要了解数据反馈回路的特点，首先要理解数据生命周期，大数据时代我们对数据全生命周期的开发与应用，可以从三个方面来体现：

　　1、数据采集存取：通过离线和实时数据采集工具，统一汇聚数据资源到大数据平台，实现全域数据源的数据同步与集成，形成数据资产化；

　　2、数据整合加工：借助数据中台计算引擎与开发工具，统一构建数据主题域和数据分层模型，通过数据开发实现数据资源的互通与共享；

　　3、数据分析应用：以数据分析需求为导向，不同角色用户都可以利用数据资产进行数据分析，快速实现各种数据应用的开发与效果展现。基于以上全生命周期的数据全链路应用，即可称之为“大数据反馈回路”，而这也是成功的大数据应用程序的核心所在。大数据反馈回路的特点可以总结为：全域、实时、智能。通过海量历史数据的计算与分析，可以预知未来可能发生的某些故障或风险，比如对不同消费者群体多年消费行为的分析，可以判断得出某些类别或特定商品的销量走势等。大数据时代的算力可以满足各种类型数据的处理计算，从全域数据源的输入到数据分析结果的输出，形成大数据反馈回路的完整闭环。从历史的角度看，传统模式运行这种反馈回路速度慢、时间长。比方说，我们收集销售数据，然后试图总结出能促进消费者购买的定价机制或产品特征。我们调整价格、改变产品特征并再次进行试验。大数据的好处在于，我们如今能够以更快的速度运行这种反馈回路。比方说，广告界的大数据应用程序需要通过提供多种多样的广告才能够得知哪个广告最奏效，这甚至能在细分基础上得以实现--他们能判断出哪个广告对哪种人群最奏效。人们没法做这种A或B的测算--展示不同的广告来知道哪个更好，或哪个见效更快。但是计算机能大量地进行这种测算，不仅在不同的广告中间进行选择，实际上还能自行修订广告--不同的字体、颜色、尺寸或图片，以确定哪些最有效。这种实时反馈回路是大数据最具力量的一面，即大量收集数据并迅速就许多不同方法进行测算和行动的能力。不管结果如何，所有的数据过程行为都会给出反馈，然后根据这些数据，改变未来的行为方式。单纯动手收集和分析数据并不够，还必须借助人工智能的算法能力，从数据中得出一系列结论的能力以及对这些结论的反馈，以确认这些结论的正误。模型融入的数据越相关，越能得到更多关于的数据分析的反馈，因而数据分析的结论也就越有价值。