涵盖这四个维度有助于定义和区分大数据：

    数量：数据量。数量也许是与大数据最相关的特征，指企业为了改进企业中的决策而试图利用的大量数据。数据量持续以前所未有的速度增加。然而，真正造成数据量"巨大"的原因在不同和行业和地区各有不同，而且没有达到通常引用的PB级（petabyte）和ZB级（zetabyte）。超过一半的受访者认为数据量达到Terabyte和Petabyte之间才称为大数据，而30%的受访者不知道"大"对于其组织应该有多大。所有受访者都同意，当前被认为"巨大的数量"在将来甚至会更大。

    多样性：不同类型的数据和数据源。多样性是指管理多种数据类型的复杂性，包括结构化、半结构化和非结构化数据。企业需要整合并分析来自复杂的传统和非传统信息源的数据，包括企业内部和外部的数据。随着传感器、智能设备和社会协同技术的爆炸性增长，数据的类型无以计数，包括：文本、微博、传感器数据、音频、视频、点击流、日志文件等。

    速度：数据在运动中。数据创建、处理和分析的速度持续在加快。加速的原因是数据创建的实时性天性，以及需要将流数据结合到业务流程和决策过程中的要求。速度影响数据时延 – 从数据创建或获取到数据可以访问的时间差。目前，数据以传统系统不可能达到的速度在产生、获取、存储和分析。对于对时间敏感的流程，例如实时欺诈监测或多渠道"即时"营销，某些类型的数据必须实时地分析，以对业务产生价值。

    精确性：数据不确定性。精确性指与某些数据类型相关的可靠性。追求高数据质量是一项重要的大数据要求和挑战，但是，即使最优秀的数据清理方法也无法消除某些数据固有的不可预测性，例如天气、经济或者客户最终的购买决定。不确定性的确认和规划的需求是大数据的一个维度，这是随着高管需要更好地了解围绕他们身边的不确定性而引入的维度（参考："精确性，第四个'V'"）。

    最后，大数据是这些特征的组合，为企业在当前的数字化市场中创造竞争优势提供了机会。它使企业能够转变与客户交互并满足客户需求的方式，并且使企业– 甚至整个行业 – 能够实现自身的转型。并非每家企业都采用相同的方法培养其大数据能力。但是，利用新的大数据技术和分析方法改进决策和绩效的机会存在于每个行业中。