最早提出"大数据"时代到来的是全球知名咨询公司麦肯锡，麦肯锡称:“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。

人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” “大数据"在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。简单来说：大量数据 + 云计算 = 大数据时代

大数据特征

###数据量大(Volume)

第一个特征是数据量大。大数据的起始计量单位至少是P(1000个T)、E(100万个T)或Z(10亿个T)。

类型繁多(Variety)

第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

价值密度低(Value)

第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值"提纯”，是大数据时代亟待解决的难题。

速度快、时效高(Velocity)

第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。

那么数据生活距离我们遥远吗？

正相反，数据与我们日常生活的联系从未如此紧密过，从没有像今天如此活跃，具体的记录着人类与世界。从最初的计算机，摄像头到家用计算机，智能手机，再到大数据和人工智能，我们不断升级采集和利用数据的方式。而现在，从一辆车的每日碳排放量统计到全球气温的检测，从预测个人在网上喜好分析到总统选举时投票趋势的预测，我们都可以做到。

数据将人与人，人与世界连接起来，构成一张繁密的网络，每个人都在影响世界，又在被他人影响着。传统的统计方法已经无法处理这种相互影响的数据，这么办？答案是让机器自己来处理数据，从数据中习得知识。

这便是当代人工智能的本质。与传统的数据记录定义不同，这种数据是有“生命”的。它更像是我们身体的一种自然延伸：聆听我们的声音，拓宽我们的视野，加深我们的记忆，甚至组成一个以数据形式存在的“我”。

生活中的大数据很多，以下是几个例子：

• 互联网搜索：每天有数百万的搜索请求，包含了大量的关键字和查询信息。通过分析这些数据，搜索引擎可以优化搜索算法，提高搜索结果的准确性。
• 电子商务：在线购物网站产生了大量的数据，包括用户浏览、购买、评论、评分等信息。通过分析这些数据，商家可以更好地了解消费者需求，优化产品和服务。
• 社交媒体：社交媒体如Facebook、Twitter、微信等产生了海量的数据，包括用户关系、兴趣爱好、社交网络等。通过分析这些数据，企业可以了解消费者的行为和需求，优化宣传和营销策略。
• 医疗健康：医疗领域的大数据可以帮助医生更好地诊断疾病、预测疾病风险、优化治疗方案等。例如，通过分析患者的基因组数据，可以提前预测某些疾病的发作可能性，及时采取干预措施。
• 交通运输：现代交通系统中产生了大量的数据，包括车辆位置、速度、路况、交通流量等。通过分析这些数据，交通运输管理者可以更好地规划交通、提高交通效率，优化城市交通管理。

大数据的利与弊可以概括为以下几点：

利：

1. 提供更准确的信息：大数据可以提供海量、多样化、实时的数据，帮助企业和政府更好地了解市场、用户需求、社会趋势等，从而做出更准确的决策。

2. 优化产品和服务：通过分析大数据，企业可以了解消费者的需求和习惯，优化产品和服务，提高用户满意度和忠诚度。

3. 提高效率和生产力：大数据可以优化生产流程、提高生产效率，让企业更快地响应市场变化，提高生产力。

弊：

1. 隐私问题：大数据涵盖了大量的个人信息和数据，如果这些数据被不法分子获取，就会造成极大的隐私泄露风险。

2. 误导性：大数据中有时会出现伪相关关系，需要进行深入的数据分析和挖掘，否则可能会引起误导。

3. 质量问题：大数据中可能包含有误的、不准确的数据，这会影响到对数据的分析和应用。

4. 技术门槛高：大数据的处理需要高级的技术和工具，这会导致技术门槛较高，对于一些小型企业和普通用户来说比较困难。

总之，大数据虽然带来了很多的机遇和优势，但也面临着一些挑战和风险，需要我们在使用大数据时保持警惕和谨慎。