不要被大數(shù)據(jù)（Big Data）的“Big”誤導，大數(shù)據(jù)更強調的不是數(shù)據(jù)之多，而是數(shù)據(jù)挖掘。數(shù)據(jù)大與價值大未必成正比，例如將一個人每分鐘的身體數(shù)據(jù)記錄下來，對了解該人的身體狀況是有用的，但如果將他每毫秒的身體數(shù)據(jù)都記錄下來，數(shù)據(jù)量將較前者高6萬倍，與按每分鐘記錄的數(shù)據(jù)相比，其價值并不能增加。大數(shù)據(jù)的價值在于樣本數(shù)的普遍性。統(tǒng)計一個人每分鐘的身體狀況數(shù)據(jù)與統(tǒng)計60個人每小時的身體狀況數(shù)據(jù)相比，可能后者在統(tǒng)計上更有意義。大數(shù)據(jù)往往是低價值密度。大數(shù)據(jù)中的多數(shù)數(shù)據(jù)可能是重復的，忽略其中一些數(shù)據(jù)并不影響對其挖掘的效果。因此可以說大數(shù)據(jù)的價值好似沙里淘金和海底撈針。

 

　　大數(shù)據(jù)的量越大處理難度就越大，就需要更多的服務器或更高速的服務器。實時性是大數(shù)據(jù)挖掘面臨的挑戰(zhàn)，而非結構化是大數(shù)據(jù)挖掘的主要挑戰(zhàn)。目前國際上大數(shù)據(jù)處理技術主要集中在結構性數(shù)據(jù)，但是大數(shù)據(jù)中80%以上都是非結構性數(shù)據(jù)。目前國內外都有很多大數(shù)據(jù)應用成功的例子，但基本上還是結構性數(shù)據(jù)，對結構性數(shù)據(jù)的挖掘是大數(shù)據(jù)應用的切入點。