搜索
对大数据的基本特征有很多看法，但学术界普遍认可的是“3V”或“4V”的说法。3V特性是指容量巨大（Volume）、品种复杂（Velocity）、处理速度快，4V在此基础之上增加了价值密度低（Value）。随着数据挖掘技术和数据处理技术的发展，大数据的价值开始体现出来。（1）容量巨大。十年前，我们对数据容量认知单位仅限于MB和GB，但现在业务中使用的最基本的数据容量单位已达到TB。百度、腾讯、阿里等网络公司已经达到ZB（1ZB=1万亿GB）。目前，全球数据量仍在增长，年增长率超过40%。（2）种类复杂。我们通常所说的数据是一个整体性的概念，按照不同的划分方式，数据可以被划分为多种类型，最常用和最基本的就是利用数据关系进行划分，有结构化数据、半结构化数据和非结构化数据，在小数据时代基本以结构化数据为主，随着数据技术的不断发展才出现了半结构化和非结构化数据。另外，从数据来源上划分，有社交媒体数据、传感器数据和系统数据。从数据格式上划分，有文本数据、图片数据、音频数据、视频数据等。近几年数据的种类增加了很多，主要原因是移动设备、传感器以及通讯手段的增加，如此复杂多变的数据种类，带来的将是数据分析和数据处理的困难，势必会引发相应技术的变革。（3）处理速度快。数据的数量和类型都在不断增加，直接影响到的就是数据的处理速度。大数据时代的基本要求就是速度要快，在数据资源化的趋势下，当今时代数据已然成为一种资源，但数据同现实中的物质资源不同，物质资源是不会消失和失去自身价值的，由于数据自身具有时效性，其所能挖掘的价值可能稍纵即逝，如果大量的数据来不及处理，就会变成数据垃圾。所以，现在的网络市场，各大互联网公司进行的不仅仅是数据的竞争，同时还是速度的竞争，要想在市场中占据主动地位，就必须要对拥有的数据进行快速的、实时的处理。（4）价值密度低。价值性是大数据最本质的特性之一，大数据之所以能够得到各行各业的重视，主要原因就是其背后巨大的潜在价值，但是它的价值密度却很低。价值密度我们可以理解成有用数据在总数据中所占的比例。价值密度低的原因一方面是因为庞大的数据量和复杂的数据类型，基数过大带来的不仅是有价值的数据，更多的是垃圾数据和无用数据；另一方面是因为处理速度过慢，无法迅速准确的获取有价值的数据。纵使价值密度低，也无法阻挡人们对大数据的狂热，其根源还是在于数据背后所隐藏的巨大价值，大数据预测，将是大数据发展的主要方向。以上就是全部内容，希望对大家有所帮助，感谢您的阅读！