一、大数据的什么特征为数据挖掘提出新的挑战？

第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。

第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

二、大数据开发与数据挖掘哪个简单一点？

大数据开发相对简单。

大数据开发相对简单的原因：

技术实现：大数据开发更多关注于如何使用现有的工具和技术来处理数据，相对来说学习曲线较为平缓。

工具使用：通过学习特定的大数据工具和平台，可以较快地看到成果和应用。

问题定义：在大数据开发中，问题通常已经定义好，主要是如何实现技术上的解决方案。

数据挖掘的复杂性：

理论知识：需要较为深厚的统计学和机器学习知识作为支撑。

模型选择：面对不同的数据和业务场景，需要选择合适的模型，这需要经验和直觉。

结果解释：从挖掘出的结果中提炼出有价值的信息，这往往需要深入的领域知识和分析能力。

三、大数据挖掘是什么？

大数据挖掘是一种通过大规模数据分析和处理技术，从大数据中提取有用信息和知识的过程。它包括了数据预处理、数据挖掘、模型建立、模型评估以及结果解释等步骤。

大数据挖掘技术不仅可以发掘数据背后的潜在规律和模式，帮助企业做出决策，更可以在很多领域带来巨大的优势和发展机遇。现在，大数据挖掘已经成为一个非常重要的技术领域，越来越多的企业和机构开始将其用于业务管理、市场研究、运营优化等方面，以获得更高的效率和更大的利益。