大数据应用为什么如此难于定义？

对于大数据有各种定义和理解，近来麻省理工学院围绕着调研对大数据进行了总结归纳，在报告中列举了以下几种定义：

1.Gartner：2001年，Meta(现在Gartner)在一份报告指出，数据规模日益扩大，数据快速增长，数据格式变化，带动就业形式的变化。这份报告早就采用 “数据挖掘”这个术语，并用了3个V进行概括：Volume, Velocity and Variety(数量、速度和类型多样)，有时甚至包括第四个V：veracity(可信性)，用于确认问题的可信任和不确定性。

2.甲骨文：大数据是从传统关系型数据库驱动的业务决策价值推导，增加了新的非结构化数据分析。

3.英特尔：大数据存在于组织每周所产生平均300 TB数据中，数据分析最常用的数据类型是关系数据库所存储的业务交易数据，其次是文件、电子邮件、传感器数据、博客和社交媒体。

4.微软：大数据更多用来描述处理所需要的强大计算能力——最新的机器学习和人工智能——数量巨大且非常复杂的信息。

5. 集成知识环境(MIKE)开源代码项目的一种方法： MIKE提出，大数据不仅是数据集函数而且非常复杂。因此，它是定义为大数据数据集的高度排列和交互。

6.美国国家标准与技术研究所：大数据是 “超容量或超过常规方法和系统容量”的数据，换句话说，所谓“大”的概念是相对于现行标准计算而言的。

对此，你将如何定义大数据?