1. 概念
用传统方法或工具无法解决的数据。在合理的时间内无法达到数据的加工、处理和传递，并整理成帮助企业经营决策的信息。
2. 特点
（1）数据量大。
（2）类型多。
（3）处理速度快。
3. 数据来源
人与人、人与机器、机器与机器的交互时产生的数据。比如：互联网，物联网、手机、传感器等。
4.涉及的技术
分布式计算与存储(hadoop）、非关系型数据库(hbase)、数据仓库(hive)。机器学习、数据挖掘。
5.面临的问题
（1）存储。
（2）容错性。
（3）读取能力。
6.大数据的处理流程
（1）数据采集。
（2）数据预处理：Sqoop。
（3）数据存储：HDFS、Hbase。
（4）数据分析/挖掘：Hive、Mahout。
（5）结果展现：报表形式、KPI展示、图形化展示、查询展示。
7.应用场景
（1）客户洞察（客户细分、根据数据挖掘与行为分析制定营销计划、提高客户体验）。
（2）营销规划（锁定目标、精准营销、营销转型）。
（3）产品创新（客户的使用习惯与爱好）。
（4）物流管理（库存）。
（5）流程优化（如：3步到位优化成1步到位）。
（6）风险控制。