據(jù)他們估算：2007年，人類大約存儲了超過300EB的數(shù)據(jù)；1986~2007年，全球數(shù)據(jù)存儲能力每年提高23%，雙向通信能力每年提高28%，通用計算能力每年提高58%；預(yù)計到2013年，世界上存儲的數(shù)據(jù)能達到約1.2ZB。

這樣大的數(shù)據(jù)量意味著什么？據(jù)估算，如果把這些數(shù)據(jù)全部記在書中，這些書可以覆蓋整個美國52次。如果存儲在只讀光盤上，這些光盤可以堆成5堆，每堆都可以伸到月球。在公元前3世紀，希臘時代最著名的圖書館亞歷山大圖書館竭力搜集了當(dāng)時其所能搜集到的書寫作品，可以代表當(dāng)時世界上其所能搜集到的知識量。但當(dāng)數(shù)字數(shù)據(jù)洪流席卷世界之后，每個人都可以獲得大量數(shù)據(jù)信息，相當(dāng)于當(dāng)時亞歷山大圖書館存儲的數(shù)據(jù)總量的320倍之多。

多樣性

隨著傳感器、智能設(shè)備以及社交協(xié)作技術(shù)的飛速發(fā)展，組織中的數(shù)據(jù)也變得更加復(fù)雜，因為它不僅包含傳統(tǒng)的關(guān)系型數(shù)據(jù)，還包含來自網(wǎng)頁、互聯(lián)網(wǎng)日志文件（包括點擊流數(shù)據(jù)）、搜索索引、社交媒體論壇、電子郵件、文檔、主動和被動系統(tǒng)的傳感器數(shù)據(jù)等原始、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。

在大數(shù)據(jù)時代，數(shù)據(jù)格式變得越來越多樣，涵蓋了文本、音頻、圖片、視頻、模擬信號等不同的類型；數(shù)據(jù)來源也越來越多樣，不僅產(chǎn)生于組織內(nèi)部運作的各個環(huán)節(jié)，也來自于組織外部。例如，在交通領(lǐng)域，北京市交通智能化分析平臺數(shù)據(jù)來自路網(wǎng)攝像頭/傳感器、公交、軌道交通、出租車以及省際客運、旅游、化危運輸、停車、租車等運輸行業(yè)，還有問卷調(diào)查和地理信息系統(tǒng)數(shù)據(jù)。4萬輛浮動車每天產(chǎn)生2 000萬條記錄，交通卡刷卡記錄每天1 900萬條，手機定位數(shù)據(jù)每天1 800萬條，出租車運營數(shù)據(jù)每天100萬條，電子停車收費系統(tǒng)數(shù)據(jù)每天50萬條，定期調(diào)查覆蓋8萬戶家庭，等等，這些數(shù)據(jù)在體量和速度上都達到了大數(shù)據(jù)的規(guī)模。發(fā)掘這些形態(tài)各異、快慢不一的數(shù)據(jù)流之間的相關(guān)性，是大數(shù)據(jù)做前人之未做、能前人所不能的機會。

大數(shù)據(jù)不僅是處理巨量數(shù)據(jù)的利器，更為處理不同來源、不同格式的多元化數(shù)據(jù)提供了可能。例如，為了使計算機能夠理解人的意圖，人類就必須要將需解決的問題的思路、方法和手段通過計算機能夠理解的形式告訴計算機，使得計算機能夠根據(jù)人的指令一步一步工作，完成某種特定的任務(wù)。在以往，人們只能通過編程這種規(guī)范化計算機語言發(fā)出指令。隨著自然語言處理技術(shù)的發(fā)展，人們可以用計算機處理自然語言，實現(xiàn)人與計算機之間基于文本和語音的有效通信。為此，還出現(xiàn)了專門提供結(jié)構(gòu)化語言解決方案的組織—語言數(shù)據(jù)公司。自然語言無疑是一個新的數(shù)據(jù)來源，而且也是一種更復(fù)雜、更多樣的數(shù)據(jù)，它包含諸如省略、指代、更正、重復(fù)、強調(diào)、倒序等大量的語言現(xiàn)象，還包括噪聲、含混不清、口頭語和音變等語音現(xiàn)象。