如何考虑数据量级？

（1）大数据在哪里才有用武之地^[1]

大数据伴随着数据的真实性。在说明大数据用武之地之前，让我们先了解大数据的4V特点：volume（大量）、velocity（高速）、variety（多样）、value（价值）。通过这四个方面，我们能够比较立体地体会什么是所谓的“大数据”，并借此更好地理解数据统计中的真实性如何实现。

volume（大量）指的是数据量的大小决定所考虑的数据的价值和潜在的信息。

velocity（高速）指获得数据的速度及数据所具有的时效性。可见，数据的“大”与“快”是紧密相连的，数据需要具备大数据的特征，同时也要保证时效性。

variety（多样）指数据类型的多样性。要保证数据类型的多样性，就要保证数据来源的多样性。这样才能保证可视化的结果比较全面、客观且多样。

value（价值）指大数据之间的链接。数据本身没有意义，只有当数据与其他事物链接之后，才能体现其意义与价值所在。

因此，大数据能够使数据在一定程度上具有普遍的代表意义，使数据具有预测未来趋势的功能，丰富数据的层次，使之多元化、多维化。(www.xing528.com)

了解了4V特征之后，我们继续考虑，大数据在哪种情况下有用武之地。

（2）大小之辨

大数据中可以穿插细节方面的数据，所谓粗中有细。因为大数据自身具有一定弊端，无法很好地反映细节。大数据是较为模糊的，虽然能够客观地反映普遍性，却不能很好地反映其特殊性。所以，在选用大数据的同时，可以结合一些较小范围内的对象进行细节方面的调查。大中有小，粗中有细，才能够更加全面地反映客观事物的本来面目。同时，一切以自身的需求出发，根据自身的需求——需要表现的内容，来决定大数据与细节数据的比重分配。

（3）大≠泛、空、假

大数据并不在“大”，而在于“有用且大”，这里的重要性已经在前面提及。很多产生于庞大日志文件库的大数据，在没有明确其对应的分析对象前，我们根本无从下手，无异于是一堆废铜烂铁。大数据不应当是空洞的数据，同样需要坚实的业务场景做支撑，应当言之有物。对象的价值含量、挖掘深度远比数字本身来得重要。举个例子：对于淘宝之类的互联网购物平台而言，用户进行窗口浏览时所留下的庞大数据对于销量数据而言毫无用处，是不折不扣的空数据、假数据、垃圾数据；但换个场景，我们基于这些数据，结合用户实际消费记录，可以完成“猜你喜欢”等大数据模型，在这个模型中，这些数据记录了用户的每一次犹豫和最终选择的关系，浏览数据便是宝贵的财富。