关于大数据的报告

❶ 如何利用汽车大数据的报告选车

在打通阿里大数据后，我们甚至可以将UC汽车活跃用户人均消费与淘宝总体用户人均消费作以对比，进而分析出哪的用户更具购买力和营销价值：“淘宝用户整天哭着要剁手，殊不知UC汽车用户已经连整条胳膊都剁下来了，因为他们更喜欢买买买。”

最有趣的是，UC甚至连各级别车型最吸引什么星座这样细微的关注点都进行了准确分类。这样精密的数据挖掘当然不是为了炫技。国际专业咨询机构毕马威发布的《2016全球汽车业高管人员调查》研究报告显示，在互联网时代冲击下，传统汽车行业对于主宰客户关系的信心大幅下降，而强大的信息工程能力和数据驱动的思维模式将会在未来的市场竞争中，在用户层面起到关键性的作用。

事实也证明，多懂用户一点，总是好的。不妨大胆试想，如果有大数据技术作为支撑，传统车企也可以对用户需求进行有效挖掘，并针对性地制定一系列销售甚至品牌策略，让汽车行业在互联网+时代迸发出新的更大生机。

宏观展现市场动态，多维洞察用户需求

众所周知，国内汽车行业的发展存在着较大的地域差异，这一现象与中国经济发展的地域不平衡以及全国各地一定程度上的文化、环境差异相对应。

结合报告，我们可以从宏观掌握汽车用户需求变化，并从中察觉到不同地域用户的一些明显的偏好趋势。报告显示，泉州、中山、保定等三线城市潜力具大，犹如一片广阔的处女地。这与目前汽车消费渠道整体下沉的趋势相符合。而三线城市作为首次购车人群最集中的区域，其用户关注点倾向于更具经济性的紧凑型和小型车。

除此之外，报告还利用大数据技术进一步对国内各地区汽车用户市场进行了划分：西藏青海要求“耐操”、广东海南注重能耗、重庆贵州喜欢浪漫、甘肃新疆独爱新潮，至于北京天津……“神车党”高兴就好。在宏观角度下，一系列区域差异格外明显，让人不得不感慨中国汽车市场的多元化。

进入互联网时代，车企之间数据竞争的序幕也逐渐拉开，要掌握并应对用户对于汽车品牌、产品乃至服务层面的全新定义，已经不是传统汽车厂商单方面意愿可以解决的问题。而UC的这份汽车行业报告，也向我们充分展示了大数据技术的魅力所在：通过对用户购车偏好、关注重点、群体构成、结构变化、区域分布等趋势特征进行多维度深入洞察，进而为汽车厂商的品牌重构和产品布局提供一定参考。

❷ 大数据征信报告能查到哪些东西主要是针对网贷吗

网贷大数据无法消除，只能利用时间来慢慢恢复自身的网贷数据信用

如果不是回因为答逾期而造成的黑户，那么就要找找其他的原因了，比如说是不是申请网贷频率过高，如果不清楚可以在微信查找：四喜数据 ，检测一下。只有知道是什么原因导致自己成为黑户，才能根据原因来改善网贷大数据。

其中，可以凭借网黑指数分来判断自身是否为黑户。
而命中风险提示则可以更好的帮助用户找到自身的不足，提升网贷审核通过率。

❸ 一份完整的数据分析报告

一份完整的数据分析报告

一份完整的数据分析报告。现代社会属于大数据时代，而数据分析报告是非常重要的，一份完整的数据分析报告并不好写。接下来就由我带大家详细的了解下一份完整的数据分析报告的相关内容。

