从商务智能的角度来看，大数据的主要目标是帮助公司做出更好的业务决策。企业可以通过聘用数据科学家和用户来分析大量交易数据以及传统电子商务项目可能会忽略的数据源来完成知识发现的任务。

大数据是规模庞大且复杂，很难使用传统的数据处理程序进行处理的数据集合。通常用3V模型来描述大数据的特征——数据量（volume）、速度（velocity）和种类（variety）。①体量大。规模巨大，大数据的存储、读取、查询和传输都存在挑战，尤其是这些工作需要通过互联网完成时。大数据量所带来的挑战一方面需要通过软件来解决，另一方面还需要相关的基础设施投资。②速度快。大数据应用对数据处理速度的要求是很高的，例如在线交易或检测欺诈等。这类对时间敏感的应用，需要使用数据流技术来解决。③类型多。大数据的种类多样，包括文本、音频、视频、点击流、日志文件、传感器数据等。综合分析不同类型的数据有助于发现新的知识。分析多种类型的数据需要用到功能更加复杂的软件。

为了满足对大数据进行分析的独特要求，需要一系列渐进的方法来组织与数据获取、处理、分析和重新利用有关的活动。大数据分析的生命周期可以分为以下9个阶段：①商业案例评估；②识别有用的数据；③数据收集与过滤；④数据提取；⑤数据验证与清洗；⑥数据汇总与表示；⑦数据分析；⑧分析结果可视化；⑨分析结果的实践应用。

大数据技术包括云计算、大数据分析软件和服务。大数据分析的典型应用包括在线广告和推荐系统等。

大数据分析的概念已经存在很多年，很多企业很早就知道在运营中分析和处理业务数据可以创造出巨大的价值。在大数据的概念还没有出现的20世纪50年代，一些企业就已经开始使用简单的分析技术（对电子表格中的数字进行人工分析）来洞察与预测趋势。

大数据分析带来的好处是速度和效率的提升。早期，企业可能需要投入大量的时间进行数据收集与分析，以挖掘出可用于将来决策的信息。如今，企业可以借助大数据分析进行实时决策。大数据分析高效与敏捷的特点为企业提供了前所未有的竞争优势。

大数据分析可帮助企业深入挖掘数据中隐藏的规律，并利用这些规律来识别新的机会。这将为企业带来更明智的商务决策、更高效的运营、更高的利润和更满意的客户服务。通过大数据分析获得价值的方式包括以下方面：①降低成本。基于Hadoop和云计算等分析技术，大数据可以用较低的成本进行存储和分析。②迅速与优质的决策。借助分布式计算和内存分析等高效率的数据分析方法以及新的数据源，企业能够实时地对信息进行分析，并根据分析的结果做出决策。③新产品和新服务。借助大数据分析，企业可以了解用户潜在的需求，并通过开发新产品来满足这些需求。