談到大資料，很多人的第一反應就是非常大量的資料，其實不然，5P的資料也許不是大資料，1P的反而是大資料。也就是說，大資料並不意味著絕對的資料所佔空間的巨大。

        那麼，怎麼理解大資料的“大”呢？我覺得吳軍博士在《智慧時代》一書中對於“大”有一段精彩的描述：

        英語裡的large和big翻譯成中文都是大的意思，因此很少有人關心為什麼大資料使用"big data"這個英語片語，而不是"large data"。但是，在大資料被提出之前，很多通過收集和處理大量資料進行科學研究的論文，都採用large或者vast（海量）這兩個英文單詞，而不是big。比如我們常常可以看到論文的標題包含"largeScaled...""Vast Data""Large Amount..."等片語，但是很少用Big。

        那麼big，large和vast到底有什麼差別呢。large和vast在程度上略有差別，後者可以看成是very large的意思。而big和它們的差別在於，big更強調的是相對小的大，是抽象意義上的大，而large和vast常常用於形容體量的大小。比如"large table"常常表示一張桌子的尺寸很大，而如果說"big table"其實是要表示這不是一張小桌子，真實尺寸是否很大倒不一定，但是這樣的說法是要強調已經稱得上大了，比較抽象。

        通過上面的描述我們可以有一個認識，就是大資料的“大”是相對的，不是絕對的，不是說有一個標準，超過多少就是大資料，沒超過就是小資料。那問題又來了，什麼樣的資料就是相對的“大”呢？這其實就是今天我們要探討的，大資料的特點，也就是說，具備這些特點的資料就是所謂的大資料，不具備這些特點，你就是搞出來1個ZB的資料（小科普一下，1ZB=1024×1024×1024TB），也不算大資料。

        說來說去，到底大資料有什麼特性啊？你還說不說，不說走了啊。

        哎，別急別急，這就開始說嘛。

        先看看業界大牛們都怎麼說，最流行的是下面的段子：

        業界（其實就是IBM，IBM牛嘛）將大資料的特徵歸納為4個“V”（大量Volume，多樣性Variety，價值Value，及時性Velocity）：第一，資料體量巨大。大資料的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）；第二，資料型別繁多。比如，網路日誌、視訊、圖片、地理位置資訊等等。第三，價值密度低，商業價值高。第四，處理速度快而且及時。

        我最煩老外動不動就把個什麼破事總結成4V、5S、3P、雙飛啥的，咦，好像有奇怪的東西混進來了，不要關注這些細節，我們都是正能量，哈！有時候往往為了拼湊而喪失了本來的含義。

        吳軍博士就對此提出了自己的看法，他認為大資料的核心特點是：

        ★大資料最明顯的特徵是體量大。

        ★（大資料的特性中）其中最重要的含義是多維度。實際上，多維度的講法更加簡明而準確。

        ★大資料的第三個重要特徵，就是它的全面性，或者說完備性。

        看看，大牛們打起來啦吧，吳軍博士直接把Value忽略了，Variety也不太認可，認為更重要的不是多樣，而是多維度，Velocity直接就覺得不重要，反而覺得全面和完備是大資料更重要的特性。

        再來看王堅博士的觀點，王堅博士走的更遠，直接把4V扔進了垃圾堆。王堅博士在《線上》一書中有如下描述：

        我分享時說“大資料”這個名字叫錯了，它沒有反映出資料最本質的東西。

        其實大資料很早以前就有，只是那時的“大”還沒有意義。世界上最大的資料估計和網際網路一點關係都沒有，最大的資料估計存在於歐洲核子研究組織（CERN），那裡的對撞機中運算的資料可能一輩子都算不完。

        今天資料的意義並不在於有多“大”，真正有意思的是資料變得線上了，這恰恰是網際網路的特點。所有東西都能線上這件事，遠比“大”更能反映本質。

        哇！不愧是阿里的技術委員會主席，直接否了大資料這個詞了。

        再來看看維克托·邁爾·舍恩伯格在《大資料時代》一書中是怎麼描述大資料的：

        大資料是人們在大規模資料的基礎上可以做到的事情，而這些事情在小規模資料的基礎上是無法完成的。大資料是人們獲得新的認知，創造新的價值的源泉；大資料還是改變市場、組織機構，以及“政府”與公民關係的方法。

        好，看完了各路大神的論述，對大資料的特性是不是徹底混亂了？沒關係，看我的乾坤大挪移神功！

        我把大牛們的中心思想總結了一下，提出了大資料的特性理解：

        1、資料在其應用領域相對較大。例如，當我們研究全國人民的姓氏時，13億人的全部名稱就是這個領域最大的資料了，也許在硬碟上只佔幾百M的空間，但是已經是相對較大的資料；

        2、資料具備可操作性。即資料是否可以被計算機進行運算與操作，是否在網際網路上倒不是必須的，因為一些資料的天然特性是不能存在於網際網路中的。但是必須要通過計算機可處理，如果該資料不具備可操作性，一般也就談不上我們理解的大資料；

        3、資料具有一定程度的完整性、連續性，即可分析。假如我們手裡有3000輛汽車的執行資料，但是都是斷裂的、錯誤的，就很難進行分析和處理。