的出現(xiàn)帶來了許多新的術(shù)語，但這些術(shù)語往往比較難以理解。因此，我們通過本文給出一個常用的，拋磚引玉，供大家深入了解，部分定義參考了相應(yīng)的博客文章。

A

• 聚合 (Aggregation) – 搜索、合并、顯示數(shù)據(jù)的過程
• 算法 (Algorithms) – 可以完成某種數(shù)據(jù)分析的數(shù)學(xué)公式
• 分析法 (Analytics) – 用于發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在涵義
• 異常檢測 (Anomaly detection) – 在數(shù)據(jù)集中搜索與預(yù)期模式或行為不匹配的數(shù)據(jù)項。除了“Anomalies”,用來表示異常的詞有以下幾種：outliers, exceptions, surprises, contaminants.他們通?？商峁╆P(guān)鍵的可執(zhí)行信息
• 匿名化 (Anonymization) – 使數(shù)據(jù)匿名，即移除所有與個人隱私相關(guān)的數(shù)據(jù)
• 應(yīng)用 (Application) – 實現(xiàn)某種特定功能的計算機(jī)軟件
• 人工智能 (Artificial Intelligence) – 研發(fā)智能機(jī)器和智能軟件，這些智能設(shè)備能夠感知周遭的環(huán)境，并根據(jù)要求作出相應(yīng)的反應(yīng)，甚至能自我學(xué)習(xí)。

B

• 行為分析法 (Behavioural Analytics) – 這種分析法是根據(jù)用戶的行為如“怎么做”，“為什么這么做”，以及“做了什么”來得出結(jié)論，而不是僅僅針對人物和時間的一門分析學(xué)科，它著眼于數(shù)據(jù)中的人性化模式
• 大數(shù)據(jù)科學(xué)家 (Big Data Scientist) – 能夠設(shè)計大數(shù)據(jù)算法使得大數(shù)據(jù)變得有用的人
• 大數(shù)據(jù)創(chuàng)業(yè)公司 (Big data startup) – 指研發(fā)最新大數(shù)據(jù)技術(shù)的新興公司
• 生物測定術(shù) (Biometrics) – 根據(jù)個人的特征進(jìn)行身份識別
• B字節(jié) (BB: Brontobytes) – 約等于1000 YB(Yottabytes)，相當(dāng)于未來數(shù)字化宇宙的大小。1 B字節(jié)包含了27個0！
• 商業(yè)智能 (Business Intelligence) – 是一系列理論、方法學(xué)和過程，使得數(shù)據(jù)更容易被理解

C

• 分類分析 (Classification analysis) – 從數(shù)據(jù)中獲得重要的相關(guān)性信息的系統(tǒng)化過程; 這類數(shù)據(jù)也被稱為元數(shù)據(jù)(meta data),是描述數(shù)據(jù)的數(shù)據(jù)
• 云計算 (Cloud computing) – 構(gòu)建在網(wǎng)絡(luò)上的分布式計算系統(tǒng)，數(shù)據(jù)是存儲于機(jī)房外的（即云端）
• 聚類分析 (Clustering analysis) – 它是將相似的對象聚合在一起，每類相似的對象組合成一個聚類(也叫作簇)的過程。這種分析方法的目的在于分析數(shù)據(jù)間的差異和相似性
• 冷數(shù)據(jù)存儲 (Cold data storage) – 在低功耗服務(wù)器上存儲那些幾乎不被使用的舊數(shù)據(jù)。但這些數(shù)據(jù)檢索起來將會很耗時
• 對比分析 (Comparative analysis) – 在非常大的數(shù)據(jù)集中進(jìn)行模式匹配時，進(jìn)行一步步的對比和計算過程得到分析結(jié)果
• 復(fù)雜結(jié)構(gòu)的數(shù)據(jù) (Complex structured data) – 由兩個或多個復(fù)雜而相互關(guān)聯(lián)部分組成的數(shù)據(jù)，這類數(shù)據(jù)不能簡單地由結(jié)構(gòu)化查詢語言或工具(SQL)解析
• 計算機(jī)產(chǎn)生的數(shù)據(jù) (Computer generated data) – 如日志文件這類由計算機(jī)生成的數(shù)據(jù)
• 并發(fā) (Concurrency) – 同時執(zhí)行多個任務(wù)或運行多個進(jìn)程
• 相關(guān)性分析 (Correlation analysis) – 是一種數(shù)據(jù)分析方法，用于分析變量之間是否存在正相關(guān)，或者負(fù)相關(guān)
• 客戶關(guān)系管理 (CRM: Customer Relationship Management) – 用于管理銷售、業(yè)務(wù)過程的一種技術(shù)，大數(shù)據(jù)將影響公司的客戶關(guān)系管理的策略

D

• 儀表板 (Dashboard) – 使用算法分析數(shù)據(jù)，并將結(jié)果用圖表方式顯示于儀表板中
• 數(shù)據(jù)聚合工具 (Data aggregation tools) – 將分散于眾多數(shù)據(jù)源的數(shù)據(jù)轉(zhuǎn)化成一個全新數(shù)據(jù)源的過程
• 數(shù)據(jù)分析師 (Data analyst) – 從事數(shù)據(jù)分析、建模、清理、處理的專業(yè)人員
• 數(shù)據(jù)庫 (Database) – 一個以某種特定的技術(shù)來存儲數(shù)據(jù)集合的倉庫
• 數(shù)據(jù)庫即服務(wù) (Database-as-a-Service) – 部署在云端的數(shù)據(jù)庫，即用即付，例如亞馬遜云服務(wù) (AWS: Amazon Web Services)
• 數(shù)據(jù)庫管理系統(tǒng) (DBMS: Database Management System) – 收集、存儲數(shù)據(jù)，并提供數(shù)據(jù)的訪問
• 數(shù)據(jù)中心 (Data centre) – 一個實體地點，放置了用來存儲數(shù)據(jù)的服務(wù)器
• 數(shù)據(jù)清洗 (Data cleansing) – 對數(shù)據(jù)進(jìn)行重新審查和校驗的過程，目的在于刪除重復(fù)信息、糾正存在的錯誤，并提供數(shù)據(jù)一致性
• 數(shù)據(jù)管理員 (Data custodian) – 負(fù)責(zé)維護(hù)數(shù)據(jù)存儲所需技術(shù)環(huán)境的專業(yè)技術(shù)人員
• 數(shù)據(jù)道德準(zhǔn)則 (Data ethical guidelines) – 這些準(zhǔn)則有助于組織機(jī)構(gòu)使其數(shù)據(jù)透明化，保證數(shù)據(jù)的簡潔、安全及隱私
• 數(shù)據(jù)訂閱 (Data feed) – 一種數(shù)據(jù)流，例如Twitter訂閱和RSS
• 數(shù)據(jù)集市 (Data marketplace) – 進(jìn)行數(shù)據(jù)集買賣的在線交易場所
• 數(shù)據(jù)挖掘 (Data mining) – 從數(shù)據(jù)集中發(fā)掘特定模式或信息的過程
• 數(shù)據(jù)建模 (Data modelling) – 使用數(shù)據(jù)建模技術(shù)來分析數(shù)據(jù)對象，以此洞悉數(shù)據(jù)的內(nèi)在涵義
• 數(shù)據(jù)集 (Data set) – 大量數(shù)據(jù)的集合
• 數(shù)據(jù)虛擬化 (Data virtualization) – 數(shù)據(jù)整合的過程，以此獲得更多的數(shù)據(jù)信息，這個過程通常會引入其他技術(shù)，例如數(shù)據(jù)庫，應(yīng)用程序，文件系統(tǒng)，網(wǎng)頁技術(shù)，大數(shù)據(jù)技術(shù)等等
• 去身份識別 (De-identification) – 也稱為匿名化(anonymization)，確保個人不會通過數(shù)據(jù)被識別
• 判別分析 (Discriminant analysis) – 將數(shù)據(jù)分類；按不同的分類方式，可將數(shù)據(jù)分配到不同的群組，類別或者目錄。是一種統(tǒng)計分析法，可以對數(shù)據(jù)中某些群組或集群的已知信息進(jìn)行分析，并從中獲取分類規(guī)則。
• 分布式文件系統(tǒng) (Distributed File System) – 提供簡化的，高可用的方式來存儲、分析、處理數(shù)據(jù)的系統(tǒng)
• 文件存貯數(shù)據(jù)庫 (Document Store Databases) – 又稱為文檔數(shù)據(jù)庫(document-oriented database), 為存儲、管理、恢復(fù)文檔數(shù)據(jù)而專門設(shè)計的數(shù)據(jù)庫，這類文檔數(shù)據(jù)也稱為半結(jié)構(gòu)化數(shù)據(jù)

