大数据（bigdata）是指那些超过传统数据库系统处理能力的数据。它的数据规模和传输速度要求很高，或者其结构不适合原本的数据库系统，为了获取大数据中的价值，必须选择另一种方式来处理它。大数据具有的4V特点：大量（volume）、多样（variety）、高速（velocity）、 可信（ veracity）。大数据的计量单位从目前常用的TB （240bytes）扩展到PB （250bytes），甚至ZB （270bytes），增加千倍和十亿倍，大数据量以每年50%的速度增加。大数据呈现结构化、半结构化和非结构化的多样性以及数据流传输的高速性。大数据的分析结果具有很高的可信度和商业价值，因此大数据主要用于预测、决策和分析等用途。
大数据技术
虚拟化、物联网、云计算技术应用催生了大数据技术，一般能够使用传统的数据库、数据仓库和BI工具能够完成的处理和分析挖掘的数据，还不能称为大数据，这些技术也不能称为大数据技术。面对大数据环境，包括数据挖掘在内的商业智能技术正在发生巨大的变化。
1. 传统数据库技术 传统的数据库技术无法满足大数据的处理要求，新的数据库技术包括：①并行数据库：通过多个节点并行执行数据库任务，提高整个数据库系统的性能和可用性；②非关系性数据库(NoSQL)：采用更加简单的数据模型，减少关系性数据库的高度数据关联性，以适应大数据的处理；③新型数据库：对传统数据库技术进行改良和优化，去除传统数据库中制约性能的机制，提高数据库处理大数据的能力。2. 大数据云计算技术 云计算将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。云计算分布式架构能够很好地支持大数据存储和处理需求，并使用户能低价获取巨量计算和存储能力，使得大数据处理和利用成为可能。2011年甲骨文公司推出Oracle大数据机（oracle big data appliance）， Oracle大数据机是一款集成设计的系统，旨在简化大数据项目的实施与管理。该数据机采用18台Oacle Sun服务器的全机架式配置，总共拥有864GB主内存、216核CPU、648 TB原始磁盘存储空间，采用40Gb/s的网络连接以及10Gb/s的以太网数据中心连接，可连接多个机架进行横向升级扩展，使其能够获取、组织和分析超级海量的数据。3. 大数据处理 在大数据中，结构化数据只占15%左右，其余的85%都是非结构化或半结构化数据，大数据需要解决半结构化和非结构化数据的高效处理。大数据需要使用非传统工具来对大量的结构化、半结构化和非结构化数据进行处理，采用适合不同行业的大数据挖掘分析工具和开发环境，从而获得分析和预测结果的一系列数据处理技术。大数据的应用
《纽约时报》的一篇专栏文章称“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析，而不是基于经验和直觉。哈佛大学社会学教授加里・金指出：这是一场革命,庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。在医学领域，大数据应用涉及：①药品研发：实验室和临床数据分析有助于加快药品研发过程和提高药品安全性；②临床决策支持：通过临床数据进行分析，为医生的临床诊疗方案提供决策支持；③药物临床应用分析：通过分析药物临床效果、副作用和不良反应等数据，对药物进行筛选；④流行病、疫情监控：利用搜索引擎等手段预测和监控流行病和疫情；⑤人口健康分析和预测：对国家和区域居民健康档案、电子病历等数据进行分析，预测人口健康和疾病。免责声明：转载仅做分享，本文著作权归原创者所有，如有侵权请联系小编进行删除。
