大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理，大數據將為我們的生活創造前所未有的可量化的維度。
舉個例子：
          2009年出現了一種新的流感病毒。這種甲型H1N1 流感結合了導致禽流 感和豬流感的病毒的特點，在短短幾周之內迅速傳播開來。全球的公共衛生 機構都擔心一場致命的流行病即將來襲。有的評論家甚至警告說，可能會爆 發大規模流感，類似于1918 年在西班牙爆發的、影響了5 億人口并奪走了數 千萬人性命的大規模流感。更糟糕的是，我們還沒有研發出對抗這種新型流 感病毒的疫苗。公共衛生專家能做的只是減慢它傳播的速度。但要做到這一 點，他們必須先知道這種流感出現在哪里。美國，和所有其他國家一樣，都要求醫生在發現新型流感病例時告知疾 病控制與預防中心（CDC）。但由于人們可能患病多日實在受不了了才會去醫院，同時這個信息傳達回疾控中心也需要時間，因此，通告新流感病例時 往往會有一兩周的延遲。而且，疾控中心每周只進行一次數據匯總。然而， 對于一種飛速傳播的疾病，信息滯后兩周的后果將是致命的。這種滯后導致公共衛生機構在疫情爆發的關鍵時期反而無所適從。在甲型H1N1 流感爆發的幾周前，互聯網巨頭谷歌公司的工程師們在《自然》雜志上發表了一篇引人注目的論文。它令公共衛生官員們和計算機科學 家們感到震驚。文中解釋了谷歌為什么能夠預測冬季流感的傳播：不僅是全 美范圍的傳播，而且可以具體到特定的地區和州。谷歌通過觀察人們在網上 的搜索記錄來完成這個預測，而這種方法以前一直是被忽略的。谷歌保存了 多年來所有的搜索記錄，而且每天都會收到來自全球超過30億條的搜索指令， 如此龐大的數據資源足以支撐和幫助它完成這項工作。發現能夠通過人們在網上檢索的詞條辨別出其是否感染了流感后，谷歌公司把5000萬條美國人最頻繁檢索的詞條和美國疾控中心在2003 年至2008年間季節性流感傳播時期的數據進行了比較。其他公司也曾試圖確定這些相 關的詞條，但是他們缺乏像谷歌公司一樣龐大的數據資源、處理能力和統計技術。雖然谷歌公司的員工猜測，特定的檢索詞條是為了在網絡上得到關于流 感的信息，如“哪些是治療咳嗽和發熱的藥物”，但是找出這些詞條并不是重點，他們也不知道哪些詞條更重要，更關鍵的是，他們建立的系統并不依賴 于這樣的語義理解。他們設立的這個系統唯一關注的就是特定檢索詞條的頻 繁使用與流感在時間和空間上的傳播之間的聯系。谷歌公司為了測試這些檢 索詞條，總共處理了4.5億個不同的數字模型。在將得出的預測與2007 年、2008 年美國疾控中心記錄的實際流感病例進行對比后，谷歌公司發現，他們的軟件發現了45條檢索詞條的組合，一旦將它們用于一個數學模型，他們的 預測與官方數據的相關性高達97%。和疾控中心一樣，他們也能判斷出流感 是從哪里傳播出來的，而且他們的判斷非常及時，不會像疾控中心一樣要在流感爆發一兩周之后才可以做到。所以，2009 年甲型H1N1流感爆發的時候，與習慣性滯后的官方數據相比，谷歌成為了一個更有效、更及時的指示標。公共衛生機構的官員獲得了非常有價值的數據信息。驚人的是，谷歌公司的方法甚至不需要分發口腔試 紙和聯系醫生——它是建立在大數據的基礎之上的。這是當今社會所獨有的一種新型能力：以一種前所未有的方式，通過對海量數據進行分析，獲得有巨大價值的產品和服務，或深刻的洞見?；谶@樣的技術理念和數據儲備，下一次流感來襲的時候，世界將會擁有一種更好的預測工具，以預防流感的傳播。