大数据分类方法有：1.按照结构化程度分类；2.按照数据来源分类；3.按照数据体系分类；4.按照数据类型分类。不同的分类方法，可以帮助分析师从不同维度对大数据进行统计分析，以推断出有助于决策的结论。

1.按照结构化程度分类

按照结构化程度分类，大数据类型有三种，即结构化数据、半结构化数据和非结构化数据，详情如下：

（1）结构化数据：数据集中每条数据属性的数量和顺序相同，且数据的结构信息和数据内容是分离的，最典型的是关系型数据库的表；

（2）半结构化数据：指带有自描述信息的数据，即数据的结构信息和数据内容混在一起，常见的有XML、JSON、HTML和CSV文件等等；

（3）非结构化数据：顾名思义，就是没有固定结构的数据，常见的各种文档、图片、视频/音频等都属于非结构化数据。对于这类数据，一般以二进制的形式进行整体存储。

2.按照数据来源分类

按照数据来源分类，大数据类型包括企业系统数据、机器和传感器数据、社交数据。

（1）企业系统数据:包括CRM systems的消费者数据、传统的ERP数据、库存数据以及账目数据等。

（2）机器和传感器数据：包括呼叫记录(Call Detail Records)、智能仪表、工业设备传感器、设备日志(通常是Digital exhaust)、交易数据等。

（3）社交数据：包括用户行为记录，反馈数据等。如微信、QQ、微博、博客、抖音、Twitter、Facebook等社交媒体平台。

3.按照数据体系分类

在大数据体系中，传统数据分为业务数据和行业数据，传统数据体系中没有考虑过的新数据源包括内容数据、线上行为数据和线下行为数据3大类。

（1）业务数据：消费者数据、客户关系数据、库存数据、账目数据等。

（2）行业数据：车流量数据、能耗数据、PM2.5数据等。

（3）内容数据：应用日志、电子文档、机器数据、语音数据、社交媒体数据等。

（4）线上行为数据：页面数据、交互数据、表单数据、会话数据、反馈数据等。

（5）线下行为数据：车辆位置和轨迹、用户位置和轨迹、动物位置和轨迹等。

4.按照数据类型分类

按照数据形态分类，大数据类型有文本大数据、图片大数据、音频大数据、地理位置信息数据等。

延伸阅读

大数据的四个显著特征

业界通常用4个V(即Volume、Variety、value、Velocity)来概括大数据的特征，具体内容如下：

1.数据体量巨大

大数据体量(volumes)大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量;百度资料表明，其新首页导航每天需要提供的数据超过1.5PB(1PB=1024TB)，这些数据如果打印出来将超过5千亿张A4纸。有资料证实，到目前为止，人类生产的所有印刷材料的数据量仅为200PB。

2.数据类别大和类型多样

数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化的数据范畴，囊括了半结构化和非结构化数据。现在的数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多类型的数据，个性化数据占绝对多数。

3.处理速度快

在数据量非常庞大的情况下，也能够做到数据的实时处理。数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。

4.价值真实性高和密度低

数据真实性(Veracity)高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。以视频为例，一小时的视频，在不间断的监控过程中，可能有用的数据仅仅只有一两秒。

50万+团队都在用的项目协作工具一个工具满足团队所需：任务、项目、文档、IM、目标、 日历、甘特图、工时、审批以及更多，让工作更简单智能化研发管理工具PingCode 是简单易用的新一代研发管理平台，让研发管理自动化、数据化、智能化，帮助企业提升研发效能