大数据是组织收集的结构化、半结构化和非结构化数据的组合，可以挖掘这些数据以获取信息并用于机器学习项目、预测建模和其他高级分析应用程序。

处理和存储大数据的系统已成为组织中数据管理架构的常见组成部分，并与支持大数据分析使用的工具相结合。大数据通常具有三个 V 的特征：

大数据是大量不同的信息，它们以越来越大的数量和越来越快的速度到达。

大数据可以是结构化的（通常是数字，易于格式化和存储）或非结构化的（更自由的形式，更难量化）。

几乎公司的每个部门都可以利用大数据分析的结果，但处理其混乱和噪音可能会带来问题。

大数据可以从社交网络和网站上公开分享的评论中收集，也可以通过问卷调查、产品购买和电子签到从个人电子产品和应用程序中自愿收集。

大数据通常存储在计算机数据库中，并使用专门设计用于处理大型复杂数据集的软件进行分析。

在大数据聚类分析中使用 Map Reduce 的并行 K-means