說到這里，大數據的另外幾個特征：“速度”、“多樣性”“低價值密度”。從應用的角度看，這些特征的意義似乎也不是很大。

1、產生速度快。增大了分析的難度，對應用帶來的好處卻不多，故而僅僅是在理論上有價值。

2、低價值密度。也增加了分析的難度。但對應用來說，這是一種現象，似乎不值得強調。事實上，為了獲得可靠的結果，個別的‘小數據’往往才是分析大數據的關鍵鑰匙。而且，發現具有‘黑天鵝’性質的小數據，往往是研究大數據的重要目的。

3、所謂‘多樣性’，指有很多非結構化數據。也是增加理論難度、對實用無正面影響的因素。在現實中，數據分布越廣越好，便于從不同角度和視野確定結論的可靠性。所以，我寧可把多樣性’理解為數據分布的廣泛性，而非數據形態的多樣性。

從應用的角度看，筆者更欣賞‘數據科學’的概念：綜合利用數據分析、模型計算和領域知識來解決實際問題。對工程師來說，分析數據的目的是解決問題。為了達到分析的目的，應該采取一切有利的方法、收集一切有用的證據，不應該將自己限制在某個特定的理論方法上。我們期望大數據，卻也喜歡小數據：我們喜歡完整的、真實的數據。IBM對4V理論進行了矯正。

綜上所述，筆者認為：將大數據理論用于工業領域時，不可執著于‘原教旨主義’的認識。我們關注大數據，是為了創造價值，而不是追趕時髦的理論和領域。從這種意義上說，制造企業研究大數據，應該特別強調‘工業’二字，以區分現在流行的、以商務為主的大數據理論。

注：文章內的所有配圖皆為網絡轉載圖片，侵權即刪！