• 文/傅一航
  

提到大数据的特征，大家都会联想到大数据的4V特征，即Volume(大容量)，Variety（多样式），Velocity（高速性），Value（价值性）。

但相对于传统数据来说，大数据的特征岂止4个呢？

下面我介绍一下大数据的十字特征， “大杂全多快，久活密稀联”。​

大----数据量大

指的是数据体量大，即所说的海量数据。2012年，Facebook宣布每天有25亿条内容，3亿上传照片数，500+TB新产生的数据量；2017年，微信每天9亿登陆，380亿条消息，61亿语音次数，2亿视频通话，10+亿图片。

据国际数据公司（IDC）估计，全球数据总量预计2020年达到44ZB，中国数据量将达到8060EB，占全球数据总量的18%。

杂----结构复杂

指的是数据的存储类型多种多样，数据结构复杂。传统的小数据，为了便于存储和快速处理，一般都是结构化的数据，而大数据，比如互联网上的文本、图片、音视频等等，这些更多的是非结构化和半结构化的数据。

全----维度全面

指的是业务数据的完备性，即数据样本的维度较多，能够全面呈现数据对象。比如要了解一个用户行为，不仅要收集其基本数据（比如性别、年龄、住址、联系方式），也还要收集其搜索浏览数据（比如百度搜索关键词、浏览网页地址），甚至交易数据（淘宝购物数据、京东购物数据）等等多个维度的数据。这样才能够全面体现用户的行为。不过“全”是一个相对的概念，绝对的“全”是没有的。

多----来源多

指的是数据的来源多，不仅来源于企业内部，也包含很多外部数据。实际上，单个企业一般只会基于某种业务目的来收集数据。比如，销售数据只会保存在交易数据库中，而用户的浏览数据则会来源于网站日志，这样数据的来源就比较多样化了。

快----处理速度快

这里的快有两层意思：一是指数据产生的速度快，二是要求数据处理速度也要快。按照新的摩尔定律，每两年产生的数据量相当于以前全部数据量的总和，这么快的增长速度，也就要求数据的处理效率要高，否则，其数据的意义就不大了。比如，在交通路口拍摄的照片需要及时传回到大数据系统中，进行及时处理，从照片中提取出经过某个路口的车牌号、时间点等信息，这样才以便于公安或交警部门快速地捕获指定的违章车辆，快速进行拦截。如果处理的速度不够快，有可能数据分析后的结果就意义不大了。​

久----时间跨度长

指的是大数据的时间范围要足够长。一般情况下，时间越长，就越能发现事物的周期性变化。就比如全球的经济危机，其爆发的周期约为10年，差不多每隔十年左右才会发生一次。如果收集的数据时间跨度太短，是不太可能从数据中发现这样的周期性规律的。

活----实时在线

指的是数据的实时性。要求数据是实时在线的，能够随时查看和计算的。就比如交通行业要求的大数据，要能够实时在线处理，以呈现实时路况，才能有效地利用大数据及时发现拥堵，并指导车辆分流，规避拥堵。

密----间隔短

指的是数据精度，比如收集数据的时间间隔或者地域间隔要足够地短，这样才能准确地用来描述业务的情况。比如，公交车上的GPS数据，其两次上报的时间间隔要足够地短，其位置间隔也要足够地短，这样才能用于精确定位，这样的数据才有价值。

稀----价值低

指的大数据的价值密度低，即有价值数据的比例比较小。特别是一些监控视频数据，其中真正有价值的数据也许只有1~2秒。

联----关联性

指的是数据之间的相关性。万物皆有联，万事万物都是有某种联系的，体现在数据上就是数据与数据间的相关性，可以探索业务各种因素之间的相互影响关系。正如舍恩伯格所说，大数据关注相关关系更胜于因果关系。​

傅一航，大数据专家。

主讲《大数据变革与商业模式创新》《大数据与商业智能》《大数据精准营销》《大数据分析与挖掘》《大数据建模》等课程。

邮箱：2509626286@qq.com。​