빅 데이터(Big Data)는 통상적으로 사용되는 데이터 수집, 관리 및 처리 소프트웨어의 수용
한계를 넘어서는 크기의 데이터를 말하며 이러한 데이터로부터 가치를 추출하고 결과를
분석하는 기술을 의미한다

메타그룹의 애널리스트 더그 레이니(Doug Laney)는 2001년 그의 연구 보고서와
관련 강의에서 빅 데이터(Big Data)란, 데이터의 급성장에 따른 이슈와 기회를 데이터의 양(volume),
데이터 입출력의 속도(velocity), 데이터 종류의 다양성(variety)이라는 세 개의 차원으로 정의하였다.
이 “3V” 모델은 이후 가장 널리 사용되는 빅 데이터의 정의가 되었다.

2012년 가트너는 기존의 정의를 다음과 같이 재정의 하였다.
"빅 데이터는 큰 용량, 빠른 속도, 그리고(또는) 높은 다양성을 갖는 정보 자산으로서
이를 통해 의사 결정 및 통찰 발견, 프로세스 최적화를 향상시키기 위해서는 새로운 형태의
처리 방식이 필요하다."

다양한 종류의 대규모 데이터에 대한 생성, 수집, 분석, 표현을 그 특징으로 하는
빅 데이터 기술의 발전은 다변화된 현대 사회를 더욱 정확하게 예측하여 효율적으로 작동하게
하고 개인화된 현대 사회 구성원 마다 맞춤형 정보를 제공, 관리, 분석 가능하게 하며
과거에는 불가능했던 기술을 실현시키기도 한다.

통계적 분석이 필요한 빅 데이터의 다른 면을 살펴보자.
통계적으로 모든 변수가 유의하도록 만들어 버릴 만큼 충분하게 데이터가 크다면?

더 많은 데이터가 항상 좋다는 믿음을 준다 그렇지만 더 많은 데이터가 항상 좋은 것은 아니다.
데이터 분석 전문가인 버너드 마르(Bernard Marr)가 최근에 이런 말을 칼럼에 남겼다.
"데이터 자체는 아무런 의미가 없다. 데이터의 가치는 데이터 그 자체가 아니라 당신이
데이터로 무엇을 하는가 이다."

"Big Data"의 출현으로 의사 결정권자가 'Fact'로서 그들의 결정을 뒷받침해 줄 수 있게 되었다.
그런데 여기서 문제는 모든 'Fact'는 진실을 숨겨버릴 수도 있다는 점이다.
마르(Marr)가 말한대로 엄청난 양의 데이터는 정말 중요하지 않은 것들에 대한 해석을
엄청나게 만들어 낼 수도 있기 때문이다.

데이터가 충분히 크게 되면, 거의 모든 변수가 통계적으로 유의하게 분석 될 수 있다. 
만일 통계적인 유의차와 실제 상황에서의 중요성에 대해 조금 관심을 기울인다면 큰 문제는 아니다.

하지만 충분히 주의하지 않거나 혹은 특정한 결과가 나오기를 간절히 바라고 있다면 통계적 유의차와
실제 상황의 중요성에 대해 너무나 쉽게 판단이 융합되어 버릴 수도 있다.

"Big Data" = Big Confusion
이런 의미에서 한편으로는 빅 데이터는 큰 혼란일 수도 있다.