大数据的4V+4V特点
从数据的表现形式看，业界普遍认为大数据具有如下的“4V”特点 。
（1）海量（Volume）：数据体量巨大，从TB级别跃升到PB级别。
（2）多样（Variety）：数据类型繁多，如网络日志、视频、图片、地理位置信息等。
（3）高速（Velocity）：处理速度快，需实时分析，这也和传统的数据挖掘技术有着本质的不同。
（4）价值（Value）：价值密度低，商业价值高，合理利用低密度价值的数据并对其进行正确、准确的分析，将会带来巨大的价值。
上述“4V”特点描述了大数据区别于以往部分抽样的“小数据”的主要方面。然而，实践是大数据最终价值的体现，从实际应用和大数据处理的复杂性看，我们认为大数据还具有如下新的“4V”特点。
（1） 变化性（Variable）
在不同的场景、不同的研究目标下，数据的结构和意思可能会发生变化，因此，在实际研究中要考虑具体的上下文场景。
（2）真实性（Veracity）
获取真实、可靠的数据，是保证分析结果准确、有效的前提，只有通过真实而准确的数据才能获取真正有意义的结果。
（3）波动性（Volatility）
由于数据本身含有噪声以及分析流程不规范，导致采用不同的算法或手段会得到变化的或有差异的分析结果。
（4） 可视化（Visualization）
在大数据环境下，通过数据可视化可以更加直观地阐释数据的意义，帮助理解数据，解释结果。
