1、多样性
以PoS数据为例，尽管数量庞大但它依然不是大数据，但是如果把从供应商处取得的数据与其整合后所构成的带规律性的供应链，则它们就成了大数据。
2、关联性
以天气预报为例，气象数据虽然仅仅是从一些基础的系统取得(气温、气压、风速等)，但数据关系却极为复杂，即使是最顶尖的气象学家也不一定总能做出准确的气象预测。这个时候，他们就会使用高度专业化的数据分析方法以作出更准确的预测。当然，从这个意义上讲，地震的预报显然是超过目前人类的认知的，而随着未来智能社会生态与人工智能的进步，这个问题估计会得到不断改善。
3、因果性
很多人把因果性习惯地理解成经验论，其实是失之偏颇的，因为经验论只是一种很狭隘的认知论。换句话说，经验论多数是线性思维，但是因果论却包含了线性与发散两种思维。比方说，当你想知道口红十月份的市场情况的时候，你所要的数据就不仅仅是你自己的采购记录了，你还需要整合社交媒体和其他外部市场数据，才能得到最佳答案。
