Der Begriff Big Data stammt aus dem englischen Sprachraum. Erst als Phänomen oder als Hype wahrgenommen, fassen die Experten mittlerweile unter diesem Begriff zwei Aspekte zusammen. Demnach umschreibt er zum einen die immer rasanter wachsenden Datenmengen; zum anderen aber geht es auch um neue und explizit leistungsstarke IT-Lösungen und Systeme, mit denen Unternehmen die Informationsflut vorteilhaft verarbeiten können - Stichwort Machine Learning. Insbesondere unstrukturierte Daten machen dabei einen nicht unerheblichen Teil der Massendaten aus.

"Big Data" wird somit häufig als Sammelbegriff für digitale Technologien verwendet, die in technischer Hinsicht für eine neue Ära digitaler Kommunikation und Verarbeitung und in sozialer Hinsicht für einen gesellschaftlichen Umbruch verantwortlich gemacht werden. Dabei unterliegt der Begriff als Schlagwort einem kontinuierlichen Wandel; so wird mit ihm ergänzend auch oft der Komplex der Technologien beschrieben, die zum Sammeln und Auswerten dieser Datenmengen verwendet werden.

Die Wirtschaft verspricht sich neue Einblicke in Interessenten und Kunden, ihr Risikopotenzial und ihr Kaufverhalten, und generiert personenbezogene Profile (hinter denen ebenso Phänomene wie Small Data stehen können). Sie versucht die Produktion zu optimieren und zu flexibilisieren (Industrie 4.0) und Innovationen durch Vorausberechnungen besser in die Märkte zu bringen. Die Wissenschaft untersucht den Klimawandel und das Entstehen von Erdbeben und Epidemien sowie (Massen-)Phänomene wie Shitstorms, Bevölkerungswanderungen und Verkehrsstaus. Sie simuliert mithilfe von Superrechnern sowohl Atombombenabwürfe als auch Meteoritenflüge und -einschläge. Behörden und Geheimdienste spüren in enormen Datenmengen solche Abweichungen und Auffälligkeiten auf, die Kriminelle und Terroristen verraten können, und solche Ähnlichkeiten, die Gruppierungen und Eingrenzungen erlauben.

Klassische relationale Datenbanksysteme sowie Statistik- und Visualisierungsprogramme sind oft nicht in der Lage, derart große Datenmengen zu verarbeiten. Für Big Data kommen daher neue Arten von Datenspeicher- und Analyse-Systemen zum Einsatz, die parallel auf bis zu Hunderten oder Tausenden von Prozessoren bzw. Servern arbeiten. Dabei gibt es u. a. folgende Herausforderungen: