“大数据”量的庞大与内容的变化主要表现在其“4V”的特征中。
1．海量数据（Volume）
大数据体量巨大，通常指10TB（1TB=1024GB）规模以上的数据量。由于当代移动互联网、物联网、视频等各种仪器设备的使用，人们能够感知到更多的事物，这些事物的部分甚至全部数据可以被存储。特别是机器—机器（M2M）方式的出现，使得交流的数据量成倍增长。
2．多来源非结构化数据（Variety）
数据种类繁多。随着传感器种类的增多以及智能设备、社交网络等的流行，数据类型变得更加复杂，大数据不仅包括传统的关系数据类型，也包括以网页、视频、音频、e-mail、文档等形式存在的未加工的、半结构化的和非结构化的数据。
3．实时处理（Velocity）
数据的流动速度快。大数据是快速动态变化的，处理的数据是PB级代替了TB级，数据流动的速度快到难以用传统的系统处理。大数据与传统的数据挖掘技术有着本质的不同，大数据要求处理速度快，从各种类型的数据中快速获得高价值的信息。
4．低密度、高价值（Value）
价值密度低。随着数据量呈指数增长，隐藏在海量数据中的有用信息并没有相应比例增长，人们获取有用信息的难度加大，如连续监控的视频数据，有用的数据可能仅有1～2秒。大数据的巨大价值表现在其超前预测能力和真实性。如2008年初，阿里巴巴平台上整个买家询盘数量急剧下滑，欧美对中国采购也在下滑，海关是卖出货以后才获得数据，而马云的阿里巴巴公司提前半年从询盘上推断出世界贸易发生变化。华尔街德温特资本市场公司首席执行官保罗·霍廷每天利用电脑程序分析全球3.4亿微博账户的留言，由此判断民众情绪，决定如何处理手中的巨额股票。大数据已经成为这个时代企业变革和创新的基本思维起点。
大数据的“4V”特征表明其不仅仅是海量数据，对于大数据的分析也更加复杂，同时更追求速度、更注重实效。
【小贴士】旅游大数据成功案例
旅游行业有很多大数据应用的成功案例。
美国的Fly On Time.us网站通过交通局的历史航班延误数据和美国联邦航空管理局的机场信息，结合美国国家海洋大气管理局以往的天气报告和国家气象服务的实时状态，帮助人们判断恶劣天气导致某一特定机场的航班延迟的可能性。
Flight Caster公司基于分析过去十年里每个航班的情况，将其与过去和现实的天气情况进行匹配，预测航班晚点概率。
致力于数据分析的Teradata的一个公司e Circle在2012年伦敦奥运会和残奥会期间，通过复杂的数据筛选，创建目标邮件，引导伦敦市民通过专门的网站计划旅行，以避免热点景区，使得35%的市民改变出游计划，在赛事期间为伦敦中心减少了15%的交通压力。
一些以“大数据”概念为标签的旅游初创企业如雨后春笋般成长起来，例如被比作旅游“发现推荐引擎”的旅游网站 Hopper，是从网络上搜索数据，然后将它们分类汇总，为游客提供最佳的旅游景点推荐，它不是旅游搜索引擎，而是通过大数据来进行旅游推荐和发现，其大数据来自众多的博客平台。此外还有旅游照片应用Jetpac、社交旅游网站Tripl、酒店整合搜索引擎Deal Angel等。
在国内，随着我国智慧旅游试点城市的推进，一些省市开始涉足数据服务的智慧应用，如成都智慧旅游数据中心集智能搜索、多屏同源、统计分析等功能于一身，为游客提供景区、线路、导航等全方位的信息服务；山东则整合公安、交通运输、环保、国土资源、城乡建设、商务、航空、邮政、电信、气象等相关方面涉及旅游的数据，与百度、谷歌、淘宝等主要网络搜索引擎和旅游电子运营商合作，建立社会数据，与旅游及相关部门数据合一的旅游大数据资源，推行旅游的数字化管理，开展数字化营销，利用大数据实施科学考核。
（资料来源：乔向杰．基于大数据的旅游公共管理与服务创新模式研究［C］．（转引自：黄先开，张凌云主编．智慧旅游：旅游信息技术应用研究文集［C］．北京：旅游教育出版社，2014．））
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
