說起大數據，估計大家都覺得只聽過概念，但是具體是什么東西，怎么定義，沒有一個標準的東西，因為在我們的印象中好像很多公司都叫大數據公司，業務形態則有幾百種，感覺不是很好理解，所以我建議還是從字面上來理解大數據，在維克托邁爾-舍恩伯格及肯尼斯庫克耶編寫的《大數據時代》提到了大數據的4個特征：

1.大量

大數據的特征首先就體現為“大”，從先Map3時代，一個小小的MB級別的Map3就可以滿足很多人的需求，然而隨著時間的推移，存儲單位從過去的GB到TB，乃至現在的PB、EB級別。只有數據體量達到了PB級別以上，才能被稱為大數據。1PB等于1024TB，1TB等于1024G，那么1PB等于1024*1024個G的數據。隨著信息技術的高速發展，數據開始爆發性增長。社交網絡（微博、推特、臉書）、移動網絡、各種智能工具，服務工具等，都成為數據的來源。淘寶網近4億的會員每天產生的商品交易數據約20TB；臉書約10億的用戶每天產生的日志數據超過300TB。迫切需要智能的算法、強大的數據處理平臺和新的數據處理技術，來統計、分析、預測和實時處理如此大規模的數據。

2.高速

就是通過算法對數據的邏輯處理速度非常快，1秒定律，可從各種類型的數據中快速獲得高價值的信息，這一點也是和傳統的數據挖掘技術有著本質的不同。大數據的產生非常迅速，主要通過互聯網傳輸。生活中每個人都離不開互聯網，也就是說每天個人每天都在向大數據提供大量的資料。并且這些數據是需要及時處理的，因為花費大量資本去存儲作用較小的歷史數據是非常不劃算的，對于一個平臺而言，也許保存的數據只有過去幾天或者一個月之內，再遠的數據就要及時清理，不然代價太大。基于這種情況，大數據對處理速度有非常嚴格的要求，服務器中大量的資源都用于處理和計算數據，很多平臺都需要做到實時分析。數據無時無刻不在產生，誰的速度更快，誰就有優勢。

3.多樣

如果只有單一的數據，那么這些數據就沒有了價值，比如只有單一的個人數據，或者單一的用戶提交數據，這些數據還不能稱為大數據。廣泛的數據來源，決定了大數據形式的多樣性。比如當前的上網用戶中，年齡，學歷，愛好，性格等等每個人的特征都不一樣，這個也就是大數據的多樣性，當然了如果擴展到全國，那么數據的多樣性會更強，每個地區，每個時間段，都會存在各種各樣的數據多樣性。任何形式的數據都可以產生作用，目前應用最廣泛的就是推薦系統，如淘寶，網易云音樂、今日頭條等，這些平臺都會通過對用戶的日志數據進行分析，從而進一步推薦用戶喜歡的東西。日志數據是結構化明顯的數據，還有一些數據結構化不明顯，例如圖片、音頻、視頻等，這些數據因果關系弱，就需要人工對其進行標注。

4.價值

這也是大數據的核心特征。現實世界所產生的數據中，有價值的數據所占比例很小。相比于傳統的小數據，大數據最大的價值在于通過從大量不相關的各種類型的數據中，挖掘出對未來趨勢與模式預測分析有價值的數據，并通過機器學習方法、人工智能方法或數據挖掘方法深度分析，發現新規律和新知識。你如果有1PB以上的全國所有20-35年輕人的上網數據的時候，那么它自然就有了商業價值，比如通過分析這些數據，我們就知道這些人的愛好，進而指導產品的發展方向等等。如果有了全國幾百萬病人的數據，根據這些數據進行分析就能預測疾病的發生，這些都是大數據的價值。大數據運用之廣泛，如運用于農業、金融、醫療等各個領域，從而最終達到改善社會治理、提高生產效率、推進科學研究的效果。

大數據已經成為過去幾年中大部分行業的游戲規則，行業領袖，學者和其他知名的利益相關者都同意這一點， 隨著大數據繼續滲透到我們的日常生活中，圍繞大數據的炒作正在轉向實際使用中的真正價值。

大數據已經無處不在，大數據應用于各個行業，包括金融、汽車、餐飲、電信、能源、體能和娛樂等在內的社會各行各業都已經融入了大數據的印跡。

通訊，媒體和娛樂行業

由于消費者期望有不同格式和各種設備的多媒體需求，通信，媒體和娛樂行業的一些重大數據挑戰包括：

（1）分析和利用消費者洞察（2）利用移動和社交媒體內容（3）解實時，媒體內容使用情況（4）大數據在通信，媒體和娛樂行業的應用

該行業的企業同時分析客戶數據以及行為數據，以創建詳細的客戶資料，可用于：

（1）為不同的目標受眾創建內容（2）根據需要推薦內容（3）衡量內容效果

比如，淘寶會根據你搜索過，瀏覽過的內容進行分析，在下次登錄的時候，會在首頁為你推薦你相關喜好的商品，你喜歡什么樣的球鞋，你愛吃什么樣的零食。大數據分析下，為你投其所好。

