大數據技術的出現帶給人們的思維方式、行為方式、媒體傳播方式及社會治理方式等都諸多方面帶來了革命性的變革。《大數據時代》一書的核心觀點是說：“在大數據時代，我們正經歷著一場生活、工作與思維的大變革。

我們沒必要非得知道現象背后的原因，而是要讓數據自己發聲。”在大數據時代，相關關系能夠幫助我們更好地了解這個世界，建立在相關關系分析法上面的預測是大數據的核心，通過找到“關聯物”并監控它，我們就能夠預測未來。

作者還提出了“大數據三原則”：要全體不要抽樣，要效率不要精確，要相關不要因果。雖說該書作者提出的“要相關不要因果”的觀點還值得商榷，但“相關性”觀點還是從某個層面上說出了大數據時代的核心特征。大數據是往往是商業自動化產生的數據，又具有實時在線的特征。

與大數據概念相對應的，在這之前的數據似乎就是所謂小數據，如果有所謂的小數據概念的話，應該特指采用調查方法獲得的抽樣數據，或者是結構化的海量數據。對于小數據的分析通常采用的是傳統的統計分析方法，是一種自上而下的實證研究方法論。小數據往往依托數理統計的大數定律，描述了抽樣理論下樣本最終服從中心極限定理的正態分布理論，強調描述性統計學和推斷統計學。

大數據重預測，小數據重解釋

大數據的開放性、公開性和易獲得性，社交網絡每天產生的大數據可以在一定規則開放性下，通過應用程序接口(API)和爬蟲技術采集，一些商業機構和政府組織也向社會研究機構提供各種海量數據源，特別是政府開始提供權威開放數據源。大數據往往帶有時間標簽，更具預測性。國內外眾多機構開始采集海量Twitter和微博上的傳播信息和個人屬性特征和標簽，期望預測社會輿情和社會情感、預測電影票房、預測商業機會，進而期望預測人們的態度和行為。開放、公開易獲得數據源是大數據時代的基本特征和產生社會影響本質。

大數據重發現，而小數據重實證

傳統的小數據重實證研究，強調在理論的前提下建立假設，收集數據，證偽理論的適用性，采用隨機抽樣的定量調查問卷獲取數據，驗證假設。這是一種自上而下的決策和思維過程。而大數據重發現知識，預知未來，為探索未知的社會現象和發展規律帶來機遇。這種預見性是一種自下而上的知識發現過程，是在沒有理論假設的前提下去預知社會和洞察社會現象、趨勢和規律。

大數據重相關，小數據重因果

大數據重關系，而不關心因果，關注是什么而不關心為什么，盡管大數據依然可以回答因果問題，但因果關系并非來自統計或數據，而是來自研究者的理論和假設。大數據分析更關注數據的相關性測量和商業應用價值。大數據挖掘往往是發現那些不能靠直覺發現的信息和知識，甚至是違背直覺的，有時候越是出乎意料可能越有社會和商業價值。媒體人應該有責任和有能力從數據中發現事物內在規律，發現內在，預警社會。

大數據重全體，小數據重抽樣

大數據是商業自動化存儲的數據，在軟硬件滿足的條件下可以分析海量數據。隨著存儲和軟硬件的經濟性和分析工具的高性能，海量數據的處理能力得到提升，數據挖掘算法不斷改進和豐富，特別是統計分析和機器學習的神經網絡建模技術發展，抽樣并非是必要的手段和方法論。盡管大數據不一定是總體，理論上講再大的局部也沒有隨機抽樣更具代表性，但機器學習算法所帶來的個性化推薦技術、非線性建模、網絡分析、空間地理分析、實時在線的數據可視化分析手段都應成為我們認識世界、感知社會的重要手段和目的。

大數據重感知，小數據重精確

大數據具有變生產邊應用，邊應用邊生產，實時在線分析的特點，往往更關注數據從總體上感知社會，通過大數據的在線可視化技術呈現大規模數據的流動模式，大數據時代背景下的社會治理、輿情研究、智慧城市、智能交通、傳染病傳播、謠言傳播提供了數據基礎。大數據同時關注對個體的數據挖掘，個性化推薦，精準營銷，傳播路徑分析等應用領域都具有大數據特點。小數據往往采用顯著性檢驗，統計顯著性受到樣本代表性和樣本量的影響，對數據來源的真實性、無偏性和代表性格外重視。

大數據挖掘技術可以說是統計分析技術的進化，但狹義角度講大數據的挖掘已經不是小數據時代的統計分析了，更多的是指機器學習算法和云計算技術，當然也包括傳統的多變量高級統計技術。與此同時，數據科學(Data Science)興起，人們調侃說數據科學家成為最搶手、最熱門、最性感的職業。

盡管所謂的小數據具有大數據不可替代的商業應用和學術研究價值，但是大數據帶來的社會變革是小數據無法比擬的，社會已經將大數據認為是國家發展戰略，是社會第四生產要素，是驅動社會變革和創新的新動力。

大數據一切從開源開始，”軟件定義一起，數據驅動未來，算法統治世界”是IT領域相關人士對大數據時代的***詮釋。特別是大數據與新聞融合產生了數據新聞，成為未來新聞事業的發展方向，這種報道形式不僅豐富了新聞的表現形式，而且改變了新聞生產流程，對于新聞從業人員的思維也是一次巨大的顛覆。