大資料通俗的解釋就是海量的資料，顧名思義，大就是多、廣的意思，而資料就是資訊、技術以及資料資料，合起來就是多而廣的資訊、技術、以及資料資料。

那麼，該怎麼去了解大資料呢，比如說我們在瀏覽網頁的時候，必然是有喜好的，而透過大資料分析會過濾掉一些我們不感興趣的資訊，為我們更多的呈現感興趣的內容，當然了，這麼說可能有些片面，或者說這個更傾向於演算法。

或者這樣說，僅需一個手機號碼我們就可以瞭解一個人的大多數資訊，比如住宅地址資訊、家庭情況或者醫療記錄資訊，亦或者是信用狀況，這些都是大資料的產物之一。

再具體一點，比如保險公司在理賠的時候，也會對理賠資訊進行分析是否有騙保的情況；亦或者說每年公司都會進行體檢，這些資訊都會儲存在醫院的檔案庫，而醫院透過大資料分析，就會提醒你身體的變化，以及需要預防的方向。

當然了，關於這些只是大資料的邊角料，資料資料是一直在更新完善的，大資料資料庫是收集資料、傳輸資料、儲存資料之後再挖掘資料、分析資料、展示資料，這一系列的步驟都是非常關鍵的，也是密不可分的。

大資料具有4大特徵，也就是快速化、多樣化、大量化以及價值高和密度低，快速化是指的網際網路連線裝置數量的增長為我們帶來更高速資料的處理。

大資料顧名思義就是海量的資料堆在一起，就現成了大資料，大資料分實時時間和歷史資料，大資料又分it資料，ot資料，影片時間，影象資料，時空資料等多型別資料，大資料的目的就是實現更智慧，更智慧。大資料不去挖掘分析就是一堆無用的資料，所以就必須各種行業應用專家去建模，去分析挖掘。因此在大資料面前，行業專家最吃香，碼農一抓一大把，模型專家有幾個。對於企業大資料分析挖掘可以為企業提高效率，提高品質，降低成本等等若干優點，越是規模大的企業，大資料探勘價值越大，給你舉2個例子，一個就是九江某石化公司，沒有進行大資料探勘最佳化前年年虧損，挖掘最佳化後，他的效率提高了，他的品質提供了，現在每年盈利20多個億，在石化行業，產品分多個品質，提高几個百分點就是另外一個品質，價格差異很大，這些企業產量相當驚人，上升1個百分點都很厲害。再舉個例子，滴滴最佳化分配問題，因為他們一段時間內產生資料量太大，沒有最佳化前，為了解決實時性問題，用了幾百萬硬體堆疊，用硬體解決效能問題，最佳化後，一臺筆記本解決，所以學好數學還是很關鍵的。