大数据（Big Data）本身是一个比较抽象的概念，单从字面来看，它表示数据规模的庞大。但是仅仅数量上的庞大显然无法看出大数据这一概念和以往的“海量数据”（Massive Data）、“大规模数据”（Large-Scale Data）等概念之间有何区别。Gartner咨询公司将大数据定义为，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。麦肯锡全球研究所给出的定义是：大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。由此可见，大数据并不仅仅指数据量的庞大，而是带来了新的数据处理模式和工具的创新。大数据的价值并不是数据本身，而是数据背后所隐藏的对业务有影响的信息和知识。而发现这些信息和知识，则需要更智能的算法进行数据分析和挖掘。

目前，普遍认为大数据具有4V特征，即规模性（Volume）、多样性（Variety）、高速性（Velocity）、价值性（Value），这些特性使其区别于“海量数据”“超大规模数据”等传统数据概念。

●规模性是指需要分析和处理的数据集的大小，目前这些数据集的大小通常大于TB和PB级。国际数据公司（IDC）预测，到2025年，全球数据量增加至163ZB[9]。与传统的存储和处理能力相比，海量的数据需要不同的处理技术。

●多样性是指大数据的来源和类型多种多样，数据来源可能包括交易、社交媒体、传感器和移动设备等。数据类型通常包括三种类型：结构化数据、半结构化数据和非结构化数据。数据类型的多样性通常需要不同的处理能力和专门的算法。(www.daowen.com)

●高速性是指数据处理速度快，时效性要求高。除了管理数据，企业还需要信息的快速流动——尽可能接近实时。数据必须在正确的时间可以用于分析，以便企业做出适当的业务决策。因此，速度可能比数量更重要，拥有有限的实时数据比拥有大量低速数据更好，因为它能给企业更大的竞争优势。

●价值性是指大数据潜藏着巨大的价值。相比传统的小数据，大数据最大的价值在于从大量不相关的各类型数据中，挖掘对未来趋势与模式预测分析有价值的信息，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，发现新规律和新知识，运用于生产生活的各个领域，从而最终达到改善社会治理、提高生产效率、推进科学研究的效果。