E

• 探索性分析 (Exploratory analysis) – 在沒有標(biāo)準(zhǔn)的流程或方法的情況下從數(shù)據(jù)中發(fā)掘模式。是一種發(fā)掘數(shù)據(jù)和數(shù)據(jù)集主要特性的一種方法
• E字節(jié) (EB: Exabytes) – 約等于1000 PB(petabytes), 約等于1百萬 GB。如今全球每天所制造的新信息量大約為1 EB
• 提取-轉(zhuǎn)換-加載 (ETL: Extract, Transform and Load) – 是一種用于數(shù)據(jù)庫或者數(shù)據(jù)倉庫的處理過程，天善學(xué)院有國內(nèi)唯一的最全的 ETL 學(xué)習(xí)課程。即從各種不同的數(shù)據(jù)源提取(E)數(shù)據(jù)，并轉(zhuǎn)換(T)成能滿足業(yè)務(wù)需要的數(shù)據(jù)，最后將其加載(L)到數(shù)據(jù)庫

F

• 故障切換 (Failover) – 當(dāng)系統(tǒng)中某個服務(wù)器發(fā)生故障時，能自動地將運行任務(wù)切換到另一個可用服務(wù)器或節(jié)點上
• 容錯設(shè)計 (Fault-tolerant design) – 一個支持容錯設(shè)計的系統(tǒng)應(yīng)該能夠做到當(dāng)某一部分出現(xiàn)故障也能繼續(xù)運行

G

• 游戲化 (Gamification) – 在其他非游戲領(lǐng)域中運用游戲的思維和機(jī)制，這種方法可以以一種十分友好的方式進(jìn)行數(shù)據(jù)的創(chuàng)建和偵測，非常有效。
• 圖形數(shù)據(jù)庫 (Graph Databases) – 運用圖形結(jié)構(gòu)(例如，一組有限的有序?qū)?，或者某種實體)來存儲數(shù)據(jù)，這種圖形存儲結(jié)構(gòu)包括邊緣、屬性和節(jié)點。它提供了相鄰節(jié)點間的自由索引功能，也就是說，數(shù)據(jù)庫中每個元素間都與其他相鄰元素直接關(guān)聯(lián)。
• 網(wǎng)格計算 (Grid computing) – 將許多分布在不同地點的計算機(jī)連接在一起，用以處理某個特定問題，通常是通過云將計算機(jī)相連在一起。

H

• Hadoop – 一個開源的分布式系統(tǒng)基礎(chǔ)框架，可用于開發(fā)分布式程序，進(jìn)行大數(shù)據(jù)的運算與存儲。
• Hadoop 數(shù)據(jù)庫 (HBase) – 一個開源的、非關(guān)系型、分布式數(shù)據(jù)庫，與Hadoop框架共同使用
• HDFS – Hadoop 分布式文件系統(tǒng) (Hadoop Distributed File System)；是一個被設(shè)計成適合運行在通用硬件(commodity hardware)上的分布式文件系統(tǒng)
• 高性能計算 (HPC: High-Performance-Computing) – 使用超級計算機(jī)來解決極其復(fù)雜的計算問題

I

• 內(nèi)存數(shù)據(jù)庫 (IMDB: In-memory) – 一種數(shù)據(jù)庫管理系統(tǒng)，與普通數(shù)據(jù)庫管理系統(tǒng)不同之處在于，它用主存來存儲數(shù)據(jù)，而非硬盤。其特點在于能高速地進(jìn)行數(shù)據(jù)的處理和存取。
• 物聯(lián)網(wǎng) (Internet of Things) – 在普通的設(shè)備中裝上傳感器，使這些設(shè)備能夠在任何時間任何地點與網(wǎng)絡(luò)相連。

