在当今这个所谓的数字经济时代，各种新概念、热词越来越多，不过大家有没有一种感觉，像大数据、云计算、元宇宙、数字经济等等，出现在我们耳目中的频率越来越高，我们似乎对其熟悉无比，但一细想，往往又是不明所以，那种感觉怎么说呢，大概就是似是而非、既“熟悉又陌生”吧。这里就和大家分享一下我们经常听的、经常说的大数据。

01 它当然是数据

让子弹飞里有句话，路是要一步一步走的，步子迈大了，容易扯着那啥，所以我们先从数据开始说起。从广义上来说，大数据包含自然数据和非自然数据，自然数据大抵是指我们已知的各类科学文化知识等等，这里不展开，也没展开的必要。非自然数据就是在不断发展变化的，其中最为核心、占比也最大的，就是跟人相关的，一般领域内将其称为“个人数据”。本人查阅了很多资料，决定就以这个“个人数据”为代表，来分享解释大数据。

个人数据，通俗来说就是那些人们行为所产生的数据，主要包括三类：一是自生性数据，即用户自发产生的各种数据，如社交网络信息；二是观测性数据，就是记录用户可被观测的行为、信息等；三是推断性数据，就是根据前面两类数据，进行分析推断得出的相关信息。我觉得这是比较权威又很生动的一个定义和分类，是相关学者在世界经济论坛发布的观点，这里就直接搬了过来。

如果再说具体点的话，自生性数据包括用户的通讯录、邮件和照片等信息，以及你在头条、微信朋友圈、微博、知乎上摆弄的一切信息等。观测性数据就包括你的贷款记录、还贷记录、支付记录、浏览记录、位置记录、交通违规记录和既往病史等等。推断性数据包括客户个人信用、消费水平及喜好等等，对于商业来说，这些都可以用来做用户的潜在价值分析，这一方面往往深受商家关注和重视，毕竟这能让他搞清楚要想获得更多收入和利润，应该在哪些地方发力。

而随着技术的持续进步，数据通过买卖、加工，为企业换回经济利益的“资产”效应越来越显著，它已经成为一种资产，并将越来越重要。试想如果数据没有资产的价值，不能带来收益，就不会有大数据的概念，毕竟没有人会存储垃圾的。已经有人提出，未来数据资产其价值将超越现在的石油产业，掌握更多的大数据资产，就可以带来更多的利润。

02 它等于数据大吗？

前面我们着重解释了什么是“数据”，那么大数据，顾名思义，或许有朋友在想，那不就是数据大吗？咋一听，还是很有道理的，我们有必要继续深入。

关于大数据，很多权威机构都给出过定义。

麦肯锡：大数据是指超过了常规数据库软件工具所能获取、存储、管理和分析规模的数据集。

维基百科：那些规模超过常规用途的软件工具，在可接受时间内捕获、管理和处理的数据集。

这两个是在大数据萌生初期被给出的定义，我们能够明显看到，其都充分肯定了大数据的基本特征——“大”。从某种程度上来说，大数据缘于对数据规模和非结构化数据处理需求的窘迫和迫切。那么，大数据的第一个基本属性就是数据量大。

随着技术的飞速向前，大数据向我们展示了其是远远大于“数据大”的，要了解这点，我们先来看看其最新的定义，国际数据公司（IDC）给出了最新描述：“大数据”是指为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取价值而设计的新一代架构和技术，用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

从这个定义我们可以看到，在 “数据大”的基础上，还强调了从“数据大”中，更经济高效地获取价值，并着重指出其实因为实现前者而设计的新一代架构和技术。但到这里还没有完，我们需要继续深入，剖析其内涵。

03 它是有内涵的

对于大数据的内涵，国际知名信息技术研究分析公司Gatner，综合了各种对大数据的定义，总结出了大数据的“4V”属性。

1．数据体量巨大（ Volume )

首先是大数据所采集、存储和计算的数据规模都非常大。随着信息化技术的高速发展，数据爆发式增长，大数据中的数据不再以几个GB或TB来计量，而是从 TB （太字节，即1万亿字节）级别，跃升到 PB （1000TB）、EB（100万TB）乃至ZB（10亿TB）级别。当然，不仅数据量呈几何级增长，近年来，随着数据维度变多、数据类型增加、数据的描述能力增强，数据可以传达的信息也越来越多，越来越准确。

2．数据类型多（ Variety )

大数据的种类和来源多样化。除了更多、更广泛的有丰富处理经验的结构化数据外，还包括网络日志、视频、图片、地理位置信息等。数据类型、来源等更加多样化，处理难度更高。在不同的数据类型中进行交叉分析，是大数据的核心技术之一。如此多样的数据为数据处理带来了挑战。在数据结构上，大数据可以分为结构化数据、半结构化数据和非结构化数据；在具体形式上，大数据可以分为视频、音频、图像、博客、社交网络、互联网搜索等。大数据迎接的挑战就是要针对这些结构不一、形式多样的数据，挖掘其中的相关性。而这些前所未有的、来自各个领域的、不同形式的数据，赋予了大数据强大的威力。

3．数据处理响应速度快（ Velocity )

有很多数据的应用需求要求实时响应、实时处理和实时反馈。这是区别大数据应用和传统数据技术的关键。在信息时代，人成为网络的核心，每个人每天都在制造新的数据，这些数据再被相应的机构如政府、互联网企业、银行、电信运营商等收集，形成了一个个庞大的数据体系。面对如此庞大的数据体系，处理数据并得到结果的速度越快，数据的时效性就越强，价值就越高——而大数据和传统数据挖掘最大的区别也在于此，大数据更强调数据处理的实时性和时效性。如现在被广为推崇的“大数据1秒定律”，即必须在1秒内得到处理结果。

4．数据真实性（ Veracity )

数据真实的引申含义就是数据有价值( Value )。只有合理利用数据并对其进行正确、准确地分析，才会带来很高的价值回报。

前3个 V 是大数据带来的技术要求和调整，只有技术上突破了3V，大数据才可能被利用。而第四个 V 才是大数据的终极目标，技术是它实现的前提，但不是全部。值得一提的是，巨大的数据量不可能全部存储下来，当然也不需要，数据量的迅速发展使其价值密度降低，但挖掘出的信息价值更加珍贵。例如，医疗数据管理系统会处理掉90％的数据（如手术过程中产生的实时视频图像）。因此，大数据核心价值在于，从大量低价值密度数据中，快速高效地挖掘出对分析和预测有价值的信息。

感谢您的阅读，希望和大家一起学习交流大数据、云计算、数字经济这些东东，如果喜欢本文，请点个赞吧^_^