在很多人眼中，大數據只是一個流行的名詞，但實際上，大數據已經深入到我們生產生活的方方面面。大數據之所以能夠未來發展的趨勢，除了社會需求的拉動之外，IT領域的技術發展也是大數據誕生的重要基礎。隨著互聯網技術的發展，物聯網和云技術的誕生，為大數據的儲存和傳輸提供了技術支持。此外，隨著社會的不斷發展，社會以及經濟各領域的數據的積累也越來越大，這些多為大數據的誕生奠定了基礎。
　　此外，當今社會正處于信息化時代，誰擁有了海量信息，誰就將在各種競爭中掌握主動權，日益豐富的數據來源和采集手段幫助我們解決了“巧婦難為無米之炊”的窘境，但如果沒有滿足大數據存儲特點的創新型存儲方法與技術手段，那么搜集到的“米”也因為無處存放而無法成“食”，所以期望大數據發揮價值的想法也只能停留在理論層面。
　　隨著大數據應用的爆發性增長，它已經衍生出了自己獨特的架構，而且也直接推動了存儲、網絡以及計算技術的發展。國際數據公司認為：“在可預見的未來，存儲是大數據和分析領域最大的基礎設施開支之一。”處理大數據這種特殊的存儲需求是一個全新的挑戰。
　　站在今天的角度觀察，人類社會的信息化進程其實可以劃分為三個時代，即計算機時代、互聯網時代和大數據時代。到20世紀90年代中期，發達國家已經基本度過了計算機時代。計算機的普及，解決了信息的機器可讀化和數據的可計算化問題。目前，發達國家和部分發展中國家也基本走完了互聯網時代的路程?；ヂ摼W的建立解決了信息傳遞和信息服務問題。在計算機和互聯網的基礎上，而今我們正步入一個全新的歷史階段—大數據時代。
　　劍橋大學教授維克托·邁爾·舍恩伯格在其《大數據時代：生活、工作與思維的大變革》中寫道：“大數據開啟了一次重大的時代轉型。就像望遠鏡讓我們感受宇宙、顯微鏡讓我們能夠觀測微生物一樣，大數據正在改變我們的生活以及理解世界的方式，成為新發明和新服務的源泉，而更多的改變正蓄勢待發……未來數據將會像土地、石油和資本一樣，成為經濟運行中的根本性資源。”
　　2013年被國外媒體稱為“大數據元年”。大數據如浪潮一般席卷全世界，不僅在信息技術行業備受矚目，更成為變革科研、商業、政府運作方式乃至人類思維方式的一個熱點。
　　1969年，美國阿波羅登月艙使用的自動控制計算機內存容量只有 63KB(千字節)；而如今，一部普通的蘋果手機運行內存就有1GB(吉字節)，是前者的6.45萬倍，這還不包括16~64GB不等的存儲內存。阿波羅登月艙只有一個，而僅在2013年第一季度，蘋果公司就銷售了大約3800萬部蘋果手機。人們用手機社交、購物、閱讀，產生的數據量是驚人的。
　　隨著計算機技術全面融入組織運作和社會生活，數據正在以一種超乎想象的速度爆發式地增長。據統計，人類存儲信息量增長速度是世界經濟增長速度的5倍，而計算機數據處理能力增長速度則是世界經濟增長速度的10倍。根據聯合國的研究報告，全球的大數據存量從2005年的150EB(艾字節)增長到2010年的1200EB，并預計將以40%的年增長率繼續增長，2020年將達到2007年的44倍，平均每20個月翻一番。1E 1EB等于260B(字節)，相當于13億中國人人手一本500頁的書加起來的信息量，5EB則相當于3.7萬個美國國會圖書館的信息量。
