体量多样性速度价值密度是大数据的四个特征。
1、体积（质量）
到目前为止，人类生产的印刷品总量为200pb，而人类历史上所说的数据总量约为5eb。目前，典型的PC机硬盘容量为TB，而一些大型企业的数据量已接近EB级。
2、速度（高速）
这是传统数据挖掘中大数据领域最显著的特点。根据IDC的“数字世界”报告，到2020年，全球数据使用量预计将达到35.2zb。面对如此庞大的数据量，数据处理的效率是企业的生命。
3、多样性（多样性）
这种典型的多样性还将数据分为结构化数据和非结构化数据。与主要存储在数据库或文本中的结构变化数据相比，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等。这些多类型的数据对数据处理能力提出了更高的要求。
4、价值（值）
值密度与数据总量成反比。如何快速“净化”有价值的数据，成为大数据背景下亟待解决的难题。
大数据的应用领域：
1、文件识别领域
我国图书众多，数据资料庞大，具有很多的价值信息，但是读者却很难从其中找到自己的兴趣点。但资料数据量过于庞大，面对这一难题，基于大数据，采取自动提取算法，为数据检索提供很大的帮助。从大数据的语义模型定义及基于该模型的知识图谱技术，进行大数据的语义检索，以及通过词语之间的含义进行最大化聚类，初步完成了系统的构建，并用于实战。
2、数据挖掘与机器学习
互联网技术发展与迭代，极大地改善了人们的生活方式，“互联网+”概念的不断深化，旅游行业也迎来了新的发展，例如游客可以从旅游网站和手机APP中获取旅游景点的信息，也可以反馈旅游体验评价信息。
3、灾害风险评价
灾害风险性评价是地质灾害研究中的重要一环，其相关研究整合较多影响因素，具有明显的大数据的特点。对于灾害多发区，灾害风险性评价为通过研究区内影响因子叠加进行危险程度划分，因此，在灾害风险性评价中，最重要的两点是影响因子的选择和各影响因子的权重分配。