銀行證券行業

一項研究對10個頂級投資和零售業務銀行的16個項目進行了調查，結果顯示：行業的挑戰包括：證券欺詐預警，超高頻金融數據分析，信用卡欺詐檢測，審計跟蹤歸檔，企業信用風險報告，貿易可見度，客戶數據轉換，交易的社會分析，IT運營分析和IT策略合規性分析等。

證券交易委員會（SEC）正在使用大數據來監控金融市場活動。他們目前正在使用網絡分析和自然語言處理器來捕捉金融市場的非法交易活動。

金融市場的零售商，大銀行，對沖基金和其他所謂的“大男孩”使用大數據進行高頻交易，交易前決策支持分析，情緒測量，預測分析等方面的交易分析。

該行業還嚴重依賴大數據進行風險分析，包括反洗錢，企業風險管理，“了解你的客戶”和減少欺詐。

醫療領域

醫療保健部門獲得了大量的數據，但一直沒能使用數據來遏制醫療保健成本上升，提高醫療保健收益，提高系統效率。這主要是因為電子數據不足或不可用。另外，保存健康相關信息的醫療保健數據庫很難與醫療領域有用模式的數據鏈接起來。

大數據分析應用的計算能力可以讓我們能夠在幾分鐘內就可以解碼整個DNA。并且讓我們可以制定出最新的治療方案。同時可以更好的去理解和預測疾病。就好像人們戴上智能手表等可以產生的數據一樣，大數據同樣可以幫助病人對于病情進行更好的治療。在醫療領域中，物聯網的重大作用就表現在大數據上。大數據技術目前已經在醫院應用監視早產嬰兒和患病嬰兒的情況，通過記錄和分析嬰兒的心跳，醫生針對嬰兒的身體可能會出現不適癥狀做出預測。這樣可以幫助醫生更好的救助嬰兒。

一些醫院正在使用從數百萬患者手機應用程序收集的數據，允許醫生使用循證醫學，而不是對所有去醫院的患者均進行多次醫學檢查。佛羅里達大學運用免費的公共健康數據和谷歌地圖創建了視覺數據，以便更快地識別和有效分析醫療信息，用于跟蹤慢性病的傳播。

制造業與能源領域

石油、農產品、礦物、天然氣、金屬等自然資源的需求不斷增加，導致數據數量、復雜性增加。制造業的大量數據尚未開發。這些信息的利用不足會妨礙產品質量、能效、可靠性和更高的利潤空間。

能源大數據理念是將電力、石油、燃氣等能源領域數據及人口、地理、氣象等其他領域數據進行綜合采集、處理、分析與應用的相關技術與思想。能源大數據不僅是大數據技術在能源領域的深入應用，也是能源生產、消費及相關技術革命與大數據理念的深度融合，將加速推進能源產業發展及商業模式創新。

在自然資源行業，通過大數據可以利用地理空間數據，圖形數據，文本和時間數據中攝取和整合大量數據建立預測模型，幫助做出決策，應用的領域包括：地震解釋和油藏表征。

保險業 行業具體挑戰

主要挑戰包括缺乏個性化服務，缺乏個性化定價和缺乏針對新細分市場和特定細分市場的有針對性的服務。在由Marketforce進行的調查中，保險業專業人士確定的挑戰包括數據不足帶來的利潤損失，以及渴望更好的洞察力。

業界已經在使用大數據，通過從社交媒體，支持GPS的設備和監控錄像中得到的數據分析和預測客戶行為，為透明和簡單的產品提供客戶洞察。大數據還可以保護公司更好的提高客戶留存。

在索賠管理方面，大數據的預測分析已被用于提供更快的服務，因為大量的數據可以在承保階段進行特別分析。欺詐檢測也得到了加強。通過數字渠道和社交媒體的大量數據，索賠周期的索賠實時監控已被用于為保險公司提供見解。

交通領域

近來，來自基于位置的社交網絡的大量數據和來自電信的高速數據影響了旅游行為。令人遺憾的是，了解旅游行為的研究并沒有如此迅速。在大多數地方，交通運輸需求模式仍然對社交媒體結構的了解不足。

作為信息時代海量數據的來源之一，視頻監控產生了巨大的信息數據。物聯網在安防領域應用無處不在，特別是近幾年隨著平安城市、智能交通等行業的快速發展，大集成、大聯網、云技術推動安防行業進入大數據時代。安防行業大數據的存在已經被越來越多的人熟知，特別是安防行業海量的非結構化視頻數據，以及飛速增長的特征數據，帶動了大數據應用的一系列問題。

政府使用大數據：交通管制，路線規劃，智能交通系統，擁堵管理（預測交通狀況）

私營部門在運輸中使用大數據：收入管理，技術改進，物流和競爭優勢（通過整合出貨量和優化貨運）

個人使用大數據包括：路線規劃節省燃料和時間，旅游安排等。