一份完整的数据分析报告1

报告是项目的结果展示，是数据分析结果键闭的有效承载形式。一份思路清晰，言简意赅地数据分析报告能直戳问题痛点，提高沟通效率，获得领导赏识。

对于数据分析报告，首先要有一个概念性的认识，按照报告陈述的思路，可分为四类：

这四类报告由浅入深，分析难度递增，对企业决策的支持程度也递增，尤其是当企业面临某个决策难题时，分析工作要做得足够系统和深刻。

这四类报告我们可以做个比喻。

描述类报告类似记叙文，像个扫描仪一样描绘市场轮廓，不求最深但求最全。

因果类报告类似议论文，像打水井，集中一点，一直探到底。

预测类报告类似科幻小说，像个预言家，根据市场的过去推断市场的未来。

咨询类报告类似推理小说，像小马过河，投石问路，根据分析结论指导企业搜森一路前行。

报告结构

撰写报告前先理清楚三个问题：

写什么内容？用什么结构？如何论述？

写什么内容由决策难题决定，是投资？战略？营销还是其他，相应的报告也就有了相应的内容。

好的报告要求重点突出、主次分明、层次清晰。报告要依附内容的分析以及领导或其他人的阅读习惯，但最重要的是遵循一定的结构化思维。

报告的常见构成

举个例子，比如我用PPT展示一个网民调查的报告

1、标题页： 标题页用于写报告题目，为了方便归档，日夜也应当注明，还有报告撰写者和其单位所在部门。

2、目录页： 目录页将报告的各模块呈现给读者，方便阅读和了解报告结构。

3、分析背景和项目说明： 用于阐述项目需求、分析目的、市场情况、以让读者了解项目的前因后果。项目说明用于注明假设、数据来源等。

4、分析思路页： 这是整个报告的灵魂，便于理解报告的逻辑思路。

5、结论建议页： 结论建议页放在主题前，主要是为了给高层看时，结论建议可大幅度节省时间，简明扼要。

6、分析主体页面： 这里就要搬上你的各种数据表，数据分析图。与表之间，图与图之间的联系如何阐述，反映出的问题如何表达，这些都是在做数据分析图表就要弄明白的。很多细心的领导及专门会针对你的数据分析以及结论来提问，因为现状和未来是他们最关心的。所以你的数据展示一定要体现你的分析思路。

我曾经就被怼过一次，原因是数据分析结果展示于稿漏裂思路脱节，导致领导一直个为什么，那个怎么来，这个数据缺乏依据等等。因为当初的分析报告只是在展示数据，分析不透彻，表之间切换太过生硬，至今记忆犹新。后来，在做数据分析时，我制作一个表，或者一个图，每个表或者图都对不同维度做了深入的数据分析表，领导一问为什么，我就点击进去展示给他看明细，这用的就是FineBI的联动钻取和螺旋式分析功能，在展示时也能实时分析(以往的文章有提过)。

7、附录页：附录页目的是透明分析过程，常防止受访者的基本资料。

报告的论述

一份好的报告，光有好的结构还不够，还要有好的论述，关于论述，有几个注意事项。

1、数据可靠，界定严谨

报告的数据来源一定要可靠。写一份报告，获取和整理数据往往会占据 6成以上的时间。要规划数据协调相关部门组织数据采集、搭建体系平台、导出处理数据，最后才是写报告，为了结论准确有效，你要保证数据的可靠性，否则一切都可能会变成误导决策的努力。

界定是指报告中要对数据的来源、计算、概念做说明。不同的界定，有不同的结论。比如什么是高端微波炉，不同的界定，得到的数据肯定是不同的。

2、概念一致，标准统一

一些名词的解释和定义，前后要一致，不要让人不知所云。

3、直观呈报，通俗易懂

我们写得报告还是金亮图标话，用生动的图表代替数字和文字的大量对切往往更形象直观地理解你的.分析和结论。

一份完整的数据分析报告2

1、你要一个故事

我自己有个想法，就是产品经理应该多学习相关领域的知识，比如学一些基础的设计规范、交互原则、营销知识，心理学知识，算法知识等等。除了一些明显的对工作的帮助，也能帮助自己扩展思路。其实做好报告，就应向咨询机构或者投资机构学习。

一个报告核心不是包含很多内容，让听众或者读者去花时间理解，核心是讲好一个简单的故事。咨询和投资机构做BP之前，会先花时间理清楚storyline。其实各种报告都应该这样，先理清楚你要讲的故事。

2、一个数据分析报告的框架

这里列出一个我个人比较喜欢的报告框架，可能针对不同的报告场景需要有所调整（比如删除部分步骤，或者增加部分细节）：

项目背景：简述项目相关背景，为什么做，目的是什么

项目进度：综述项目的整体进程，以及目前的情况

名词解释：关键性指标定义是什么，为什么这么定义

数据获取方法：如何取样，怎么获取到的数据，会有哪些问题

数据概览：重要指标的趋势，变化情况，重要拐点成因解释

数据拆分：根据需要拆分不同的维度，作为细节补充

结论汇总：汇总之前数据分析的主要结论，作为概览

后续改进：分析目前存在的问题，并给出解决改进防范

致谢

附件：详细数据

项目背景 & 项目进度

项目背景，需要简述项目相关背景，为什么做，目的是什么。项目进度，需要综述项目的整体进程，以及目前的情况。这两点其实没什么可说的，如果对象是项目成员，可以写简单一些，如果对象是对项目不了解的人，则需要多写 一些，但还是要尽量用最简单的话，跟别人讲明白。

