我们可以使用几个关键字定义大数据。

首先，“大规模”可以从两个维度进行测量，一个是从时间序列中积累大量数据，另一个是深度更详细的数据。其次，“多样化”可以是不同的数据格式，例如文本，图片，视频等，可以是不同的数据类别，例如人口数据，经济数据等，也可以有不同的数据源，例如互联网，传感器等。最后，“动态”。数据在不断变化。随着时间的推移，它可以快速增加大量数据，或者可以在空间中不断移动数据。

这三个关键字定义了大数据的形象。但是关键功能是“快速处理”。如果可以提供如此大规模，多样化和动态的数据，但是处理和分析需要很长时间，则不称为大数据。从另一个角度来看，要实现这些数据的快速处理，不可能由人来实现，因此需要由机器来实现。最后，在机器的帮助下，我们可以通过对这些数据的快速处理和分析来获得所需的信息或整个应用系统，这些数据可以称为大数据。

从特定的应用程序，它也可以大致分为三类。

首先是决策支持，从小到大的企业运营决策，证券投资决策，医疗行业临床诊治支持以及电子政务。第二，风险预警，例如流行病预测，日常健康管理中的疾病预测，设备和设施的操作和维护，公共安全以及金融行业的信用风险管理。第三是实时优化，例如智能线路规划，实时定价等。

但是，让我们看一下实际中实际应用大数据的程度？目前，大数据已经真正实现了商业应用，只有一个是互联网营销。上面列出的其他方向将有一些初步的应用，但它们基本上仍处于探索阶段。例如，流行病的预测，无抵押信贷等，其准确性，准确性，可扩展性等方面都需要讨论。

大数据的实际应用与目标蓝图之间存在差距的主要原因是什么？是数据源的问题。必须先获取数据，然后才能应用它。因此，数据的可用性已成为特定行业中大数据应用评估的重要方面。可以从数据标准化，开放性和集中性的多个维度来衡量数据可用性。

同时，获得数据后，就应用程序数据而言，可以从大数据应用程序的潜在价值维度进行衡量，包括效率提高，成本降低或新模型的生成。此外，还可以从大数据行业应用程序的可复制性和普及性的角度进行衡量，不仅包括行业内的推广，还包括跨行业的推广。

（本文部分内容转载自网络，如有侵权，请联系工作人员删除）