　　數據大爆炸的來源有很多，它既來自新興的物聯網和移動互聯網，也來自傳統互聯網以及廣大經濟社會活動領域。例如，每個人的日常生活都在被數據化，我們瀏覽網頁、登錄社交網絡、使用移動通信工具、進行在線交易等，留了各式各樣的數字足跡；在遍布全球的工業設備、汽車、電子量表和集裝箱上，有數不清的數據感應器，它們實時測量并傳遞地點、移動、振動、溫度和濕度等信息，甚至能檢測出空氣和水中的化學變化；政府部門在統計監測、審批備案和行政執法過程中，也積累了大量的工商登記、稅收繳納、社保繳費、交通違章等公共數據……

據采集、存儲、分析、可視化技術和方法的普及，使得對數量巨大、來源分散、格式眾多的大數據進行分析成為可能。因此，大數據首先是一種技術進步，這種進步繼而推動了人類認識世界和改造世界能力的進步，帶來了大價值。
　　MBAonline網站發布的一張題為“互聯網的一天”的信息圖顯示：每天有2940億封電子郵件發出，如果這些是紙質信件，在美國需要花費兩年的時間處理。每天有200萬篇博客文章在網上發布，這些文章相當于美國《時代周刊》刊發770年的總量。每天有2.5億張照片上傳至社交網站臉譜網，如果把它們都打印出來，摞在一起有80個埃菲爾鐵塔那么高。每天有86.4萬小時的視頻被上傳至視頻網站Youtube，不間斷播放則需98年。
　　每天有1.87億個小時的音樂會在流媒體音樂網站Pandora上播放，如果一臺計算機從公元元年就開始播放這些音樂會，到現在還沒完沒了地接著放。累積起來，互聯網一天之內產生的信息總量可以裝滿1.68億張數。
　　大數據能為人類帶來大知識，即通過對海量數據進行分析，以一種前所未有的方式獲得深刻的洞察力。例如，2009年甲型H1N1流感爆發時，與習慣性滯后的官方數據相比，谷歌成為一個更有效、更及時的指示標。他們通過分析5000萬條美國人最頻繁檢索的詞條，例如“哪些是治療咳嗽和發熱的藥物”，建立了4.5億個數學模型，并與美國疾控中心在2003~2008年季節性流感傳播時期的數據進行比較，提前兩周預測出流感的爆發時間和傳播路徑。這種工作方式不需要分發口腔試紙和聯系醫院，它是建立在大數據的基礎之上的?；谶@樣的技術理念和數據儲備，下一次流感來襲時，世界將擁有一種更好的預測工具預防流感的傳播。
　　大數據使得組織決策將越來越依賴于數據和分析，而非經驗和直覺。邁克爾·劉易斯于2003年出版的《點球成金》中講述了棒球統計學的一個真實案例。該書的主角比利·比恩是一家棒球隊的總經理，他在一位統計學家的幫助下，盡可能地將球員能力數據化，并以此作為衡量球員能力的唯一標準，而非基于主觀經驗的判斷。通過這套計算機程序和數學模型，比利以有限的預算尋找那些被價值低估的球員，實現了最高的“投入產出比”，創下了美國職業棒球大聯盟百年歷史上的連勝20場的空前紀錄。與那位統計學家相比，那些經驗豐富的專業棒球星探們在挑選球員方面的精準程度相形見絀。
　　人們通過大數據獲得的知識更快速、更準確、更便捷，而這些在傳統的數據利用思維和技術的基礎上是難以完成的。例如，個人收入對于銀行放貸、社會保障等機構而言是一項關鍵數據。然而，收入又是一個比較敏感的話題，要調查個人收入，不僅過程煩瑣、成本較高，而且還存在瞞報的可能。著名征信機構益百利有一項服務，即通過對消費者信用卡消費歷史記錄和美國國稅局的匿名稅收數據進行分析，對個人的收入狀況進行較為精準的預測。該機構通過預測得出的結果，平均每一份（一個人）的售價不到1美元。如果用傳統的方法去獲得一個人的收情況，其付出的成本將超過10美元。
　　正因為如此，大數據帶來的價值也將是巨大，除了其本身的價值之外，在大數據的幫助下，它能給整個社會帶來難以估量的價值。