大数据（bigdata），IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[1]中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
首先，要想把大数据搞清楚，首先要明白大数据本身并不是一个单一的概念，如今的大数据已经发展成了一个庞大的生态体系，涉及到的产业链也在不断完善和发展。随着大数据技术体系逐渐成熟，大数据的落地应用已经开始逐渐展开，随着诸多行业企业纷纷实现业务上云，未来大数据的应用场景会越来越多，大数据所构建起来的价值空间也有很大的潜力。
大数据时代，用数据分析，解决，预测现实中的一些事件。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。
首先，对大量消费者提供产品或服务的企业可以利用大数据进行精准营销。其次，做小而美模式的中小微企业可以利用大数据做服务转型。再者，面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
首先，对大量消费者提供产品或服务的企业可以利用大数据进行精准营销。其次，做小而美模式的中小微企业可以利用大数据做服务转型。再者，面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
大数据（bigdata），IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[1]中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）
大数据（bigdata），IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[1]中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
大数据（bigdata）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
大数据的特征：
容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；
种类（Variety）：数据类型的多样性；
速度（Velocity）：指获得数据的速度；
可变性（Variability）：妨碍了处理和有效地管理数据的过程。
真实性（Veracity）：数据的质量。
复杂性（Complexity）：数据量巨大，来源多渠道。
价值（value）：合理运用大数据，以低成本创造高价值。
大数据就是：
（1）对大量消费者提供产品或服务的企业可以利用大数据进行精准营销；
（2）做小而美模式的中小微企业可以利用大数据做服务转型；
（3）面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
不过，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”这确实是需要警惕的。
在这个快速发展的智能硬件时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策等等。例如，通过结合大数据和高性能的分析，下面这些对企业有益的情况都可能会发生：
（1）及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。
（2）为成千上万的快递车辆规划实时交通路线，躲避拥堵。
（3）分析所有SKU，以利润最大化为目标来定价和清理库存。
（4）根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。
（5）从大量客户中快速识别出金牌客户。
（6）使用点击流分析和数据挖掘来规避欺诈行为。
大数据的应用
洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。
Google流感趋势（GoogleFluTrends）利用搜索关键词预测禽流感的散布。
统计学家内特·西尔弗（NateSilver）利用大数据预测2012美国选举结果。
麻省理工学院利用手机定位数据和交通数据建立城市规划。
梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。[8]
医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。
学习代码的
通俗的解释就是利用大量已经发生事件数据信息，记录下来，分类处理，进行管理和利用，从而分析出规矩和将要发生的预测。
信息量大，云计算。
什么是大数据，简单点说就是网络版的市场调研，只是范围与调研的内容更加详细而已，同时从成本角度去看大数据的获得成本更低。时效性也更强。问题在于数据自乱无章目的性数据筛选麻烦，可能会涉嫌窥探他人隐私等问题。
从数据分析角度去看，大数据的分析与传统市场调研的分析方法及分析工具没有任何区别。
总结：大数据就是依托于网络采集信息的市场调研，只是换了一个高大上的名字而已。本质没有任何区别。
这是一个非常好的问题，作为一名IT从业者，同时也是一名计算机专业的教育工作者，我来回答一下。
首先，要想把大数据搞清楚，首先要明白大数据本身并不是一个单一的概念，如今的大数据已经发展成了一个庞大的生态体系，涉及到的产业链也在不断完善和发展。随着大数据技术体系逐渐成熟，大数据的落地应用已经开始逐渐展开，随着诸多行业企业纷纷实现业务上云，未来大数据的应用场景会越来越多，大数据所构建起来的价值空间也有很大的潜力。
早期在描述大数据的时候，往往从大数据本身的特点来入手，比如数据量大、速度快、数据类型多样化、价值密度低、真假难辨等等，但是对于普通人来说，即使知道了这些特点，对于大数据的概念依然是模糊的，依然不知道大数据到底用来做什么，能够与普通人产生哪些连接。
实际上，要想了解大数据，首先要搞清楚大数据的目的，大数据的目的就是实现数据的价值化，大数据的所有操作几乎都是围绕数据价值化展开的，包括数据采集、数据整理、数据存储、数据分析和数据应用等等，这一系列环节都是围绕数据的价值增量来展开的，最终通过数据应用来完成价值体现。
简单的说，通过大数据能够让更多的数据产生价值，通过大数据能够让数据的价值进行传递（赋能）和提升，通过大数据能够让数据逐渐成为一个重要的生产材料，通过大数据能够衡量一个企业的价值和发展潜力等等，随着工业互联网的发展，未来大数据本身所承载的价值空间会越来越大。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！