大數據這個概念早在1980年就由美國的Alvin Toffler提出，因為作為一個未來學家，所提出的僅僅是概念性的理論，所以在信息資源并不是那么豐富的當時沒有受到很大的關注。麥肯錫公司于 2011 年發布了一份大數據調研報告，題目是《大數據：下一個創新、競爭和生產力的前沿》。這份大數據調研報告顯示出大數據慢慢受到人們的關注，其將大數據定義為一種超出傳統數據庫軟件采集、儲存、管理和分析能力的數據集。之后在 2012 年出版的《大數據時代》中給出大數據的一種特性，指出大數據注重全面性和整體性，而不是在小規模數據上分析利用。

大數據的產生具有天時地利人和的有利條件。天時：大數據的產生具有時間上的連續性。以往的數據都是與一定的運營活動相伴出現的，并且需要進行專門的存儲階段。這個時期的數據是被動產生的，這些數據是運營式的傳統數據。但是在大數據時代，隨著計算機技術、云計算存儲技術和自媒體技術的迅猛發展，大量的數據會通過移動終端和網絡終端即時存儲，這個階段的數據呈現出自發性和主動性。數據的這個發展過程中慢慢脫離了人類主動存儲的活動，打破了以往的時間限制，可以自發地、不中斷地產生數據。

人和：在人物方面，大數據的產生是人、機、物協同作用的結果。在數據不斷發展過程中，數據的主體從以往的具有主體性的人慢慢演變為人機物三者以及三者的統一體。首先，人類的生產活動和生存活動都會產生大量的數據。其次，信息系統本身也產生大量的數據，這些數據以文件、圖片、視頻等形式存在，比如文件的復制和數據備份都屬于這類數據，這部分系統本身的數據基數很大，不應該被我們忽視。

最后，我們生活中的各類物品也會產生數據，比如各種地理信息采集設備、傳感器和攝像頭等數據采集設備，這些物品雖然是由人類生產制造出來的，但是一經成型便成為世界中的獨立存在物。這人機物三者的相互作用是大數據產生的根本原因。大數據產生后，我們必須了解大數據與大數據技術定義辨析。

然后我們來了解大數據技術的定義：大數據技術是指在大數據的采集、傳輸、處理、和應用過程中所使用的一系列技術，其本質是利用大數據的各種方法和工具。（陳健 2017）大數據技術可以處理海量數據，是新興的數據服務模式與組織架構，包括對數據的獲取、傳遞、處理、再生、再利用等功能，但是與傳統數據處理技術不同在于數據的采集和處理速度的要求越來越快，數據量龐大，數據結構也越來越復雜。

除了在大數據采集、傳輸、處理和應用中所使用的技術外，國家政策、企業政策及公共項目規劃都會影響大數據技術的發展。大數據技術不僅是國家宏觀層面的通用技術，同時是產業層面的行業共性技術，還是企業及項目涉及的專有技術。大數據到來了，我們人也要思維轉變。下面我們分3個部分詳細說明大數據時代如何轉變我們思維。

然而，在大數據時代，如果我們繼續用傳統的思維模式來思考的話，就可能會錯過更重要信息。大數據技術的高擴展性的數據存儲能力，成本更低，能夠存儲所有基礎信息，我們擁有的數據庫更全面，幾乎囊括與該現象相關的全部數據。因此，我們不必擔心數據點會對整個數據分析產生不利影響。我們應該擁抱這些混雜的數據，并從中受益。在大數據技術高速發展時代，我們需要通過數據的普遍性來追求更精確的數據分析結果。

大數據思維方式與傳統思維邏輯大不相同。大數據技術是針對大規模數據進行聚類、搜索、分類以及比較等統計性的歸納分析，它的分析結果與使用的分析工具和分析過程之間都存在著相關關系，這在一定程度上繼承了統計科學的一些特點。實際上，在大數據技術產生之前，就己經有人證明了相關關系有大作用，但是對它的應用卻相對較少。一方面，數據量相對較少，另一方面對數據的收集與儲存也相當費時費力。

因此，統計學家就找到一個關聯物，采集與這個關聯物相關的數據作相關關系處理，進而檢測該關聯物的優劣。然而這個關聯物有時也只是專家的抽象物，一種假想，這種假想需要進行反復試驗。一方面這個過程過于繁瑣，另一方面也可能會帶來一種偏見蒙蔽我們的雙眼，造成我們在構想假設以及選定關聯物的過程中出現偏差。

在大數據技術高速發展時代，我們擁有海量數據，依靠大數據技術進行數據挖掘和計算分析，人們可以瞬間處理成千上萬結構復雜的數據。我們己經不再依賴人工挑選部分相似的數據或關聯物進行逐個分析。先前人類對世界的認識必須建立在對其的假設之上，而現在我們己經不那么需要了。大數據相關關系分析的這種方法有助于我們對某事物的分析不再要求一定揭示其內在的運行機制。通過對事物相關性分析，我們能最大程度地做到降低主觀因素對分析結果的影響。

總之，從上面大數據的產生和定義我們不難發現身邊的大數據技術在很多領域都起著重要作用，尤其在電商、金融、臨床等領域有著難以替代的作用。