大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
容量：数据的大小决定所考虑的数据的价值和潜在的信息。
种类：数据类型的多样性。
速度：指获得数据的速度。
可变性：妨碍了处理和有效地管理数据的过程。
真实性：数据的质量。
复杂性：数据量巨大，来源多渠道。
价值：合理运用大数据，以低成本创造高价值。
大数据，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
随着云时代的来临，大数据也吸引了越来越多的关注。
大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。
大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。
适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
大数据分析：是指对规模巨大的数据进行分析，大数据可以概括为4个V， 数据量大Volume，速度快Velocity，类型多Variety价值Value，大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点，随着大数据时代的来临，大数据分析也应运而生。
大数据开发：分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发，第一类工作感觉更适用于data analyst这种职位，而且现在HiveSparkSQL这种系统也提供SQL的接口，第二类工作的话通常才大公司里才有，一般都会开发自己的系统或者再对开源的做些二次开发，这种工作的话对理论和实践要求的都更深一些，也更有技术含量。