大數(shù)據(jù)究竟是什么?很多人可能仍然有些混淆，本文讓我們來看看大數(shù)據(jù)的一些主要的定義。首先要注意的是，行業(yè)內(nèi)的所有人都普遍認(rèn)同，大數(shù)據(jù)不只是更多的數(shù)據(jù)。

(1) 最初的大數(shù)據(jù)

大數(shù)據(jù)的特征可以用很多詞來描述。2001年Doug Laney***提出“3V”模型， 包括數(shù)量 (Volume)、速度(Velocity)和種類(Variety)。在那以后，業(yè)界很多人把3V擴(kuò)展到了11V，還包括有效性、真實(shí)性、價(jià)值和可見性等。

(2) 大數(shù)據(jù)：技術(shù)

為什么12年前的老術(shù)語突然被放在聚光燈下?這不僅是因?yàn)槲覀儸F(xiàn)在擁有比十年前更多的數(shù)量、速度和種類。而是因?yàn)榇髷?shù)據(jù)受到新技術(shù)的推動(dòng)，特別是快速發(fā)展的開源技術(shù)，例如Hadoop和其他存儲和處理數(shù)據(jù)的NoSQL方式。

這些新技術(shù)的用戶需要一個(gè)術(shù)語來將它們區(qū)別于以前的技術(shù)，于是大數(shù)據(jù)成了他們的***選擇。如果你去參加大數(shù)據(jù)會議，你肯定會發(fā)現(xiàn)，涉及關(guān)系型數(shù)據(jù)庫的會議會很少，無論他們鼓吹多少個(gè)V。

(3)大數(shù)據(jù)與數(shù)據(jù)的區(qū)別

大數(shù)據(jù)技術(shù)的問題是，大數(shù)據(jù)有些含糊不清，以至于行業(yè)中的每個(gè)供應(yīng)商都可以跳進(jìn)來聲稱自己的技術(shù)是大數(shù)據(jù)技術(shù)。以下是兩種很好的方法來幫助企業(yè)理解現(xiàn)在的大數(shù)據(jù)與過去單純的大數(shù)據(jù)的區(qū)別。

■交易、交互和觀察：這是由Hortonworks公司負(fù)責(zé)企業(yè)戰(zhàn)略的副總裁Shaun Connolly提出的。交易是我們過去收集、存儲和分析的主要數(shù)據(jù)。交互是人們點(diǎn)擊網(wǎng)頁等操作得到的數(shù)據(jù)。觀察是自動(dòng)收集的數(shù)據(jù)。

■過程介導(dǎo)數(shù)據(jù)、人類產(chǎn)生的信息以及機(jī)器生成的數(shù)據(jù)。

(4)大數(shù)據(jù)：信號

SAP公司的Steve Lucas認(rèn)為，應(yīng)該根據(jù)意圖和時(shí)機(jī)來劃分這個(gè)世界，而不是根據(jù)數(shù)據(jù)的類型。“舊世界”主要是關(guān)于交易，當(dāng)這些交易被記錄時(shí)，我們已經(jīng)無法對它們采取任何行動(dòng)：企業(yè)都在不斷管理“失效的數(shù)據(jù)”。而在“新世界”，企業(yè)可以使用新的“信號”數(shù)據(jù)來預(yù)測將會發(fā)生什么，并進(jìn)行干預(yù)來改善情況。

相關(guān)的案例有，追蹤社交媒體上人們對品牌的態(tài)度，以及預(yù)測性維護(hù)(用復(fù)雜的算法幫助你決定何時(shí)需要更換零部件)。

(5) 大數(shù)據(jù)：機(jī)會

這是來自451 Research的Matt Aslett，他將大數(shù)據(jù)定位為“之前因?yàn)榧夹g(shù)限制而被忽略的數(shù)據(jù)”。(雖然在技術(shù)上，Matt使用了“暗數(shù)據(jù)”，而不是大數(shù)據(jù)，但已經(jīng)非常接近)。這是筆者最喜歡的定義，因?yàn)樗洗蟛糠治恼潞陀懻撝械恼f法。

(6) 大數(shù)據(jù)：隱喻

Rick Smolan在其書中寫道，大數(shù)據(jù)是“幫助這個(gè)星球生成神經(jīng)系統(tǒng)的過程，其中我們?nèi)祟愔皇橇硪环N類型的傳感器”。很深?yuàn)W吧?

(7) 大數(shù)據(jù)：新瓶裝舊酒

很多項(xiàng)目基本上是使用以前的技術(shù)，這些過去被稱為BI或者分析的技術(shù)突然跳入大數(shù)據(jù)的行列中。

底線：盡管大家對大數(shù)據(jù)的定義有很多爭議，但所有人都同意這個(gè)事實(shí)：大數(shù)據(jù)是一個(gè)大事件，在未來幾年將帶來巨大的機(jī)遇。