名词解释 & 数据获取方法

名词解释：关键性指标定义是什么，为什么这么定义。这点是很多人忽略的，其实很多时候数据的误解都是因为对指标没有统一的定义。举例而言，点击率可以是点击次数/浏览次数，也可以是点击人数/浏览人数。人数可能按访问去重，也可能按天去重。如果没有清晰的解释，不同人理解不同，对整个数据的可读性就大打折扣。

数据获取方法：如何取样，怎么获取到的数据，会有哪些问题。原始数据往往有一些缺憾，要经过数据清洗剔除噪声，也需要部分假设进行数据补全。数据清洗和数据补全的方法需要跟汇报对象说明并且获得认可，让对方对于置信度有一个估计。

数据概览 & 数据拆分

数据概览，需要有重要指标的趋势，变化情况，重要拐点成因解释。

数据拆分，需要根据需要拆分不同的维度，作为细节补充。

这里基本上就是之前说的数据分析方法了。如果需要对方知道对比或者趋势，则使用图，如果需要对方知道具体数据，则使用表。表格对需要强调的数字要做明显标识。需要注意的点是：核心指标要少而关键，拆分指标要有意义且详细。同时如果是PPT的话，每页说明白一个结论或者解释清楚一个趋势足以。关键性结论要用一句话能说清楚。

结论汇总 & 后续改进

结论汇总，基本是对之前数据分析阶段的数据进行汇总，形成完整的结论。

后续改进，需要在数据分析的结论和问题的基础上，对后续的迭代和改进措施作出方向性的说明。这部分其实很多时候也是分析的根本目的。

致谢 & 附件

致谢是对项目组合相关协助部门的致谢，基本上对于项目组和相关协助部门而言，也希望自己的工作或者积极配合能看到有效的数据结果。在之后的合作中，也会更加融洽。

附件是需要附赠更多没有必要在数据报告中体现但是仍然有价值的数据。对于PPT而言，这部分也可以放在PPT致谢之后，与会同事有疑问，可以随时翻到最后解释。

3、总结

一个产品，如果你不能衡量它，你就不能了解它，自然而然，你就无法改进它。这是说数据。

而数据报告的意义也是类似，项目完成之后需要完整汇报，这样无论是对上汇报还是对团队而言，都是有重要意义。

突然想到一个事情。去年的时候做了一个内部数据平台，到了取名字的时候，我用了dice。为什么叫dice呢？

这得从物理说起（开启神棍模式）。物理学不断前行，之前人们认为物理学是决定论的，只要知道系统的初始值和足够细节，就能知道之后系统的演化路径。后来发现不是这样的，对于一个基本粒子而言，观测之前，粒子状态和位置是不可预测的。爱因斯坦说“上帝不会掷骰子”，然后后续的研究，更多的是支持上帝是掷骰子的。这也是dice的来源。

即使是上帝视角，也不可能知道提前知道数据的结果。那么作为产品经理而言，尊重数据结果，并分析形成结论，远比相信一些所谓的方法论的条条框框好得多。

一份完美的数据分析报告让你高人一筹

企业需要发展就需要得到更多信息，这些信息需要有专业能力的人才提供给企业，而这就是数据分析师，数据分析师要通过专业的手段获取信息，对信息做整合，分析信息，最终形成数据分析统计报告。

在数据分析师的全部工作流程中，数据分析统计报告作为工作的成果是对企业、以及项目的最终发展方向及目标的决策起到至关重要的依据。

在编写一份完整的数据分析报告前，这些数据报告给谁看，首先你要知道你的这份报告要突出那些点，在做一个数据分析之前领导所关心的哪些点，围绕着这些中心点，简单明了的进行编写数据报告。

数据报告不需要大批量的文字阐述，本身数据分析是围绕数据为核开展相应的工作，数据报告要突出的也是最终的统计结果，以数字的方式进行简单明了的阐述对比，报告中加入一些画像模型，柱线图、饼状图来表示占有份额等等最为突出，让阅览者可以很好的理解，很容易在你的这份报告中找到自己企业在市场的份额，这是作为一个优秀的数据分析师的基本功。

先展示自己在行业内的情况后还要分析当前整个市场的数据变化走势，通过对自身行业市场的大数据统计，找到市场发展新的切入点、客户们所关心的新问题、潜在客户的特征最终形成走势图为企业提供发展方向。

