1.4 大数据十字特征

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 （多样性）、Velocity（高速性）和Value（价值性），如图1-3所示。

结合我国大数据的研究，《大数据领导干部读本》一书曾概括了大数据的十字特征：“大杂全多快，久活密稀联”，来区别大数据与传统数据的特征，如图1-4所示。

1．大——数据量大

大，指的是数据规模大，即所说的海量数据。

2012年，Facebook宣布其系统每天生成25亿条内容，上传3亿张照片，处理500TB以上新产生的数据量；2017年，微信（WeChat）每天有9亿用户登录，日发送380亿条文字消息，其中语音消息61亿条，有2亿次视频通话，微信朋友圈日均上传图片超10亿张。

2．杂——结构复杂

杂，指的是数据的存储类型多种多样，数据结构复杂。

数据的形式也是多样化的，可以是连续的数值，也可以是文字、符号（数字数据），或者声音、图像等。

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，不仅包含了结构化的数据，更多的是非结构化和半结构化的数据，比如互联网上的文本、图片、音频、视频等，都是大数据。

3．全——维度全面

全，指的是业务数据的多维性，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（如性别、年龄、住址、联系方式），还要收集其搜索浏览数据（如百度搜索关键词、浏览网页地址），甚至交易数据（如淘宝购物数据、京东购物数据）等多个维度的数据，这样才能够全面体现用户的需求和偏好。

不过，全是一个相对的概念，绝对的全是不存在的。

4．多——来源多

多，指的是数据的来源多。数据不仅来源于销售，也来源于生产；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相应的数据。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主要来源于网站日志，这样数据的来源就比较多样化了。

5．快——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“新摩尔定律”，人类每18个月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，要求数据的处理效率也要高，否则，其数据处理的意义就不大了。

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，以便公安或交警部门快速地定位违法车辆，必要时进行拦截。如果处理的速度不够快，产生数据时效性差，那么数据分析后的结果就意义不大了。

6．久——时间跨度长

久，指的是大数据的时间范围要足够长。时间越长，就越能发现事物的长期规律。

比如，全球的经济危机，其爆发的周期约为10年，即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长周期性规律的。

7．活——实时在线

活，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。

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，这样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。

8．密——间隔短

密，指的是收集数据的时间间隔或地域间隔要足够短，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短，其位置间隔也要足够短，这样才能用于精确定位，数据才有实用价值。

9．稀——价值密度低

稀，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。但是，为了得到这几秒有价值的信息，却必须保存大量的视频数据。正如有人自我揶揄说，为了提炼一点点金子，却需要保存整个沙滩。

10．联——相关联

联，指的是数据之间的相关性。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，以此可以探索业务各种因素之间的相互影响关系。

这十个字，分别从数据的特征、数据的采集、数据的处理要求，以及数据分析等不同的角度来描述大数据，是比较全面的，具体概括如下表所示。