7.5.2 大数据的特点
图7.8 大数据的特点
根据IDC的定义，大数据的特点可以用四个“V”表示：海量（Volume）、多样性（Variety）、高度（Velocity）和价值（Value），如图7.8所示。
（1）海量
随着信息化技术的高速发展，数据开始爆发性增长。社交网络（如微博、Twitter、Facebook等）、移动网络、各种智能终端等，都成为数据的来源。之所以产生如此巨大的数据量，一是由于各种仪器的使用，使人们能够感知到更多的事物，这些事物的部分甚至全部数据都可以被存储；二是随着互联网络的广泛应用，使用网络的人、企业、机构增多，数据获取、分享变得相对容易，同时用户有意的分享和无意的点击、浏览都可以快速地产生大量数据；三是由于集成电路价格降低，使很多设备都有了智能的成分，随着各种传感器获取数据能力的大幅提高，人们获取的数据也越来越接近原始事物本身，从而，描述同一事物的数据量激增。
（2）多样性
随着传感器种类的增多以及智能设备、社交网络等的流行，数据类型也变得更加复杂，不仅包括传统的关系数据类型，也包括以网页、视频、音频、e-mail、文档等形式存在的未加工的、半结构化的和非结构化的数据。正是由于数据来源于不同的应用系统和不同的设备，决定了大数据形式的多样性。大数据大体可以分为三类：一是结构化数据，其特点是数据间因果关系强，如财务系统数据、信息管理系统数据、医疗系统数据等，这些数据一般都是结构化的静态历史数据，可以通过关系型数据进行管理和访问；二是非结构化的数据，其特点是数据间没有因果关系，包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、音频和视频等信息；三是半结构化数据，其特点是数据间的因果关系弱，如邮件、网页等，它介于结构化数据和非结构化数据之间，一般是自描述性的，数据结构和内容混合在一起。
（3）高速
数据的增长速度和处理速度是大数据高速性的重要体现。随着各种传感器和互联网络等信息获取、传播技术的飞速发展和普及，数据的产生、发布越来越容易，产生数据的途径也越来越多。快速增长的数据量要求数据处理的速度也要相应的提升，才能使得大量的数据得到有效的利用，否则不断激增的数据不但不能成为解决问题的有力武器，反而成了快速解决问题的负担。同时，数据不是静止不动的，而是在互联网络中不断流动，且通常这样的数据的价值是随着时间的推移而迅速降低的，如果数据尚未得到有效的处理，就失去了价值，大量的数据就没有意义。
此外，在许多应用中要求能够实时处理新增的大量数据，比如有大量在线交互的电子商务应用，就具有很强的时效性。大数据以数据流的形式产生，快速流动、迅速消失，且数据流量通常不是平稳的，会在某些特定的时段突然激增，数据的涌现特征明显，这种情况下，大数据就要求快速、持续的实时处理。对不断激增的海量数据的实时处理要求，是大数据与传统海量数据处理技术的关键差别之一。
（4）数据价值密度低
大数据中有价值的数据所占比例很小，大数据的价值性体现在从大量不相关的各种类型的数据中，挖掘出对未来趋势与模式预测分析有价值的数据，并通过机器学习方法、人工智能方法或数据挖掘方法深度分析，运用于农业、金融、医疗等各个领域，以创造更大的价值。
传统的结构化数据，依据特定的应用，对事物进行了相应的抽象，每一条数据都包含该应用需要考量的信息，而大数据为了获取事物的全部细节，不对事物进行抽象、归纳等处理，直接采用原始的数据，且通常不对数据进行采样，保留了数据的原貌。由于减少了采样和抽象，这样可以分析更多的信息，但同时也引入了大量没有意义的信息，甚至是错误的信息，因此相对于特定的应用，大数据关注的非结构化数据的价值密度偏低。以当前广泛应用的监控视频为例，在连续不间断监控过程中，大量的视频数据被存储下来，许多数据可能是无用的，对于某一特定的应用，比如获取犯罪嫌疑人的体貌特征，有效的视频数据可能仅仅有一两秒。但是大数据的数据密度低是指相对于特定的应用，有效的信息相对于数据整体是偏少的，信息有效与否也是相对的，对于某些应用是无效的信息，对于另外一些应用则可能成为最关键的信息。数据的价值也是相对的，有时一条微不足道的细节数据可能造成巨大的影响，比如网络中的一条几十个字符的微博，就可能通过转发而快速扩散，导致相关的信息大量涌现，其价值不可估量。因此，为了保证对于新产生的应用有足够的有效信息，通常必须保存所有数据，这样一方面使得数据的绝对数量激增，另一方面使得数据包含有效信息量的比例不断减少，数据价值密度降低。