因為大資料的應用是有條件的。首先，很多問題是大資料無法預測的。比如非線性複雜系，這類系統微弱的初始條件差異就會引起結果的巨大差異，是不可預測的。再如博弈類問題，商業世界充滿了這類問題。很多博弈問題的最優策略恰恰是不能讓對方預測自己的行為。其次，存在資料產權問題。哪個企業或個人會傻到把不利於自己的資料公開出來？沒有一個機構能獲得足夠全面的資料。再次，大資料解決問題依賴建模和演算法。建模是需要人去把實際問題抽象成數學問題的，既然是人抽象的，就有主觀判斷和近似方法的取捨。而且非常多的數學模型都缺乏足夠好的演算法手段去解出來。最後，資料的採集、演算法的除錯、計算能力也不是無限的，也是需要花費時間或金錢成本的。所有的計算都是對世界一種近似。人們總是傾向於神秘化不熟悉的技術，認為是萬能的。當年蘇聯採用計劃經濟也與神秘化大型計算機技術有一定關係。現在是神秘化大資料。在可預見的將來，肯定會神秘化人工智慧，神秘化量子計算...其實，這些都是能解決有限問題的技術手段。我們對世界運轉規律的理解還非常淺。

大資料（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大資料時代》中大資料指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有資料進行分析處理。大資料的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。大資料包括結構化、半結構化和非結構化資料，非結構化資料越來越成為資料的主要部分。大資料對資料的儲存擴充套件要求極高，能輕鬆實現資料的恢復、備份、複製與安全管理。Gartner認為，大資料需要新的處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。

大資料是工業感測器、網際網路、移動數碼等固定和移動裝置產生的結構化資料、半結構化資料與非結構化資料的總和，大資料重在實時的處理與應用，以獲得所需要的資訊和知識，從而實現商業價值以及為公共管理服務，資料探勘和人工智慧等應用工具在大資料處理中發揮著重要作用，現代資訊科技是大資料賴以存在和發展的重要支撐力量。

考慮到大資料給傳統經濟學帶來的巨大沖擊和影響，迫切需要對此進行研究，斯坦福大學的教授、沃爾瑪全球電子商務的高階副Quattroporte、WalmartLabs的共同創立者AnandRajaraman（2012）發明了一個新詞Econinformatics，指將計算機科學和資訊科技應用於經濟學領域，特別指應用於大資料的經濟分析，翻譯過來就是大資料經濟學。

大資料經濟學是在經濟學研究和應用中採用大資料並且採用大資料思想對傳統經濟學進行深化的新興交叉學科。

大資料經濟學不僅要研究如何建模、管理和應用大資料，而且要深入研究傳統經濟學如何應對大資料帶來的挑戰並進行改良，大資料經濟學需要經濟學家、領域專家和資訊科技專家等密切合作，對人文社科與自然科學的跨學科研究提出了更高的要求，並且對整個經濟學、社會學、公共管理等將帶來革命性變革。

由此我們可以知道大資料經濟學是隨著大資料在人類經濟社會中的應用而產生的，目前尚處於萌芽階段，其實踐遠遠超越理論，可以預見的是，不久的將來是大資料經濟學的理論建構和高速發展期，藉助高度發達的現代資訊科技，大資料經濟學理論可以隨時得到檢驗和修正。

大資料的處理能帶來經濟效益，就像房地產一樣。

例如滴滴，例如OFO, 例如手機地圖，讓我們少堵車了。

你要說字面意義，大資料當然不等於大資料經濟。