哪些点是我们不足的地方，哪些是我们需要开展的新业务等等，这些都会从行业数据大趋势发展中体现出来，从而为企业未来的发展决策提供参考依据，为企业领导提供新的信息点，帮助企业思考、创新、完善做出一份满意的答卷。

❹ 大数据的产生与发展现状研究

摘 要：大数据的产生给未来信息技术带来新的机遇与挑战。大数据对数据处理的有效性、实时性提出了更高要求，需要根据大数据的特点对当前数据处理技术实施变革，从而形成更有益于大数据采集、存储、处理、管理、分析、共享的新兴技术。本文从大数据的产生与发展、特征、主要应用以及大数据所带来的挑战等方面进行阐述与分析。

关键词 ：大数据 物联网 信息处理 海量计算

一、大数据的产生与发展现状

随着物联网、云计算等信息技术的飞速发展，大数据技术(Big Data)也越发进入人们的视线。大数据是用传统方法或工具很难处理或分析的数据信息。目前，人们对大数据的理解还不够全面和深入，关于大数据的含义也没有一个统一的定义。亚马逊大数据科学家John Rauser认为：大数据是超过任何一台计算机处理能力的庞大数据量。Informatica 的中国区首席顾问但彬指出：大数据是海量数据与复杂类型的数据的结合。而维基网络则把大数据定义成诸多大而复杂的、难以用当前数据库处理的数据集合。

大数据研究受到国内外学术界和工业界的广泛关注，已成为当今信息时代全世界讨论的热点。2008年，Nature杂志就推出大数据专刊，计算社区联盟也在同一年发表了报告《Big data computing; Creating revolutionary breakthroughs in commerce， science and society》，报告阐述了解决大数据问题所需的关键技术以及所面临的挑战。美国奥x政府于2012年3月在白宫网站发布了《大数据研究和发展倡议》，提出了通过收集、处理海量、复杂的数据信息，从而提升能力，加快科学和工程领域的创新步伐，转变学习教育模式，强化美国本土的安全”。2011年1月，微软公司同惠普公司合作开发了一系列能够提升生产力，同时提高决策速度的设备。此外，欧盟委员会也提出驾驳大数据浪潮的战略思路，日本发布的《面向 2020 的 ICT综合战略》也提出需要构造大量丰富的数据基础。

近年来，我国也积极开展对大数据的研究。2011年10月，工信部确认京沪深杭等 5 城市为“云计算中心”试点城市。2012年6月，中国计算机学会青年计算机科技论坛也举办了“大数据时代，智谋未来”学术报告研讨会。大数据及其科学研究方法涉及应用领域很广，并将与国计民生密切相关的科学决策、金融工程以及知识经济领域紧紧接合。

二、大数据的特点

目前，企业界和学术界都一致认为，大数据具有4个“V”特征，即：容量(Volume)、种类(Variety)、速度(Velocity)和至关重要的`价值(Value)。

(1) 容量(Volume)巨大。海量的数据集从TB 级别提升到PB 级别。

(2) 种类(Variety)繁多。大数据数据源有多种，数据格式和种类不同于以前所规定的结构化数据范畴。

(3)价值(Value)密度低。如视频的例子，在不间断连续监控的过程中，可能有意义的数据仅有一两秒。

(4)速度(Velocity)快。包含大量实时、在线数据处理分析的需求1秒钟定律。

三、大数据应用的领域

大数据产业的发展将推动全球经济由粗放型向集约型转变，这将对提升企业整体竞争力和政府监管能力具有意义深远的影响。

商业作为大数据的重要应用领域。沃尔玛公司通过对消费者购物行为等一系列非结构化数据的分析，了解不同顾客的购物习惯，公司从所销售的数据进行分析，从而选出适合在一起搭配出售的商品;淘宝也针对买家开设了大数据平台，为客户量身打造了一整套完善的网购体验产品。

大数据在金融业也起到了至关重要的作用。美国Equifax公司利用大数据技术，通过对其的数据库中与财务有关的记录海量信息进行索引处理和交叉分享，从而得到客户的个人信用等级，以推断出客户的支付需求与能力。

随着大数据在医疗与生命科学研究过程中的广泛应用和不断扩展。2010年，中国公布的《十二五规划》指出：要重点建设国家级、省级和地市级三级医疗卫生信息平台，建设电子病历和电子档案两个最为基础的数据库。各级医院也将在医疗信息仓库、数据中心等领域加大投入，医疗数据信息的存储将愈加被关注，医疗信息中心的关注焦点也将由传统的计算领域转为存储领域。