J

• 法律上的數(shù)據(jù)一致性 (Juridical data compliance) – 當(dāng)你使用的云計算解決方案，將你的數(shù)據(jù)存儲于不同的國家或不同的大陸時，就會與這個概念扯上關(guān)系了。你需要留意這些存儲在不同國家的數(shù)據(jù)是否符合當(dāng)?shù)氐姆伞?/span>

K

• 鍵值數(shù)據(jù)庫 (KeyValue Databases) – 數(shù)據(jù)的存儲方式是使用一個特定的鍵，指向一個特定的數(shù)據(jù)記錄，這種方式使得數(shù)據(jù)的查找更加方便快捷。鍵值數(shù)據(jù)庫中所存的數(shù)據(jù)通常為編程語言中基本數(shù)據(jù)類型的數(shù)據(jù)。

L

• 延遲 (Latency) – 表示系統(tǒng)時間的延遲
• 遺留系統(tǒng) (Legacy system) – 是一種舊的應(yīng)用程序，或是舊的技術(shù)，或是舊的計算系統(tǒng)，現(xiàn)在已經(jīng)不再支持了。
• 負(fù)載均衡 (Load balancing) – 將工作量分配到多臺電腦或服務(wù)器上，以獲得最優(yōu)結(jié)果和最大的系統(tǒng)利用率。
• 位置信息 (Location data) – GPS信息，即地理位置信息。
• 日志文件 (Log file) – 由計算機(jī)系統(tǒng)自動生成的文件，記錄系統(tǒng)的運行過程。

M

• M2M數(shù)據(jù) (Machine2Machine data) – 兩臺或多臺機(jī)器間交流與傳輸?shù)膬?nèi)容
• 機(jī)器數(shù)據(jù) (Machine data) – 由傳感器或算法在機(jī)器上產(chǎn)生的數(shù)據(jù)
• 機(jī)器學(xué)習(xí) (Machine learning) – 人工智能的一部分，指的是機(jī)器能夠從它們所完成的任務(wù)中進(jìn)行自我學(xué)習(xí)，通過長期的累積實現(xiàn)自我改進(jìn)。
• MapReduce – 是處理大規(guī)模數(shù)據(jù)的一種軟件框架(Map: 映射，Reduce: 歸納)。
• 大規(guī)模并行處理 (MPP: Massively Parallel Processing) – 同時使用多個處理器(或多臺計算機(jī)) 處理同一個計算任務(wù)。
• 元數(shù)據(jù) (Metadata) – 被稱為描述數(shù)據(jù)的數(shù)據(jù)，即描述數(shù)據(jù)數(shù)據(jù)屬性(數(shù)據(jù)是什么)的信息。
• MongoDB – 一種開源的非關(guān)系型數(shù)據(jù)庫(NoSQL database)
• 多維數(shù)據(jù)庫 (Multi-Dimensional Databases) – 用于優(yōu)化數(shù)據(jù)聯(lián)機(jī)分析處理(OLAP)程序，優(yōu)化數(shù)據(jù)倉庫的一種數(shù)據(jù)庫。
• 多值數(shù)據(jù)庫 (MultiValue Databases) ;– 是一種非關(guān)系型數(shù)據(jù)庫(NoSQL), 一種特殊的多維數(shù)據(jù)庫：能處理3個維度的數(shù)據(jù)。主要針對非常長的字符串，能夠完美地處理HTML和XML中的字串。

N

• 自然語言處理 (Natural Language Processing) – 是計算機(jī)科學(xué)的一個分支領(lǐng)域，它研究如何實現(xiàn)計算機(jī)與人類語言之間的交互。
• 網(wǎng)絡(luò)分析 (Network analysis) – 分析網(wǎng)絡(luò)或圖論中節(jié)點間的關(guān)系，即分析網(wǎng)絡(luò)中節(jié)點間的連接和強(qiáng)度關(guān)系。
• NewSQL – 一個優(yōu)雅的、定義良好的數(shù)據(jù)庫系統(tǒng)，比SQL更易學(xué)習(xí)和使用，比NoSQL更晚提出的新型數(shù)據(jù)庫
• NoSQL – 顧名思義，就是“不使用SQL”的數(shù)據(jù)庫。這類數(shù)據(jù)庫泛指傳統(tǒng)關(guān)系型數(shù)據(jù)庫以外的其他類型的數(shù)據(jù)庫。這類數(shù)據(jù)庫有更強(qiáng)的一致性，能處理超大規(guī)模和高并發(fā)的數(shù)據(jù)。

