如果我想引用维基百科的话，大数据是海量和复杂的数据集，传统的数据处理应用软件不足以处理它们。大数据挑战包括捕获数据、数据存储、数据分析、搜索、共享、传输、可视化、查询、更新、信息隐私和数据源。有五个与大数据相关的概念：数量、多样性、速度以及最近添加的准确性和价值。

大数据可以用以下特征来描述：

• 体积

生成和存储的数据量。数据的大小决定了它的价值和潜在的洞察力，以及它是否可以被认为是大数据。

• 种类

数据的类型和性质。这有助于分析它的人有效地使用由此产生的洞察力。大数据来自文本、图像、音频、视频；加上它通过数据融合完成缺失的部分。

• 速度

在这种情况下，数据生成和处理的速度，以满足增长和发展道路上的需求和挑战。大数据通常是实时可用的。

• 变化性

数据集的不一致可能会妨碍处理和管理它的进程。

• 真实性

捕获数据的数据质量可能会有很大差异，影响准确分析。

对我来说，大数据与深度学习时代息息相关。原因是在过去的几十年里，人们可以使用机器学习和数据挖掘对数据进行良好的描述和模型，但由于每天都有新数据出现，社交网络迅速增加，数字小工具在不同国家的普及率越来越高，处理数据并将其转换为信息和知识的需求正在增加。如果我们想使用以前的技术从原始数据中收集信息，如果可能的话，将花费太多时间来达到适当的结果。在大数据和深度学习时代，我们需要更复杂的算法和更强大的硬件来应对困难。

你也可以看看这里和这里有相对不同的视角。大数据是一个术语，用于描述大量数据（结构化和非结构化数据）每天都会淹没企业。但重要的不是数据量。重要的是组织如何处理数据。可以分析大数据以获得洞察力，从而做出更好的决策和战略性业务举措。