除此之外，大数据在制造业领域也有着广阔的应用。制造业企业积累了广泛的数据信息，在开展对业务数据进行技术管理的同时，企业需要通过大数据处理技术来帮助决策者从数据库储存的海量信息中找到有价值的信息，并且对其进行分析处理，从而增强决策的正确性、规避风险。

四、大数据所面临的挑战

大数据技术使人们能够更好地利用之前不能使用的各个数据类型，找出被忽略的信息，促进企业组织更加高效、智能。但随着对大数据研究的不断深入，人们也更加意识到当大数据技术向人们敞开“方便之门”的同时，也带来了众多的挑战：

(1)大数据需要更为专业化的管理技术人才。

(2) 大数据的合理利用需要解决容量大、类别多和时效性高的数据处理问题。

(3)大数据的利用对信息安全提出了更高要求。

(4)大数据的集成与管理问题。

这些挑战已成为关系到未来大数据发展的重要因素，同时也成为未来引领大数据发展的推动力。

五、结束语

大数据已经逐步渗透到人们工作生活的诸多领域中，对于大数据的研究也在不断的深化。本文针对大数据的产生与发展、特征、主要应用以及大数据所带来的挑战等方面进行阐述与分析。大数据的发展还处于初级阶段，还有更为广阔的空间需要人们不断开拓，如何合理地利用大数据、更加高效地处理大数据来为人们服务仍需要广大研究者不断地研究和探索。

参考文献：

[1]刘智慧，张泉灵.大数据技术研究综述[J].浙江大学学报，2014，46(6)：957- 972.

[2]严霄凤，张德馨.大数据研究[J].计算机技术与发展，2013，23(4)：168-172.

[3]刘俊.基于大数据流的Multi-Agent系统模型研究[J].计算机技术与发展， 2007，17(5)：166-169.

❺ 2021年我国大数据行业发展现状如何

我国大数据产业开始已进入深化阶段

中国大数据产业从萌芽到如今渐成体系，已走过将近10个年头。“十四五”开局之年，大数据产业也进入了集成创新、深度应用的新阶段。大数据在医疗、工业、交通等领域的融合应用技术加快创新突破，大数据融合应用重点从虚拟经济转变为实体经济;大数据底层技术方面，信息安全、模式识别、语言工程、计算机辅助设计、高性能计算等加快突破，大数据技术领域逐渐补齐短板，并进一步强化长板。

