传统数据： 传统数据是结构化数据，主要由所有类型的企业维护，从非常小的企业到大的组织。在传统的数据库系统中，一个集中的数据库架构用来存储和维护文件中的固定格式或字段的数据。为了管理和访问数据，使用了结构化查询语言(SQL)。

大数据：可以认为大数据是传统数据的高级版本。大数据处理过于庞大或复杂的数据集，这在传统的数据处理应用软件中是难以管理的。它处理的是大量的结构化、半结构化和非结构化的数据。量、速度和种类、真实性和价值是指大数据的5’V特征。大数据不仅指大量的数据，而且指通过分析大量复杂的数据集来提取有意义的数据。半结构化数据

传统数据和大数据的区别如下 –

传统数据 大数据
传统数据是在企业层面产生的。 大数据是在企业层面之外产生的。
传统数据体积从Gigabytes到Terabytes不等。 大数据的体积从Petabytes到Zettabytes或Exabytes。
传统的数据库系统处理的是结构化的数据。 大数据系统处理结构化、半结构化、数据库和非结构化数据。
传统的数据是每小时或每天或更多产生的。 但大数据的生成频率更高，主要是每秒钟。
传统的数据源是集中的，它以集中的形式进行管理。 大数据源是分布式的，它以分布式的形式进行管理。
数据整合是非常容易的。 数据整合非常困难。
普通系统配置能够处理传统数据。 处理大数据需要高度的系统配置。
数据的大小非常小。 规模大于传统数据规模。
需要传统的数据库工具来执行任何数据库操作。 需要特殊的数据库工具来执行任何基于数据库chema的操作。
普通函数可以操作数据。 特殊类型的函数可以操作数据。
传统数据的数据模型是基于严格的模式，是静态的。 大数据的数据模型是基于平面模式的，是动态的。
传统的数据是稳定的和相互关系的。 大数据是不稳定的和未知的关系。
传统的数据是可管理的数量。 大数据是巨大的，变得无法管理。
管理和操纵数据很容易。 大数据很难管理和操纵数据。
传统数据其数据来源包括ERP交易数据、CRM交易数据、财务数据、组织数据、网络交易数据等。 大数据其数据来源包括社交媒体、设备数据、传感器数据、视频、图像、音频等。