1、第相关性思维 就是对于数据之间相关性的研究，对于消费者行为或者用户行为的研究方面，这些行为在一定程度上，大大小小和其他不同的数据都是有内在的联系的，大数据分析的结果就可以更好的建立起大数据预测的模型，可以用来预测消费者的偏好和行为，相关性的研究和纷纷也可以更好的支持预测思维。
2、对于大数据思维，其实是有三个纬度的，包含定量思维、相关思维、实验思维。第一，定量思维，即提供更多描述性的信息，其原则是一切皆可测。不仅销售数据、价格这些客观标准可以形成大数据，甚至连顾客情绪（如对色彩、空间的感知等）都可以测得，大数据包含了与消费行为有关的方方面面。
3、全样思维：拒绝抽样偏差，追求全面精准 在大数据时代，我们告别了抽样思维的便捷，转而拥抱全样。正如人口普查所示，全样思维意味着摒弃可能因抽样偏差导致的结论不稳定性，如曾以抽样银鱼数量评估整体健康情况的局限。全样分析确保了数据的可靠性和准确性，为决策提供了坚实的基础。
1、大数据背后的技术、商业和社会维度 要想考察大数据最好同时考察大数据背后的技术、商业和社会维度。从发展成熟度来看，技术维度走的最远、商业维度有所发展但不算全面成熟，社会维度发展最差。所以虽然已经谈了很久大数据，但除了孕育出大数据自身的几个领域比如搜索等，其它领域却并没有从大数据中获得可见的收益。
2、大数据分析是指利用计算机技术和算法对大量、复杂、多样的数据进行挖掘和分析，以发现隐藏在数据背后的规律、趋势和价值信息。这些数据可以来自于各种渠道，如传感器、社交媒体、移动设备、公共数据库等等，包括结构化和非结构化的数据。大数据分析对商业和政治决策的影响越来越大。
3、大数据分析是指利用计算机技术对海量数据进行收集、整理、分析、挖掘和使用的过程。这些数据来自各种来源，包括社交媒体、传感器、移动设备、网站等等。大数据分析可以帮助企业和政府机构更好地理解消费者行为、市场趋势、经济发展和社会变化等方面的信息。
4、大数据在各个行业领域，都是有应用的。比如物联网、智慧城市、增强现实（AR）与虚拟现实（VR）、区块链、语音识别等。物联网。物联网是互联网基础上的延伸和扩展的网络，实现在任何时间、任何地点，人、机、物的互联互通。智慧城市。
5、第十个趋势是表明了LBS为基础的O2O模式，为众多企业商业模式的最佳模式。”此外，朱晓明院长还提醒说，在大众创新的时代要谨防四种陷阱：一是过早采用新技术、二是过快放弃新技术、三是过晚地采用新技术、四是拖延太久采用新技术。
速度：数据处理的速度大数据的另一个维度是数据的处理速度，它持续在加快。数据创建的实时性天性以及将流数据结合到业务流程和决策过程中的需求是加速的原因。
维度是度量的环境，用来反映业务的一类属性 ， 这类属性的集合构成一个维度 ， 也可以称为实体对象。 维度属于一个数据域，如地理维度（其中包括国家、地区、 省以及城市等级别的内容）、时间维度（其中包括年、季、月、周、日等级别的内容）。维度是维度建模的基础和灵魂。
第描述思维 也就是要将一些的结构化的数据或者非结构化的数据都变为客观的标准，在大数据思维的过程中，涉及了很多人为的因素，这些也是可以进行数据分析的，举一个例子就是消费者行为的研究，消费者行为可以是定量的，也可以是不定量的，描述思维就要包含消费者行为的各个方面。
大数据的价值维度包括决策智能化、数据本身的价值化、价值映射到其他3V和时空象限中。数据的价值不仅体现在决策智能化方面，还体现在数据本身的价值化方面。例如，马云曾提到，信息的出发点是认为我比别人聪明，而数据的出发点是认为别人比我聪明。
1、精确性：数据的不确定性大数据的精确性维度指的是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挑战，然而，即使是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、经济状况或客户最终的购买决定。
2、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。
3、大数据的特征主要可以归纳为四个维度：数据量大、产生速度快、类型多样以及价值密度低。大数据，顾名思义，其最显著的特征就是数据规模庞大。随着信息技术的迅猛发展，人们能够获取和存储的数据量呈指数级增长。