随着近年来企业信息化建设的不断深化、社会化网络的兴起，以及移动互联网等新一代信息技术的广泛应用，全球数据规模及其存储容量正在迅速增长，数据的类型也变得复杂多样。海量多样化的数据对信息的有效存储、快速读取、检索提出了挑战；且其中所蕴藏的巨大商业价值也引发了对数据处理、分析的巨大需求。当前，大数据已逐渐渗透到各个行业和业务职能领域，数据成为企业战略资产，企业战略逐渐从"业务驱动"转向"数据驱动"。如何通过收集和分析大量内部和外部的数据，获取有价值的信息将成为指导企业经营决策、业务运作中的核心环节。
什么是大数据（Big Data）
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据也吸引了越来越多的关注。大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
数据采集：实现将异构数据从系统外部采集并传输到大数据平台的过程，包括数据爬取、提取、清洗、转换和装载等，保证数据获取和验证数据的有效性。
数据存储与分析：负责海量多态数据的存储及处理，以混搭架构模式实现多种数据存储策略；对经过存储和处理后的数据进行分析，主要包括自然语言处理、数据统计分析以及数据挖掘。
数据服务：将屏蔽底层针对各类数据服务需求的数据处理过程，将加工后的数据、应用等通过集中的数据服务提供功能，为外部合作伙伴提供数据服务能力，简化数据共享逻辑，集约化数据分析能力。
数据应用：通过固定报表、多维分析等方式展现数据，对内支撑企业管理分析、经营分析、服务分析、销售分析及产品开发；对外支撑产品化的数据服务以及数据提供。
数据管控：实现数据全生命周期管理，提升企业数据标准、数据质量、数据安全、元数据管理等基础数据管控能力。
大数据的价值体现
（1）对大量消费者提供产品或服务的企业可以利用大数据进行精准营销；
（2）做小而美模式的中小微企业可以利用大数据做服务转型；
（3）面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
不过，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”这确实是需要警惕的。
在这个快速发展的智能硬件时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策等等。例如，通过结合大数据和高性能的分析，下面这些对企业有益的情况都可能会发生：
（1）及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿元。
（2）为成千上万的快递车辆规划实时交通路线，躲避拥堵。
（3）分析所有SKU，以利润最大化为目标来定价和清理库存。
（4）根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。
（5）从大量客户中快速识别出金牌客户。
（6）使用点击流分析和数据挖掘来规避欺诈行为。