O

• 對象數(shù)據(jù)庫 (Object Databases) – (也稱為面象對象數(shù)據(jù)庫)以對象的形式存儲數(shù)據(jù)，用于面向?qū)ο缶幊?。它不同于關(guān)系型數(shù)據(jù)庫和圖形數(shù)據(jù)庫，大部分對象數(shù)據(jù)庫都提供一種查詢語言，允許使用聲明式編程(declarative programming)訪問對象.
• 基于對象圖像分析 (Object-based Image Analysis) – 數(shù)字圖像分析方法是對每一個像素的數(shù)據(jù)進(jìn)行分析，而基于對象的圖像分析方法則只分析相關(guān)像素的數(shù)據(jù)，這些相關(guān)像素被稱為對象或圖像對象。
• 操作型數(shù)據(jù)庫 (Operational Databases) – 這類數(shù)據(jù)庫可以完成一個組織機(jī)構(gòu)的常規(guī)操作，對商業(yè)運營非常重要，一般使用在線事務(wù)處理，允許用戶訪問 、收集、檢索公司內(nèi)部的具體信息。
• 優(yōu)化分析 (Optimization analysis) – 在產(chǎn)品設(shè)計周期依靠算法來實現(xiàn)的優(yōu)化過程，在這一過程中，公司可以設(shè)計各種各樣的產(chǎn)品并測試這些產(chǎn)品是否滿足預(yù)設(shè)值。
• 本體論 (Ontology) – 表示知識本體，用于定義一個領(lǐng)域中的概念集及概念之間的關(guān)系的一種哲學(xué)思想。(譯者注: 數(shù)據(jù)被提高到哲學(xué)的高度，被賦予了世界本體的意義，成為一個獨立的客觀數(shù)據(jù)世界)
• 異常值檢測 (Outlier detection) – 異常值是指嚴(yán)重偏離一個數(shù)據(jù)集或一個數(shù)據(jù)組合總平均值的對象，該對象與數(shù)據(jù)集中的其他它相去甚遠(yuǎn)，因此，異常值的出現(xiàn)意味著系統(tǒng)發(fā)生問題，需要對此另加分析。

P

• 模式識別 (Pattern Recognition) – 通過算法來識別數(shù)據(jù)中的模式，并對同一數(shù)據(jù)源中的新數(shù)據(jù)作出預(yù)測
• P字節(jié) (PB: Petabytes) – 約等于1000 TB(terabytes), 約等于1百萬 GB (gigabytes)。歐洲核子研究中心(CERN)大型強(qiáng)子對撞機(jī)每秒產(chǎn)生的粒子個數(shù)就約為1 PB
• 平臺即服務(wù) (PaaS: Platform-as-a-Service) – 為云計算解決方案提供所有必需的基礎(chǔ)平臺的一種服務(wù)
• 預(yù)測分析 (Predictive analysis) – 大數(shù)據(jù)分析方法中最有價值的一種分析方法，這種方法有助于預(yù)測個人未來(近期)的行為，例如某人很可能會買某些商品，可能會訪問某些網(wǎng)站，做某些事情或者產(chǎn)生某種行為。通過使用各種不同的數(shù)據(jù)集，例如歷史數(shù)據(jù)，事務(wù)數(shù)據(jù)，社交數(shù)據(jù)，或者客戶的個人信息數(shù)據(jù)，來識別風(fēng)險和機(jī)遇
• 隱私 (Privacy) – 把具有可識別出個人信息的數(shù)據(jù)與其他數(shù)據(jù)分離開，以確保用戶隱私。
• 公共數(shù)據(jù) (Public data) – 由公共基金創(chuàng)建的公共信息或公共數(shù)據(jù)集。

