发帖
雷达卡
1.大数据是具备3V特征（Volume 大体量、Variety 复杂多样、Velocity 高速时效)的数据源。大众很容易理解 Volume，互联网公司、运营商和金融机构的数据量动辄以TB计，却往往会忽视 Variety 和 Velocity。
Variety 是指大数据来源丰富、形态多样，常见的大数据就包括电商用户数据、文本数据、社交网络数据、车载信息服务数据、时间和位置数据、RFID数据、智能电网数据、设备传感器数据等等。
Velocity 是指大数据一边高速海量生成，同时数据的分析和应用也实时完成，比如，网络广告程序化购买、互联网金融实时授信，都涉及到实时处理海量数据的技术。
2. 大数据也是一个相对的概念，目前的“小数据”，曾经也是“大数据”。比如ERP、CRM里导出的数据，现在用excel就能轻松驾驭，但在几十年前，放在当时的技术条件下，这样的数据又何尝不是大体量、多样、高速的 "大数据"。目前的“大数据”，随着技术发展，未来也会成为能够轻松驾驭的“小数据”。
3. 大数据通常都是机器自动生成的，例如物联网中传感器自动生成环境数据。而传统数据的生成往往涉及人工因素，例如零售交易、电话呼叫等等。
4. 大数据往往不是 “结构化” 的，因此难以驾驭。收集传统数据源的交易系统通常会以整洁的、预先规范好的模板方式来生成数据，以确保数据容易被加载和使用。而大数据源在最开始通常不会被严格地定义，而是去收集所有可能使用到的信息。
- 常见的财务报表就是典型的 “结构化” 数据，表头明确了数据的类别、科目，整洁规范。
- 网络日志则是“半结构化”数据的代表，看起来乱七八糟，完全谈不上整洁规范，但其中每一条信息却都有特定用处。
- 而文本，诸如博客文章、论坛评论则是 “非结构化” 数据，必须耗费大量精力进行转化和清洗，才能进行分析和利用。
5. 很多数据可能就是垃圾，并不蕴含大量价值。事实上，大部分数据甚至毫无价值。一篇网页日志中会含有非常重要的数据，但其中也包含了很多根本没有价值的数据。对其进行提炼，从而保留有价值的部分是非常必要的。
京公网安备 11010802022788号
