1.有大量的數據，比如TB，PB，甚至EB，需要分析處理。
2.要求快速反應，市場變化快，要求對變化做出及時快速的反應。對數據的分析也要快，對性能有更高的要求，所以數據量對於速度來說似乎有些“大”。
3.數據多樣性:來自不同數據源的非結構化數據越來越多，需要經過清洗、排序、過濾，成為結構化數據。
4.價值密度低，由於數據收集不及時、數據樣本不完整、數據不連續等原因，數據可能失真。但當數據量達到壹定規模時，就可以通過更多的數據實現更真實、更全面的反饋。
很多行業都會有大數據需求，比如電信行業、互聯網行業等容易產生大量數據的行業。很多傳統行業，如醫藥、教育、礦業、電力等行業，都會有大數據需求。
隨著業務的不斷擴展和歷史數據的不斷增加，數據量的增長是持續的。
如果需要分析大數據，可以使用Hadoop等開源大數據項目，或者永紅Z-Suite等商用大數據BI工具。
隨著互聯網和移動的快速發展，大數據在各個領域的應用越來越多。也越來越面向個人大數據應用。