Q

• 數(shù)字化自我 (Quantified Self) – 使用應(yīng)用程序跟蹤用戶一天的一舉一動，從而更好地理解其相關(guān)的行為
• 查詢 (Query) – 查找某個問題答案的相關(guān)信息

R

• 再識別 (Re-identification) – 將多個數(shù)據(jù)集合并在一起，從匿名化的數(shù)據(jù)中識別出個人信息
• 回歸分析 (Regression analysis) – 確定兩個變量間的依賴關(guān)系。這種方法假設(shè)兩個變量之間存在單向的因果關(guān)系(譯者注：自變量，因變量，二者不可互換)
• RFID – 射頻識別; 這種識別技術(shù)使用一種無線非接觸式射頻電磁場傳感器來傳輸數(shù)據(jù)
• 實時數(shù)據(jù) (Real-time data) – 指在幾毫秒內(nèi)被創(chuàng)建、處理、存儲、分析并顯示的數(shù)據(jù)
• 推薦引擎 (Recommendation engine) – 推薦引擎算法根據(jù)用戶之前的購買行為或其他購買行為向用戶推薦某種產(chǎn)品
• 路徑分析 (Routing analysis) – 針對某種運輸方法通過使用多種不同的變量分析從而找到一條最優(yōu)路徑，以達(dá)到降低燃料費用，提高效率的目的

S

• 半結(jié)構(gòu)化數(shù)據(jù) (Semi-structured data) – 半結(jié)構(gòu)化數(shù)據(jù)并不具有結(jié)構(gòu)化數(shù)據(jù)嚴(yán)格的存儲結(jié)構(gòu)，但它可以使用標(biāo)簽或其他形式的標(biāo)記方式以保證數(shù)據(jù)的層次結(jié)構(gòu)
• 情感分析 (Sentiment Analysis) – 通過算法分析出人們是如何看待某些話題
• 信號分析 (Signal analysis) – 指通過度量隨時間或空間變化的物理量來分析產(chǎn)品的性能。特別是使用傳感器數(shù)據(jù)。
• 相似性搜索 (Similarity searches) – 在數(shù)據(jù)庫中查詢最相似的對象，這里所說的數(shù)據(jù)對象可以是任意類型的數(shù)據(jù)
• 仿真分析 (Simulation analysis) – 仿真是指模擬真實環(huán)境中進(jìn)程或系統(tǒng)的操作。仿真分析可以在仿真時考慮多種不同的變量，確保產(chǎn)品性能達(dá)到最優(yōu)
• 智能網(wǎng)格 (Smart grid) – 是指在能源網(wǎng)中使用傳感器實時監(jiān)控其運行狀態(tài)，有助于提高效率
• 軟件即服務(wù) (SaaS: Software-as-a-Service) – 基于Web的通過瀏覽器使用的一種應(yīng)用軟件
• 空間分析 (Spatial analysis) – 空間分析法分析地理信息或拓?fù)湫畔⑦@類空間數(shù)據(jù)，從中得出分布在地理空間中的數(shù)據(jù)的模式和規(guī)律
• SQL – 在關(guān)系型數(shù)據(jù)庫中，用于檢索數(shù)據(jù)的一種編程語言
• 結(jié)構(gòu)化數(shù)據(jù) (Structured data) -可以組織成行列結(jié)構(gòu)，可識別的數(shù)據(jù)。這類數(shù)據(jù)通常是一條記錄，或者一個文件，或者是被正確標(biāo)記過的數(shù)據(jù)中的某一個字段，并且可以被精確地定位到。

T

• T字節(jié) (TB: Terabytes) – 約等于1000 GB(gigabytes)。1 TB容量可以存儲約300小時的高清視頻。
• 時序分析 (Time series analysis) – 分析在重復(fù)測量時間里獲得的定義良好的數(shù)據(jù)。分析的數(shù)據(jù)必須是良好定義的，并且要取自相同時間間隔的連續(xù)時間點。
• 拓?fù)鋽?shù)據(jù)分析 (Topological Data Analysis) – 拓?fù)鋽?shù)據(jù)分析主要關(guān)注三點：復(fù)合數(shù)據(jù)模型、集群的識別、以及數(shù)據(jù)的統(tǒng)計學(xué)意義。
• 交易數(shù)據(jù) (Transactional data) – 隨時間變化的動態(tài)數(shù)據(jù)
• 透明性 (Transparency) – 消費者想要知道他們的數(shù)據(jù)有什么作用、被作何處理，而組織機(jī)構(gòu)則把這些信息都透明化了。

