在人工統(tǒng)計的時代，很多數(shù)據(jù)分析采用抽樣數(shù)據(jù)，因為收集所有的數(shù)據(jù)非常困難或者成本很高。然而，現(xiàn)在不同了。隨著信息技術(shù)的發(fā)展，在很多領(lǐng)域都可以方便地收集到完整的數(shù)據(jù)。如無紙化辦公的興起，信息系統(tǒng)的使用，電子商務的發(fā)展等。，都為收集總數(shù)據(jù)提供了便利條件。那么，這個時候，數(shù)據(jù)的“樣本”和“所有數(shù)據(jù)”。這和過去相比也是一種革命性的影響。

大數(shù)據(jù)可分為數(shù)據(jù)采集、數(shù)據(jù)分析和數(shù)據(jù)呈現(xiàn)等。由于大數(shù)據(jù)使用的是非結(jié)構(gòu)化數(shù)據(jù)，與傳統(tǒng)的數(shù)據(jù)分析相比，價值密度和數(shù)據(jù)量較大，通俗點說就是傳統(tǒng)的數(shù)據(jù)分析?？梢耘e幾個大數(shù)據(jù)的實際應用場景，比如商業(yè)營銷。商家通過統(tǒng)一的數(shù)據(jù)標準收集平臺上的客戶信息，分析客戶喜好，制定有針對性的營銷策略。這種模式目前在各個行業(yè)營銷領(lǐng)域都很常見。比如人工智能和物聯(lián)網(wǎng)，這兩個方面本身數(shù)據(jù)是非結(jié)構(gòu)化的，傳統(tǒng)的數(shù)據(jù)分析方法無法有效處理，只能借助大數(shù)據(jù)來進行。

bigdata是指在一定時間內(nèi)，其內(nèi)容無法被常規(guī)軟件工具抓取、管理和處理的數(shù)據(jù)集合。大數(shù)據(jù)有五個特征，即體量、速度、多樣性、低價值密度和真實性。它沒有統(tǒng)計抽樣方法，只是觀察和跟蹤發(fā)生的事情。大數(shù)據(jù)的使用傾向于預測分析、用戶行為分析或者其他一些高級的數(shù)據(jù)分析方法。

2.要求快速反應，市場變化快，要求對變化做出及時快速的反應。對數(shù)據(jù)的分析也要快，對性能有更高的要求，所以數(shù)據(jù)量對于速度來說似乎有些“大”。3.數(shù)據(jù)多樣性:來自不同數(shù)據(jù)源的非結(jié)構(gòu)化數(shù)據(jù)越來越多，需要經(jīng)過清洗、排序、過濾，成為結(jié)構(gòu)化數(shù)據(jù)。4.價值密度低，由于數(shù)據(jù)收集不及時、數(shù)據(jù)樣本不完整、數(shù)據(jù)不連續(xù)等原因，數(shù)據(jù)可能失真。但當數(shù)據(jù)量達到一定規(guī)模時，就可以通過更多的數(shù)據(jù)實現(xiàn)更真實、更全面的反饋。

如何有效處理和分析大數(shù)據(jù)？許多企業(yè)在大數(shù)據(jù)上投入了數(shù)百萬美元，并雇傭了數(shù)據(jù)分析，但他們感到沮喪。不可否認，他們現(xiàn)在有了更多更好的數(shù)據(jù)。他們的分析師和分析方法也是一流的。但是，管理者對商業(yè)的想法和論點似乎和過去一樣，但他們使用的數(shù)據(jù)和分析方法比以前好了很多。最終的決策可能更多的是數(shù)據(jù)驅(qū)動，但組織文化還是給人同樣的感覺。

“怎么了？財富1000強企業(yè)召開了幾次大數(shù)據(jù)和大數(shù)據(jù)的會議數(shù)據(jù)分析，花了很多時間協(xié)助一些看起來對分析方法投資回報很滿意的機構(gòu)。于是，一個清晰的“數(shù)據(jù)啟發(fā)式”出現(xiàn)了。分析結(jié)果平庸到中型企業(yè)，用大數(shù)據(jù)和分析方法支持決策；具有良好“回報分析”(ROA)的公司使用大數(shù)據(jù)和分析方法來促進和保持行為變化。