大数据（big data），IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据 *** ，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据分析通俗的讲就是将海量混杂的数据，通过利用各类手段统一协调成一个有机整体，然后以不同的可视化分析工具直观呈现给用户，让其通俗易懂的发现数据中的一些关键因素点。以保障相关人员提升工作效率及分析数据核心指标，并且为企业带来收益价值点。

5V特点

大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

来源 ***

大量化Volume：非结构数据的超大规模和增长，总数据的80~90% ，比结构化数据增长快10倍到50倍，是传统数据仓库的10倍到50倍。IDC预计到2020年，全球将总共拥有35ZB的数据量。

很多人日常用到或者了解到的仅限于bit、Byte、KB、MB，其实在其之上还有更多维度的统计，例如：最小的基本单位是bit，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。它们按照进率1024（2的十次方）来计算：

举一个例子：

一般情况下，大数据是以PB EB ZB为单位进行计量的：1PB相当于50%的全美学术研究图书馆藏书的信息内容；5EB相当于至今全世界人类所讲过的话语；1ZB如同全世界海滩沙子数量总和；1YB相当于7000位人类体内的微细胞总和。

价值化Value ：大量的不相关信息，对未来趋势与模式的可预测分析，深度复杂分析，快速提炼出海量数据资源中的那部分有价值的信息，为客户带来真正的受益点。（例如：机器学习、人工智能、数据汇聚等）

多样化Variety ：大数据的异构和多样化，很多不同的形式（结构化数据、非结构化数据、半结构化数据）呈现方式也不仅仅限于文本、图像、接口、文件、数据库类、标准格式等。

快速化Velocity： 实时分析而非批量式分析，数据的快速提取、清洗、汇聚、标签化、具体到人事物中，立竿见影而非事后见效。时刻都会处理万亿级以上的数据，因此具有时效性，高速处理、响应迅速。

真实性Veracity：大数据中的内容是与真实世界中的发生息息相关的，研究大数据就是从庞大的 *** 数据中提取出能够解释和预测现实事件的过程。提高数据的准确、可依赖程度，保证数据质量。也可以作为未来某种趋势的预判及以数据来提取到真正的需求点。

价值体现

大数据可以实现的应用可以概括为两个方向：一个是精准化定制；第二个是预测。

精准化定制定制可根据不同业务需求进行设计开发，通过数据去解决一些行业应用难点，例如：智慧城市、可视化大屏、警务大数据、金融大数据等，更多居于toB领域。

而预测类：比如像通过搜索引擎搜索同样的内容，每个人的结果却是大不相同的。会利用大数据推荐算法等模型来进行推送。再比如精准营销、百度的推广、 *** 的喜欢推荐，或者你到了一个地方，自动给你推荐周边的消费设施等等。头条新闻信息推荐等等，更多趋向于toC领域。

图片源于神策

人物画像分析，通过对人物的准确、全方位的刻画，深入挖掘其数据间的内在关系，将零散杂乱的信息组织成有机整体。快速分析出人物的各类属性指标：身份信息、行动轨迹、经济情况、活动偏好、等级划分等，有效地利用分析结果，发现关键数据指标。

数据汇聚、分析、保护

数据聚合针对内外部数据进行多维数据快速汇聚。可通过实时接口、文件自动导入、主动查询等方式接入。并可对各类格式的数据进行智能清洗入库。

汇聚时，需要对各类来源数据进行精准提取：例如利用一些智能终端采集设备，提取入库后，对海量数据进行快速的清洗处理，将其以结构化数据、非结构化数据、半结构化数据为主体划分，而后进行标签化划分，利用图数据库赋予其不同标签，再下发到具体分析的人事物中，以多样可视化分析图表的形态直观展示数据结果。

可视化分析可通过利用不同的分析工具，以关系图、时序图、位置轨迹、词云、时光轴、画像分析、可视化大屏等可视化方式进行分析。（针对不同的需求，可利用将多个工具结合进行全维度数据分析）