在實際生產環境中，要想有效利用大數據，首先要對大數據技術的各項技術指標有壹個整體的認知能力，這就涉及到如何定義準確性、精細度、完備性、穩定性和速度。這些指標對於實現大數據的數據價值也有直接意義。
所謂“準”，涉及到大數據中的很多元素，包括數據關聯描述、數據緯度、語義分析、算法設計等等。簡單來說，數據量越大，數據的緯度越高，問題描述越清晰，準確率就會越高。當然，大數據是否“準確”也與算法設計有直接關系。
“細”和“全”分別代表大數據的深度和廣度。“細”主要體現在數據挖掘的深度能否滿足應用的需求，能否通過數據挖掘發現新的價值。深度學習在“精細”方面不斷前進，“精細”對計算能力的要求更高。要做到“全”，首先要把重點放在數據采集上，數據的采集也直接關系到物聯網的建設。
“穩”和“快”是衡量大數據可用性的重要指標。“穩”不僅代表穩定的系統運行能力，也代表結果的壹致表現，“快”的定義直接影響整個系統的運行效率。要穩首先要用不同的方式處理不同類型的數據，而要快就涉及到計算方法。比如在大數據平臺的采用上，Spark很多時候明顯比Hadoop快。
最後，大數據系統能否做到準確、詳細、完整、穩定、快速，跟很多因素有關。除了用數據集進行驗證，另壹種判斷方式是實施落地應用實踐，這也可以持續改進大數據平臺的設計。