（mó）型，而不能只依赖存储（chǔ）能力（lì）、处理水（shuǐ）平、网络带宽等硬件设备的性（xìng）能改（gǎi）进。所以大数（shù）据技（jì）术，对分析对象要求（qiú）是频繁更（gèng）新（xīn）的数据集。

3.数据（jù）类型多样(Variety)

传统的关系型数据库，无论从理论（lùn）上，还是在应用上都（dōu）非常（cháng）成（chéng）熟了。关系型数据库（kù）一般（bān）保存格（gé）式固定、类型（xíng）单一的数据，几十年的数（shù）据库理（lǐ）论、数据挖（wā）掘、数据仓库的研究，已经有相当多的研究成（chéng）果。

大数据要求我们（men）的分（fèn）析对象是异构、异质的数据集，可能包括文本、音频、视（shì）频等多种形式，也可能（néng）是结（jié）构化（huà）、半（bàn）结（jié）构化的（de）或无结构的（de）。

4.数（shù）据价值巨（jù）大(Value)

如果数据没有（yǒu）价值，我们就（jiù）没有分析的必（bì）要。因此，大数（shù）据要求我们处理的数据集是有巨大商业价值或社会价（jià）值的。阿里巴巴愿意花巨（jù）大代价提高（gāo）推荐（jiàn）系统的准确（què）性，就是在于其推荐系统（tǒng）的准确率的提高，能大（dà）大提高平台的交（jiāo）易量，从而具有非常巨（jù）大的商业价值。我（wǒ）们在（zài）全国部署“天眼”系统，提高大（dà）数（shù）据（jù）技术（shù）在天眼（yǎn）系（xì）统的分量（liàng），就（jiù）是（shì）因为天（tiān）眼系（xì）统分析能力的一（yī）小步提升，都能在降低犯罪率、打（dǎ）击犯罪、保障人民群众安全（quán）、信用（yòng）取证等方（fāng）面都有巨大的社会价值。

在Value这个层（céng）面，我们除了要（yào）求价值巨大外，我（wǒ）们一（yī）般会（huì）增加一（yī）点要（yào）求，那就是价值密度极低。我们常说，大数（shù）据是一个“金矿”，金（jīn）矿就包（bāo）含两个方面（miàn）的含义（yì）：一方面，黄金很值（zhí）钱，金矿（kuàng）很有价值;另一（yī）方面，金（jīn）矿不是金库，几万顿的矿（kuàng）砂（shā），也许只（zhī）有几（jǐ）十公（gōng）斤黄金，也就是说金（jīn）库的价值密度是非（fēi）常（cháng）低（dī）的（de）。大（dà）数据的（de）价（jià）值方面的含（hán）义，也要（yào）求价（jià）值密度非常低（dī）。如果数据（jù）集中每一条数据都是非常有价值的（de），那也就（jiù）无所谓“挖掘”了，没有挖掘，大数据（jù）的（de）意义也（yě）荡（dàng）然无存了。

5.数据（jù）处理（lǐ）复杂（zá）(Complexity)

IDC公司的（de）大数据只有4V的特征，我们一般偏向于增加另一（yī）个（gè）维度的要求：数据处（chù）理复杂。例如，统计中（zhōng）国（guó）人口的平均年龄，这（zhè）个（gè）数据量（liàng）是非（fēi）常庞（páng）大的，有（yǒu）接近（jìn）14亿条（tiáo）记录;这个数（shù）据（jù）也是动态更（gèng）新（xīn）的（de），每年都有（yǒu）几千（qiān）万（wàn）人出生，几千（qiān）万死（sǐ）亡;这（zhè）个数据集也可以（yǐ）是多样（yàng）的，湖南的数据可以放在mysql中，湖北的数据可以在（zài）oracle中，北京（jīng）的（de）数据可能在Txt文件（jiàn）中，上海的数据可能（néng）在（zài）Word文档中（zhōng）;这个（gè）数据集和这个分析都是有（yǒu）价值的，但是平均到每一条（tiáo）数据，价值又非常有限。也就（jiù）是说，这个问题是（shì）符合4V特征的，但（dàn）是这个问题怎么看（kàn）都“太简（jiǎn）单”了，年（nián）龄加起来求平均（jun1）即可，不能成（chéng）为真（zhēn）正意（yì）义上的（de）“大数据（jù）问题”。

大数（shù）据要（yào）求数据处理（lǐ）复杂，不能脑（nǎo）袋（dài）一拍就可以想出办法，不能套用现有（yǒu）的、成熟的数据库（kù）工具简（jiǎn）单得到答案。

【其他定义（yì）】

除（chú）了上述主（zhǔ）流的定（dìng）义，还有人使用3S或者（zhě）3I描述大数据的特征（zhēng）。

3S指的是：大小（xiǎo）(Size)、速（sù）度(Speed)和结构（gòu）(Structure)。

3I指的是：

(1)、定义不明确的(Ill-de.ned)：多个主流的大数据定义都强调了数（shù）据规模需（xū）要超（chāo）过传统方法处理数据的规模，而随着技术的（de）进步，数据分（fèn）析（xī）的效率不断提高（gāo），符合大数据定义的数据规模（mó）也会（huì）相（xiàng）应不断变大，因而并没有一个（gè）明确的标准。

(2)、令人生（shēng）畏的(InTImidaTIng)：从管理大（dà）数据到使（shǐ）用正确（què）的工具获取它（tā）的价值，利用大数据的过程（chéng）中充（chōng）满了（le）各种（zhǒng）挑战（zhàn）。

(3)、即（jí）时的（de）(Immediate)：数据的价值（zhí）会随着（zhe）时（shí）间快速衰减，因此（cǐ）为了保证大数据（jù）的（de）可控性，需要缩短数（shù）据搜（sōu）集到（dào）获得数（shù）据洞察之间（jiān）的时间，使得（dé）大数据成（chéng）为（wéi）真正的即（jí）时大数据，这意（yì）味着能尽快（kuài）地（dì）分析（xī）数据对获得竞（jìng）争（zhēng）优势至关重要（yào）。

大（dà）数据就是互联网发展到（dào）现今阶段的一种表（biǎo）象或特征而已，没有必要（yào）神话它（tā）或对它保持敬畏之（zhī）心，在以云计（jì）算为代表的（de）技术创新（xīn）大幕的衬托（tuō）下，这些原本（běn）很难收集和使用的数（shù）据开（kāi）始（shǐ）容易被利用起来了，通过各（gè）行各业的不断创新（xīn），大数据会（huì）逐步为人（rén）类创造（zào）更多的（de）价值。