U

• 非結(jié)構(gòu)化數(shù)據(jù) (Un-structured data) – 非結(jié)構(gòu)化數(shù)據(jù)一般被認(rèn)為是大量純文本數(shù)據(jù)，其中還可能包含日期，數(shù)字和實例。

V

• 價值 (Value) – (譯者注：大數(shù)據(jù)4V特點之一) 所有可用的數(shù)據(jù)，能為組織機(jī)構(gòu)、社會、消費者創(chuàng)造出巨大的價值。這意味著各大企業(yè)及整個產(chǎn)業(yè)都將從大數(shù)據(jù)中獲益。
• 可變性 (Variability) – 也就是說，數(shù)據(jù)的含義總是在（快速）變化的。例如，一個詞在相同的推文中可以有完全不同的意思。
• 多樣 (Variety) – (譯者注：大數(shù)據(jù)4V特點之一) 數(shù)據(jù)總是以各種不同的形式呈現(xiàn)，如結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)，甚至還有復(fù)雜結(jié)構(gòu)化數(shù)據(jù)
• 高速 (Velocity) – (譯者注：大數(shù)據(jù)4V特點之一) 在大數(shù)據(jù)時代，數(shù)據(jù)的創(chuàng)建、存儲、分析、虛擬化都要求被高速處理。
• 真實性 (Veracity) – 組織機(jī)構(gòu)需要確保數(shù)據(jù)的真實性，才能保證數(shù)據(jù)分析的正確性。因此，真實性(Veracity)是指數(shù)據(jù)的正確性。
• 可視化 (Visualization) – 只有正確的可視化，原始數(shù)據(jù)才可被投入使用。這里的“可視化”并非普通的圖型或餅圖，可視化指是的復(fù)雜的圖表，圖表中包含大量的數(shù)據(jù)信息，但可以被很容易地理解和閱讀。
• 大量 (Volume) – (譯者注：大數(shù)據(jù)4V特點之一) 指數(shù)據(jù)量，范圍從Megabytes至Brontobytes

W

• 天氣數(shù)據(jù) (Weather data) – 是一種重要的開放公共數(shù)據(jù)來源，如果與其他數(shù)據(jù)來源合成在一起，可以為相關(guān)組織機(jī)構(gòu)提供深入分析的依據(jù)

X

• XML數(shù)據(jù)庫 (XML Databases) – XML數(shù)據(jù)庫是一種以XML格式存儲數(shù)據(jù)的數(shù)據(jù)庫。XML數(shù)據(jù)庫通常與面向文檔型數(shù)據(jù)庫相關(guān)聯(lián)，開發(fā)人員可以對XML數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行查詢，導(dǎo)出以及按指定的格式序列化

Y

• Y字節(jié) (Yottabytes) – 約等于1000 ZB (Zettabytes), 約等于250萬億張DVD的數(shù)據(jù)容量?，F(xiàn)今，整個數(shù)字化宇宙的數(shù)據(jù)量為1 YB, 并且將每18年翻一番。

Z

• Z字節(jié) (ZB: Zettabytes) – 約等于1000 EB (Exabytes), 約等于1百萬 TB。據(jù)預(yù)測，到2016年全球范圍內(nèi)每天網(wǎng)絡(luò)上通過的信息大約能達(dá)到1 ZB。

附：存儲容量單位換算表

1 Bit (比特) = Binary Digit

8 Bits = 1 Byte (字節(jié))

1,000 Bytes = 1 Kilobyte

1,000 Kilobytes = 1 Megabyte

1,000 Megabytes = 1 Gigabyte

1,000 Gigabytes = 1 Terabyte

1,000 Terabytes = 1 Petabyte

1,000 Petabytes = 1 Exabyte

1,000 Exabytes = 1 Zettabyte

1,000 Zettabytes = 1 Yottabyte

1,000 Yottabytes = 1 Brontobyte

1,000 Brontobytes = 1 Geopbyte