何为大数据

1.数据规模

这个是最基本的要求，数据规模不到一定级别，你就不好意思说你是大数据。但数据规模多大才算大，我给不出来一个通用的数字去界定大数据。虽然很多公司的数据量都会上P，但这个不能作为大数据的标准。自我感觉，能称自己公司已经进入大数据时代，这个公司就需要考虑如下几点去应对自己的数据：1.独立的离线历史数据存储；2.数据保密管理策略；3.数据仓库+数据分析；4.成熟的基于数据的商业模式或者产品。

2.数据结构

我们不能武断的认为一个日产百T数据的公司就是大数据公司，一个日产几T数据的公司就不是大数据公司。如果新浪微博是web1.0的产品，那就假设所有的微博是新浪公司员工编写，我们这些用户只有一种操作：只能阅读，顶多把信息做个归类，不能写微博、评论、转发。那对微博产生的数据只需要简单的分析就能搞定，说不定根本就不会涉及到数据挖掘。这样的算不算大数据公司。庆幸的是，新浪微博是web2.0的产物，他上面的写手和读者五花八门，人们的交互方式千变万化，上面的应用纷繁冗杂，这些数据的结构复杂太多了吧。数据分析、数据挖掘技术可以发挥无穷的作用，像这样的数据规模+数据结构才算大数据。

3.数据内容

网络丰富了我们的生活，同时也丰富了公司的数据。哪家互联网公司提供的服务不是丰富多彩，用户在网络上得到他自己想要的资讯、知识、物质产品、兴趣和虚拟关系等等的同时，也留下来他的行为数据。这些数据如果是千万人，上亿人甚至更多人的行为数据，分析用户与用户、用户与行为、行为与行为，对网站的长期运营、用户粘度、用户服务、战略决策，甚至经济发展都有非常大的价值。但是实际上，这些价值不是这么容易得到的，因为数据大部分是碎片化的：一方面，唯一不变的就是变化，人的行为在特定时间、特定环境、特定经历、特定人生阶段下都是变化的，就算同一个人在连续两天访问一个网站的行为和目的都可能不一样，我们很难串联起用户行为数据。这个难题不是不能克服的，现在数据分析和挖掘手段这么多，总能找到有价值的信息；另一方面，网站的结构碎片化，提供的服务之间互相独立，或者关联度不强，虽然一个用户使用了网站提供的5个服务，但是这5个服务的行为数据无法关联起来。就是因为这种数据内容的不可关联性，导致了数据的可利用性大大降低，也是因为数据内容不具备关联性，其实整个网站的数据结构是很简单的。国内很多互联网公司都在强调平台，就是要把整个网站给串起来，业务逻辑清晰，服务要么是闭环，要么星形、要么总线，总之是有拓扑结构的，数据就可以这么关联起来发挥大作用。数据驱动业务的事情会越来越多。

4.数据使用

如上3点好像更多的是和数据本身相关：数据量、数据结构、数据关联性。但就是这些特性给了大数据提出了更高的要求，就是如何使用大数据。从数据管理、数据集成、信息管理、数据分析到数据价值都要想，都要做。这里不再展开说明，只说明如何利用数据是多么重要的一件事情。