level 2
注：文章摘自网络
2015年09月18日 02点09分
level 2
level 2
四喜sixi
楼主
要认识大数据必须要考虑四个维度，这四个维度分别是数据量、多样性、速度和精确性。
数据量：数量也许是与大数据最相关的特征，指企业为改进企业决策而试图利用的大量数据。数据量正持续以前所未有的速度增加。
多样性 ：不同类型的数据和数据源。多样性是指管理多种数据类型的复杂性，包括结构化、半结构化和非结构化数据。企业需要整合并分析来自复杂的传统和非传统信息源的数据，包括企业内部和外部的数据。随着传感器、智能设备和社会协同技术的爆炸性增长，数据的类型难以计数，包括文本、微博、传感器数据、音频、视频等。
速度 ：数据在运动中。数据创建、处理和分析的速度在持续加快。加速的原因是数据创建的实时性天性，以及需要将数据结合到业务流程和决策过程中的要求。速度影响数据时延—从数据创建或获取到数据可以访问的时间差。目前，数据以传统系统不可能达到的速度在产生、获取、存储和分析。对于对时间敏感的流程，如实时欺诈监测或多渠道“即时”营销，某些类型的数据必须实时地分析，以对业务产生价值。
精确性 ：与某些数据类型相关的可靠性。追求高数据质量是一项重要的大数据要求和挑战，但是，即使最优秀的数据清理方法也无法消除某些数据固有的不可预测性。不确定性的确认和规划的需求是大数据的一个维度，因为高管需要更好地了解身边的不确定性。[iii]
2015年09月18日 02点09分
5
数据量：数量也许是与大数据最相关的特征，指企业为改进企业决策而试图利用的大量数据。数据量正持续以前所未有的速度增加。
多样性 ：不同类型的数据和数据源。多样性是指管理多种数据类型的复杂性，包括结构化、半结构化和非结构化数据。企业需要整合并分析来自复杂的传统和非传统信息源的数据，包括企业内部和外部的数据。随着传感器、智能设备和社会协同技术的爆炸性增长，数据的类型难以计数，包括文本、微博、传感器数据、音频、视频等。
速度 ：数据在运动中。数据创建、处理和分析的速度在持续加快。加速的原因是数据创建的实时性天性，以及需要将数据结合到业务流程和决策过程中的要求。速度影响数据时延—从数据创建或获取到数据可以访问的时间差。目前，数据以传统系统不可能达到的速度在产生、获取、存储和分析。对于对时间敏感的流程，如实时欺诈监测或多渠道“即时”营销，某些类型的数据必须实时地分析，以对业务产生价值。
精确性 ：与某些数据类型相关的可靠性。追求高数据质量是一项重要的大数据要求和挑战，但是，即使最优秀的数据清理方法也无法消除某些数据固有的不可预测性。不确定性的确认和规划的需求是大数据的一个维度，因为高管需要更好地了解身边的不确定性。[iii]
level 2
四喜sixi
楼主
大数据和小数据也有着许多的不同。在小数据时代，追求精确度是合理的。因为当时我们收集的数据很少，所以需要越精确越好。
但是相比依赖于小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事实的真相。
“部分”和“确切”的吸引力是可以理解的。但是，当我们的视野局限在我们可以分析和能够确定的数据上时，我们对世界的整体理解就可能产生偏差和错误。
不仅失去了去尽力收集一切数据的动力，也失去了从各个不同角度来观察事物的权利。
所以，局限于狭隘的小数据中，我们可能会错过事情的全貌。
在传统的小数据时代，分析问题的前提是确立假设，然后收集数据、分析数据，然后由分析出来的内容验证假设。
但是在大数据时代，我们的这种分析问题的方式被打破了。
2015年09月18日 02点09分
6
但是相比依赖于小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事实的真相。
“部分”和“确切”的吸引力是可以理解的。但是，当我们的视野局限在我们可以分析和能够确定的数据上时，我们对世界的整体理解就可能产生偏差和错误。
不仅失去了去尽力收集一切数据的动力，也失去了从各个不同角度来观察事物的权利。
所以，局限于狭隘的小数据中，我们可能会错过事情的全貌。
在传统的小数据时代，分析问题的前提是确立假设，然后收集数据、分析数据，然后由分析出来的内容验证假设。
但是在大数据时代，我们的这种分析问题的方式被打破了。
level 1
level 1
level 1
level 1
level 1
level 1
level 1
level 1
level 1
level 1