大數據分析的特點

大數據分析的特點一：數據分析量大

數據量本身就是聚合的概念。不是數據量大的數據被稱為大數據，傳統信息系統生成的“小數據”也是大數據分析的重要組成部分，這點必須清楚。當前，從大數據的數據源的角度來看，它主要集中在互聯網，物聯網和傳統信息系統三個渠道。當前物聯網數據的比例相對較大。相信在5G時代，物聯網仍將是大數據的主要數據源。

大數據分析的特點二：數據分析結構多樣性

與創新信息系統(ERP)中的數據不同，大數據的數據類型非常復雜，包括結構化數據，非結構化數據和半結構化數據，這對傳統數據分析技術提出了巨大挑戰，這也是大數據技術興起的重要原因。在工業互聯網時代，大數據數據結構的多樣性將得到進一步體現，這也給數據價值過程帶來了新的挑戰。

大數據分析的特點三：數據價值密度

與傳統信息系統相比，大數據中的數據價值密度相對較低，這就需要更快，更方便的方式來完成數據值提取過程，這也是當前大數據平臺所關注的核心競爭力之一。實際上，早期Hadoop和Spark平臺之所以能夠脫穎而出的重要原因是它們的數據處理(排序)速度相對較快。

大數據分析的特點四：數據增長速度快

通常傳統信息系統的數據增量是可以預測的，或者增長率是可控的，但是在大數據時代，數據增長率已經大大超過了傳統數據，處理能力已經超過自身的極限。數據增長是一個相對的概念。與消費互聯網相比，工業互聯網帶來的數據增長可能更加客觀，因此工業互聯網時代將進一步打開大數據的價值空間。