分析大量數據只是使大數據與以前的數據分析不同的部分原因之一。讓我們來從下面三個方面看看。
我們每天都在吃飯，睡覺，工作，玩耍，與此同時產生大量的數據。根據IBM調研的說法，人類每天生成2.5億(250億)字節的數據。 這相當于一堆DVD數據從地球到月球的距離，涵蓋我們發送的文本、上傳的照片、各類傳感器數據、設備與設備之間的通信的所有信息等。
這也就是為什么“大數據”成為如此常見的流行詞的一個重要原因。簡單地說，當人們談論大數據時，他們指的是獲取大量數據的能力，分析它，并將其轉化為有用的東西。
當然，大數據還遠遠不止這些?
· 通常從多個來源獲取大量數據
· 不僅僅是大量的數據，而且是不同類型的數據，同時也有多種數據，以及隨時間變化的數據，這些數據不需要轉換成特定的格式或一致性。
· 以一種方式分析數據，允許對相同的數據池進行分析，從而實現不同的目的 · 盡快實現所有這一切。
在早些時候，這個行業提出了一個縮略詞來描述這四個方面中的三個:VVV，體積(數量巨大)，多樣性(不同類型的數據和數據隨時間變化的事實)和周轉率(速度)。
2. 大數據與數據倉庫：
VVV的縮寫詞所忽略的是數據不需要永久更改(轉換)的關鍵概念——進行分析。這種非破壞性分析意味著，組織可以分析相同的數據連接池以不同的目的，并可以收集到不同目的的來源分析數據。
(備注：數據庫連接池負責分配、管理和釋放數據庫連接，它允許應用程序重復使用一個現有的數據庫連接，而不是再重新建立一個;釋放空閑時間超過最大空閑時間的數據庫連接來避免因為沒有釋放數據庫連接而引起的數據庫連接遺漏。這項技術能明顯提高對數據庫操作的性能。)
相比之下，數據倉庫是專門為特定目的分析特定數據，數據結構化并轉換為特定格式，原始數據在該過程中基本上被銷毀，用于特定目的，而不是其他被稱為提取，轉換和加載(ETL)。 數據倉庫的ETL方法有限分析具體數據進行具體分析。 當您的所有數據都存在于您的交易系統中時，directadmin安裝 directadmin漢化，這是非常好的，但在當今互聯網連接的世界中，數據來自無處不在。
備注：ETL，是英文 Extract-Transform-Load 的縮寫，用來描述將數據從來源端經過抽取(extract)、轉換(transform)、加載(load)至目的端的過程。ETL一詞較常用在數據倉庫，但其對象并不限于數據倉庫。
ETL是構建數據倉庫的重要一環，用戶從數據源抽取出所需的數據，經過數據清洗,最終按照預先定義好的數據倉庫模型，將數據加載到數據倉庫中去。
信息是現代企業的重要資源，是企業運用科學管理、決策分析的基礎。目前，大多數企業花費大量的資金和時間來構建聯機事務處理OLTP的業務系統和辦公自動化系統，用來記錄事務處理的各種相關數據。據統計，數據量每2～3年時間就會成倍增長，這些數據蘊含著巨大的商業價值，而企業所關注的通常只占在總數據量的2%～4%左右。
因此，企業仍然沒有最大化地利用已存在的數據資源，以至于浪費了更多的時間和資金，也失去制定關鍵商業決策的最佳契機。于是，企業如何通過各種技術手段，并把數據轉換為信息、知識，已經成了提高其核心競爭力的主要瓶頸。而ETL則是主要的一個技術手段。
數據倉庫，是為企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合。它是單個數據存儲，出于分析性報告和決策支持目的而創建。 為需要業務智能的企業，提供指導業務流程改進、監視時間、成本、質量以及控制。數據倉庫是決策支持系統(dss)和聯機分析應用數據源的結構化數據環境。數據倉庫研究和解決從數據庫中獲取信息的問題。數據倉庫的特征在于面向主題、集成性、穩定性和時變性。
決策支持系統(Decision Support System，簡稱DSS)，是以管理科學、運籌學、控制論、和行為科學為基礎，以計算機技術、仿真技術和信息技術為手段，針對半結構化的決策問題，支持決策活動的具有智能作用的人機系統。該系統能夠為決策者提供所需的數據、信息和背景資料，幫助明確決策目標和進行問題的識別，建立或修改決策模型，提供各種備選方案，并且對各種方案進行評價和優選，通過人機交互功能進行分析、比較和判斷，為正確的決策提供必要的支持。它通過與決策者的一系列人機對話過程，為決策者提供各種可靠方案，檢驗決策者的要求和設想，從而達到支持決策的目的。
