什么是大数据？为什么我们需要大数据技术？

迈克·裘德:本质上，大数据是一个曾经被称为数据仓库的逻辑扩展。顾名思义，大数据就是一个大数据仓库，一般有一个业务重点，可以支持业务决策。然而，它与传统数据库的不同之处在于不需要构建大数据。

在典型的数据库中，数据被组织成标准字段，并由特定的键进行索引。如果您熟悉微软Access应用程序，您可以完全理解这个概念。例如，客户记录可以由姓、名、地址和其他信息组成。每个客户记录样式都是相同的，所以可以通过使用搜索关键字来检索，例如搜索姓氏。

现在，如果您想链接到这些客户记录，您需要做什么？链接到客户的图片或视频？如果链接到客户的所有记录呢？

映射这么多不同的数据源，不是普通数据库能做到的。另外，需要链接的数据量巨大。这就引出了“大数据”的概念。大数据使用一种特殊的数据结构来组织和访问大量的数据，这些数据可能达到几十亿字节的范围。一般来说，这需要跨多个服务器和离散数据存储的并行计算，小型企业通常很难维护这样一个大数据存储库。然而，大数据正在逐渐成为云服务提供商可以提供的服务，从而将大数据应用推向更多的公司。

但是，还有一个“大”问题，那就是我们为什么需要大数据？答案是相关性的价值。如果你能看到乍看起来似乎无关紧要的数据设置之间的关系，你会得到很多重要的信息。比如你想知道你的公司是否容易被黑客利用。然后，您需要检查跨多个应用程序和数据中心的无数事务。这个时候，没有大数据技术和相关的分析技术几乎是不可能的。

最后，随着数据量的增长和业务的可用性和重要性的增加，大数据的定义可以用来描述大多数数据库应用程序。IT专业人员要掌握大数据相关的概念和术语，避免出现困难。

大数据是传统软件工具无法在可承受的时间范围内捕获、管理和处理的数据集合。

在维克多·迈耶-勋伯格和肯尼斯·库克耶(Kenneth Cookeye)所著的《大数据时代》(Big Data Age)中，大数据意味着所有数据都用于分析和处理，没有随机分析(抽样调查)的捷径。

大数据的4V特性包括容量、速度、多样性和价值。

“大数据”研究机构Gartner给出了这样的定义。“大数据”是一种海量、高增长和多样化的信息资产，需要一种新的处理模式来具有更强的决策、洞察和流程优化能力。

根据维基百科的定义，大数据是指无法在可承受的时间框架内用常规软件工具捕获、管理和处理的数据集合。

大数据技术的战略意义不在于掌握海量的数据信息，而在于对这些有意义的数据进行专业化处理。换句话说，如果把大数据比作一个行业，这个行业盈利的关键在于提高数据的“处理能力”，通过“处理”实现数据的“增值”。

从技术上讲，大数据和云计算的关系就像硬币的正反面一样密不可分。大数据不是单台计算机就能处理的，必须采用分布式架构。它的特点是对海量数据进行分布式数据挖掘，但必须依靠云计算、分布式数据库、云存储和虚拟化技术的分布式处理。