类似不妥的还有大数据的另外一个特征 Value（价值）。事实上， 数据即价值 的价值观古来有之。例如，在《孙子兵法始计篇》中，早就有这样的论断 多算胜，少算不胜，而况于无算乎？ 此处 算 ，乃算筹也，也就是计数用的筹码，它讲得就是，如何利用数字，来估计各种因素，从而做出决策。
在马陵之战中，孙膑通过编造 齐军入魏地为十万灶，明日为五万灶，又明日为三万灶（史记 孙子吴起列传） 的数据，利用庞涓的数据分析习惯，反其道而用之，对庞涓实施诱杀。
话说还有一个关于林彪将军的段子（真假不可考），在辽沈战役中，林大将军通过分析缴获的短枪与长枪比例、缴获和击毁小车与大车比例，以及俘虏和击毙的军官与士兵的比例 异常 ，因此得出结论，敌人的指挥所就在附近！果不其然，通过追击从胡家窝棚逃走的那部分敌人，活捉国民党主帅新六军军长廖耀湘。
在战场上，数据的价值 就是辅助决策来获胜。还有一点值得注意的是，在上面的案例中，战场上的数据，神机妙算的军师们，都能 掐指一算 这显然属于十足的小数据！但网上却流传有很多诸如 林彪也玩大数据 、 跟着林彪学习大数据 等类似的文章，这就纯属扯淡了。如果凡是有点数据分析思维的案例，都归属于大数据的话，那大数据的案例，古往今来，可真是数不胜数了。
因此，Value（价值）实在不能算是大数据专享的特征， 小数据 也是有价值的。在下文第4节的分析中，我们可以看到，小数据对个人而言， 价值 更是不容小觑。这样一来，如果大、小数据都有价值，何以 价值 成为大数据的特征呢？ 事实上，睿智的IBM，在对大数据的特征概括中，压根就没有 Value 这个V（如图2所示）。
图2 IBM公司给出的大数据3V特征（图片来源：disquscdn.com）
我们知道，所谓 特征 者，乃事物异于它物之特点 。打个比方，如果我们说 有鼻子有眼是男人的特征 ，您可能就会觉得不妥： 难道女人就没有鼻子没有眼睛吗？ 是的， 有鼻子有眼 是男人和女人的 共征 ，而非 特征 。同样的道理，Velocity 和Value这两个V字头词汇，是大、小数据都能有的 共征 ， 实在也不算不上是大数据最贴切的特征。
1.3五彩缤 纷 Variety（多样）
通常认为，大数据的多样性（Variety），是指数据种类多样。其最简单的种类划分，莫过于分为两大类：结构化的数据和非结构化数据，现在 非结构化数据 占到整个数据比例的70%~80%。早期的非结构化数据，在企业数据的语境里，可以包括诸如电子邮件、文档、健康、医疗记录等非结构化文本。随着互联网和物联网（Internet of things，IoT）的快速发展，现在的非结构化数据又扩展到诸如网页、社交媒体、音频、视频、图片、感知数据等，这诠释了数据的形式多样性。
但倘若深究下去，就会发现， 非结构化 未必是个成立的概念。在信息中， 结构化 是永存的。而所谓的 非结构化 ，不过是某些结构尚未被人清晰的描述出来而已。IT咨询公司Alta Plana的高级数据分析师Seth Grimes曾在IT领域著名刊物《信息周刊》（Information Week）撰文指出：不存在所谓的非结构化，现在所说的 非结构化 ，应该是非模型化（unmodeled），结构本在，只是人们处理数据的功力未到，未建模而已（Most unstructured data is merely unmodeled）[5]（如图3所示）。
图3 Seth Grimes：非结构化乎，不！应是非建模
大数据的多样性（Variety），还体现在数据质量的参差不齐上。换句话说，这个语境下的多样性就是混杂性（Messy），即数据里混有杂质（或称噪音）。大数据的混杂性，基本上是不可避免的，既可能是数据产生者在产生数据过程出现了问题，也可能是采集或存储过程存在问题。如果这些数据噪音是偶然的，那么在大数据中，它一定会被更多的正确数据淹没掉，这样就使得大数据具备一定的容错性；如果噪音存在规律性，那么在具备足够多的数据后，就有机会发现这个规律，从而可有规律的 清洗数据 ，把噪音过滤掉。吴甘沙先生认为[15]，多元抑制的数据，能够过滤噪声、去伪存真，即为辩讹。更多有关混杂性的精彩描述，读者还可批判性地参阅舍恩伯格教授的大著《大数据时代》[3]。
事实上，大数据的多样性（Variety），最重要的一面，还是表现在数据的来源多和用途多上。每一种数据来源，都有其一定的片面性和局限性，只有融合、集成多方面的数据，才能反映事物的全貌。事物的本质和规律隐藏在各种原始数据的相互关联之中。对同一个问题，不同的数据能提供互补信息，可对问题有更为深入的理解。因此在大数据分析中，汇集尽量多种来源的数据是关键。中国工程院李国杰院士认为[6]，这非常类似于钱学森老先生提出的 大成智慧学 ， 必集大成，才能得智慧 。
著名历史学家许倬云先生，站在历史的高度，也给出了自己的观点，他说 大数据 之所以能称之为 大数据 ，就在于，其将各种分散的数据，彼此联系，由点而线，由线而面，由面而层次，以瞻见更完整的覆盖面，也更清楚地理解事物的本质和未来取向。
英国数学家及人类学家托马斯 克伦普（Thomas Crump）在其著作《数字人类学》(The Anthropology of Numbers）指出[7]，数据的本质是人，分析数据就是在分析人类族群自身，数据背后一定要还原为人。东南大学知名哲学教授吕乃基先生认为[8]，虽然每个数据来源因其单项而显得模糊，然而由 无限的模糊 所带来的聚焦成像，会比 有限的精确 更准确。 人是社会关系的总和（马克思语） 。大数据利用自己的 多样性 ，比以往任何时候都趋于揭示这样的 总和 。
