在当今大数据时代，不仅IT行业的人需要了解大数据，传统行业的从业者和普通大学生也应该了解一些大数据知识。新的基础设施计划未来，大数据技术将开始全面应用，大数据将重塑整个产业结构。
要理解大数据，首先要从大数据的概念说起。与人工智能的概念不同，大数据的概念相对清晰，大数据的技术体系已经成熟。解释大数据的概念，可以从数据本身的特点入手，然后从解决方案、应用、行业逐步展开。
大数据本身的特性通常集中在五个方面，即数据量、数据结构多样性、数据价值密度、数据增长率和可信度。理解这五个维度是理解大数据概念的关键。当然，随着大数据技术的发展及其在行业中的应用，数据本身的规模也有了一定程度的扩大，这些扩大也是对大数据概念的一种丰富和完善。大数据分析的特点离不开以上五个方面。
大数据分析的特点之一:大量的数据分析
数据量本身就是聚合的概念。不是大数据量的数据叫大数据，传统信息系统产生的“小数据”也是大数据分析的重要组成部分，这一点必须明确。目前从大数据的数据来源来看，主要集中在互联网、物联网、传统信息系统三个渠道。目前物联网数据占比比较大。我相信在5G时代，物联网仍然会是大数据的主要数据源。
大数据分析的特征2:数据分析结构的多样性
与创新信息系统中的数据不同，大数据的数据类型非常复杂，包括结构化数据、非结构化数据和半结构化数据，这对传统的数据分析技术提出了巨大的挑战，也是大数据技术兴起的重要原因。在工业互联网时代，大数据数据结构的多样性将进一步体现，这也给数据价值的过程带来了新的挑战。
大数据分析的特征3:数据价值密度
与传统信息系统相比，大数据中的数据价值密度相对较低，这就需要更快速、更便捷的方式来完成数据价值提取过程，这也是目前大数据平台的核心竞争力之一。其实早期的Hadoop和Spark平台之所以脱颖而出，很重要的原因就是它们的数据处理速度比较快。
大数据分析的特点四:数据增长快。
通常情况下，传统信息系统的数据增量是可以预测或者可以控制增长速度的，但是在大数据时代，数据增长速度已经大大超过了传统数据，处理能力已经超过了自身的极限。数据增长是一个相对的概念。相比消费互联网，产业互联网带来的数据增长可能更加客观，因此产业互联网时代将进一步开放大数据的价值空。
大数据分析的特点5:数据的可靠性
大数据时代的一个重要副作用就是数据真假难辨，这也是当前大数据技术必须解决的问题之一。从目前大型互联网平台采用的方法来看，通常是技术和管理相结合。比如通过认证用户，可以解决一些数据的真实性问题。
陈新华大数据分析平台显示，数据价值密度通常是衡量数据价值的重要依据。与传统信息系统相比，大数据中的数据价值密度更低，因此需要更快、更方便。完成数据价值提取的过程，这也是目前大数据平台的核心功能之一。
