这些年大数据成了香饽饽，每个人都在谈论大数据，但是他们真的懂大数据么？我觉得并不是。
很多人看来，大数据其实就数据量级很大，毕竟名字就是这么起的。但，大数据真的只是这样吗？
如果要说大数据的话，就不得不提出IBM公司的5V理论：Volume（大量）、Velocity（高速）、Variety（多样性）、Value(价值)以及Veracity（真实性）。
1、Volume（大量）
这个特点也是被人们所熟知的，现在是大数据时代，每天产生的数据都是极其恐怖的，之前的MB,GB已经远远不足以描述当下的数据量，甚至只能使用ZB这种超大的数据单位来进行描述了。而处理大数据，相应的也必须使用分布式运算才可以实现。
2、Velocity（高速）
海量数据需要足够的储存空间，但处理速度也必须要很快，不然用户的使用体验将会极大受到打击，很难想象百度搜索在用户搜索关键词之后，1分钟才出现结果。如果大数据处理速度不快，这个事情还真会是个现实，甚至有过之而无不及。
3、Variety（多样性）
所谓的大数据，并不是我们传统的结构化数据，更应该说，大数据的爆炸增长，其实是来源于非传统的非结构化数据，也就是音频、视频、图片、地理位置等。这些数据区别于传统的二维结构，对数据处理的要求更高，也是大数据时代急需解决的问题。
4、Value（价值）
海量的数据是不是就代表着海量的价值，并不如此。相反，数据价值密度在大数据时代反而变得更低，用大浪淘沙来形容并不为过。那该如何进行高效的价值挖掘呢？这就需要使用当下的机器算法来解决了，譬如特征提取，聚类算法，分类，譬如自动识别人脸，对人来说很简单的事，对机器却很复杂。
5、Veracity（真实性）
上面四点，个人认为还不是最重要的，最重要的应该是真实性，也就是数据的质量。质量的好坏，直接保证了最终大数据输出的截止是否真实可靠。很多人会觉得大数据就一定会是真实的，并不如此，拿广告领域而言，作弊流量现象随处可见。因此，大数据一定会是真实的，并不如此。
"大数据"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。从数据的类别上看，"大数据"指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。 亚马逊网络服务（AWS）、大数据科学家JohnRauser提到一个简单的定义：大数据就是任何超过了一台计算机处理能力的庞大数据量。 研发小组对大数据的定义："大数据是最大的宣传技术、是最时髦的技术，当这种现象出现时，定义就变得很混乱。" Kelly说："大数据是可能不包含所有的信息，但我觉得大部分是正确的。
大数据有两个发展方向。一个是方向大家比较熟悉的“数据收集、分析”，借此了解客户需求、明确产品方向等等。我还在人工智能、机器学习等领域做了一些研究，思考怎样把这些先进的技术和数据技术综合在一起，让大数据不仅能帮人做决策，而且能够真正自己做一些简单决策，让人有时间和精力去做更复杂的决定。另外一个方向是“数据即服务”。亚马逊的AWS云计算是“基础设施即服务”，Salesforce是“软件即服务”。Splunk是做大数据的管理平台，我想如果能把这个平台做得更进一步，也是一个很好的方向，把大数据变成“小数据”。
"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。
