目前的科技情报研究工作模式可以通过集成大数据方法和技术加以改进。大数据的"4V" 特征,即海量的数据规模( volume )、快速的数据流转和动态的数据体系( velocity)、模态繁多的数据类型( variety )和巨大的数据价值( value ) , 对数据管理和分析提出了新的挑战。大数据已经引起了产业界、学术界、政府机构等各创新单元的高度重视,对于其能够产出丰硕的成果给予很高的期望, 普遍认为在数据获取、分享、集成、分析及建立数据预测模型等方面的能力提升能够推动各个学科新的知识发现不断涌现。大数据范式有潜力将不完美的、复杂的以及通常是非结构化的数据转换为切实可行的情报,并且为提升科学研究、商业活动、健康医疗、公共管理以及国家安全等关键领域的战略决策能力创造了经济可行的机遇。
情报研究人员越来越需要将不同来源、不同类型的数据集成到数据分析过程中,而主要限制因素不仅是需要分析的数据规模,更主要的是异构数据的多样性。为解决这些挑战,学术界和产业界提出了多种大数据集成和分析方法与工具。
