对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
上述问题，也是水务企业在智慧水务建设过程中亟需解决困扰。在如此海量的数据中，有一类数据是能够率先达到大数据分析要求，且该数据与民生、经营、生产等均有很大的关联性，这类数据就是用户水量。
智能水表发展
在智慧城市中，除地理信息外，每个用户节点数据则尤为重要，能够反应每个节点用户的动态数据即水、电、气三表的数据，其中水是生活的必需品，因此，水量数据在智慧城市感知层中则格外重要。
早在2000年，国内就有部分水务企业开始尝试智能抄表，随着需求的催生，智能水表行业得到了蓬勃的发展，如抄表方式有线抄表、IC卡预付费、光电直读式、摄像直读等，通信方式有GPRS、ZIGBEE、PDA、NB-iOT、LoRa等，各种技术层出不穷，也都风靡一时。随着技术的发展，近年来，大口径水表电子化也逐渐成为趋势，包括电磁式、超声式等水表逐渐成为市场主流。因此不管是用量还是电子化更新程度，水量数据无疑是最有潜力率先实现大数据分析的领域。
多维数据应用
随着智慧城市的建设加速，以及水务企业的逐渐转型，水量数据已从单一的抄收需求演变为具有多重应用意义的关键数据。
漏损分析
近几年，为了更好的控制漏损，国内大部分水务企业开始推行区块化管理，在部分区域更是实现了网状化管理，即根据各节点水量测算节点间的漏失，实现快速的定位漏损的管理效益，并且，基于各用水节点的水量能够实现多级水量校核，有效控制计量损失误差。
经济景气度
在大部分国家，非居民用水往往是一个城市经济景气度的风向标，在2008年全球金融危机时，当时尤其是沿海地区城市的用水量成为了景气度很好的写照。而目前来看，非居民用户用表电子化在未来将成为趋势
民生分析
2020年初，随着新冠疫情的爆发，我们史无前例的经历了社会危机。随着疫情的好转，大量企业开始复工，而此时，用水数据即是恢复秩序的晴雨表。通过水量动态统计，我们可以计算各城市复工率、统计复工时间、计算工商也恢复程度、保障长期停用用户的水质安全等。另外，对于居民用水而言，水量数据可以帮助我们了解小区居民的回流率、小区管网真实漏失水平、孤寡老人安全等，可见，水量数据非但能够作为水务企业安全生产的重要参考依据，更能直接深入到民生应用领域，作为水务企业对外输出的服务形式加以延展。这也许才是智慧水务乃至智慧城市的发展方向。
智慧计量的未来
当然，上述的应用挖掘还有很多，但应用越贴近民生对感知的数据要求则越高，这对于计量行业而言无疑也是更大的挑战。我们不能简单的将计量的智慧化理解为解决单个计量点的精度及传输问题，而是应该将整个城市的计量节点作为一个体系，在这个体系中，我们需要评价这个传递体系的数据质量、数据密度及数据维度，只有这样我们才能说智慧计量已经到来。