—— 更多本行业研究分析详见前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》

❻ 大数据对经济政治生活的影响 2000字

大数据时代是一个将数据当作核心资产的时代，数据呈现出战略化、资产化和社会化等特征。随着数据作为国家战略资产意识的增强，以及越来越多的国家将数据管理上升到战略层面，大数据势必会以更加积极的姿态进入到公共管理和政府治理范畴内。无论是把大数据单纯作为一种技术，还是一种抽象理念，或者是一个时代背景，它都将对政府治理理念、治理范式、治理内容、治理手段等产生不同程度的影响。本文试图将大数据这一新概念与政府治理有机结合起来，阐述大数据时代背景下的政府治理将会发生什么新变化，面临哪些机遇和挑战。
一、“大数据”概念的界定
（一）“大数据”概念的提出与发展
2008年9月4日《自然》（Nature）刊登了一个名为“Big Data”的专辑，首次提出大数据（Big Data）概念，该专辑对如何研究PB级容量的大数据流，目前正在制订的、用以最为充分地利用海量数据的最新策略进行了探讨。[1]2011年5月，EMC（全球最大的外置存储硬盘供应商）举办了主题为“云计算相遇大数据”的大会，首次抛出了“大数据”（Big Data）的概念。紧随其后，IBM、麦肯锡等众多国外机构发布了“大数据”的相关研究报告，2011年6月麦肯锡全球研究所发布研究报告——《大数据的下一个前沿：创新、竞争和生产力》（Big data: The Next Frontier for Innovation, Competition, and Proctivity）[2]，首次提出“大数据时代”来临。此后，联合国、世界经济论坛也纷纷关注信息时代海量数据对社会经济发展所带来的冲击，2012年5月联合国“全球脉冲”(Global Pulse)计划发布《大数据开发：机遇与挑战》（Big Data for Development: Challenges & Opportunities）[3]报告，阐述了大数据带来的机遇、主要挑战和大数据应用。2011、2012年达沃斯世界经济论坛将大数据作为专题讨论的主题之一，发布了《大数据、大影响：国际发展新的可能性》（Big Data, Big Impact: New Possibilities for International Development）[4]等系列报告。
奥巴马政府创造性地将“大数据”概念全面引入到公共行政领域。2009年，美国联邦政府发布《开放政府指令》（The Open Government Directive），作为大数据的前奏推出了Data.gov公共数据开放网站。2012年3月，美国联邦政府发布了《大数据研究和发展倡议》（Big Data Research and Development Initiative）[5]，正式启动了“大数据发展计划”，宣布将投入超过2亿美元在大数据研究上[6]；同年5月，联邦政府发布《数字政府战略》（ Digital Government Strategy）[7]，致力于为公众提供更好的“数字化”服务，围绕数据进行的一系列措施在美国政府全面推进，大数据对美国政府的影响逐步显现。
（二）大数据的概念
“大数据”作为信息社会发展的一个新生事物，目前尚处在逐渐被认识、被应用的初始阶段，无论是学术界还是IT行业对大数据的理解各有侧重，尚未形成一套完整的理论体现，因此很难对行进行精准的定义。维基网络将大数据定义为“所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯”[8]。全球知名的咨询公司如麦肯锡、Gartner以及知名信息化企业如IBM等作为大数据的推崇者，更侧重于从技术层面界定大数据。2011－2013年，Gartner发布了多个与大数据有关的白皮书，如“Hype Cycle for Big Data, 2012”，定义了大数据的技术生命周期，报告中指出大数据不只是一项单一的技术，而是一个概念，是一套技术。《互联网周刊》则认为，“大数据是通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见，最终形成变革之力”。[9]
⒈大数据的技术属性
大数据在诞生之初仅仅是一个IT行内的技术术语，维基网络将其定义为“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合”，被概括为“4V”理论：
海量化数据（Volume）——数据体量巨大及规模完整性。随着数据加工处理技术的提高，网络宽带的成倍增加，以及社交网络技术的迅速发展，使得数据产生量和存储量成倍增长，数据规模从TB级别跃升到PB级别。
多样化结构（Variety）——数据类型繁多。随着物联网、社交网络、智能终端等的普及和应用，网络日志、视频、图片、地理位置信息等非结构化数据所占比例越来越大。
高速化处理（Velocity）——主要表现为数据流的处理速度快。数据规模的无限扩张既对高速化处理提出了新的要求，也为其带来了新的机遇，大数据的高速化处理要求具有时间敏感性和决策性的分析，要求能在第一时间抓住重要事件发生的信息。这一点也是大数据和传统的数据挖掘技术不同的本质区别所在。
低密度价值（Value）——体现出的是大数据运用的真实意义所有。数据规模大并不意味着价值高，相反，这些数据间更多的表现为稀缺性、不确定性和多样性。[10]
尽管对大数据难以明确定义，但大数据所具有的规模性（Volume）、多样性（Variety）和高速性（Velocity）特征被广泛地认同。在3V基础上，人们对大数据的第四特性有不同的看法，IDC认为大数据具有高价值性（Value），尽管这种价值更多地表现在低价值度的碎片化数据中，如何挖掘这种价值正是大数据的关键所在；IBM则认为大数据应该具有真实性（Veracity），真实性将促使人们利用数据融合和先进的数学方法进一步提升数据的质量，从而创造更高价值（参见图1）。[11]随着大数据应用的深入，人们对最初的“4V”有了不同的理解和看法。2013年IBM提出了新的“4V”理论。数量（Volume）、多样性（Variety）、速度（Velocity）和精确性（Veracity）。IBM认为，尽管前3个V涵盖了大数据本身的关键属性，但真实性是当前亟需考虑的重要维度，将促使他们利用数据融合和先进的数学方法进一步提升数据的质量，从而创造更高价值。[12]2014年，IBM发布了《践行大数据承诺：大数据项目的实施应用》（Realizing the Promise of Big Data: Implementing Big Data Projects）白皮书，在该报告中对进一步扩展了大数据的特性，首次提出将大数据的特性由4V扩展为“Vs”。[13] “Vs”在大数据已有特性的基础上，增加了数据粘度（Viscosity），主要用来衡量数据流间的关联性（resistance to flow of data）；数据易变性（Variability），主要衡量数据流的变化率；数据有效性（Volatility），主要表明数据有效性的期限和存储的期限时长。我们认为，未来随着大数据技术的发展成熟，以及人们对大数据应用的深入，大数据的“Vs”特性将会不断变化和拓展。