ข้อมูลที่สร้างโดยเครื่องจักรคือข้อมูลที่สร้างขึ้นโดยอัตโนมัติโดยกระบวนการคอมพิวเตอร์แอปพลิเคชันหรือกลไกอื่น ๆ โดยไม่มีการแทรกแซงอย่างกระตือรือร้นของมนุษย์ แม้ว่าคำนี้จะมีมานานกว่าห้าสิบปีแล้ว^{[ 1 ]}แต่ปัจจุบันยังมีความไม่แน่นอนเกี่ยวกับขอบเขตของคำนี้อยู่ Curt Monash จาก Monash Research นิยามว่า "ข้อมูลที่สร้างขึ้นโดยเครื่องจักรทั้งหมด หรือข้อมูลที่เกี่ยวกับการสังเกตมนุษย์มากกว่าการบันทึกทางเลือกของพวกเขา" ^{[ 2 ]} ในขณะเดียวกัน Daniel Abadi ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่Yaleเสนอนิยามที่แคบกว่าว่า "ข้อมูลที่สร้างโดยเครื่องจักรคือข้อมูลที่สร้างขึ้นอันเป็นผลมาจากการตัดสินใจของตัวแทนการคำนวณอิสระ หรือการวัดเหตุการณ์ที่ไม่ได้เกิดจากการกระทำของมนุษย์" ^{[ 3 ]}ไม่ว่านิยามจะแตกต่างกันอย่างไร ทั้งสองก็ไม่รวมข้อมูลที่ป้อนด้วยตนเองโดยบุคคล^{[ 4 ]}ข้อมูลที่สร้างโดยเครื่องจักรครอบคลุมทุกภาคอุตสาหกรรมบ่อยครั้งและเพิ่มมากขึ้นเรื่อย ๆ มนุษย์ไม่รู้ตัวว่าการกระทำของพวกเขากำลังสร้างข้อมูล^{[ 5 ]}

ข้อมูลที่สร้างโดยเครื่องจักรไม่มีรูปแบบเดียว แต่ประเภท รูปแบบเมตาเดตาและความถี่จะตอบสนองต่อวัตถุประสงค์ทางธุรกิจเฉพาะบางอย่าง เครื่องจักรมักสร้างข้อมูลตามกำหนดเวลาที่แน่นอนหรือเพื่อตอบสนองต่อการเปลี่ยนแปลงสถานะ การกระทำ ธุรกรรม หรือเหตุการณ์อื่น ๆ เนื่องจากเหตุการณ์เป็นข้อมูลในอดีต ข้อมูลจึงไม่น่าจะได้รับการอัปเดตหรือแก้ไข ส่วนหนึ่งเป็นเพราะคุณสมบัตินี้ระบบศาลของสหรัฐอเมริกา จึงพิจารณาว่าข้อมูลที่สร้างโดยเครื่องจักรมีความน่าเชื่อถือสูง^{[ 6 ]}

ข้อมูลที่สร้างโดยเครื่องจักรเป็นหัวใจสำคัญของอินเทอร์เน็ตของสิ่งต่างๆ (IoT) ^{[ 7 ]}

ในปี 2009 Gartnerเผยแพร่ข้อมูลว่าข้อมูลจะเติบโตขึ้น 650% ในอีกห้าปีข้างหน้า^{[ 8 ]} การเติบโตของข้อมูลส่วนใหญ่เป็นผลพลอยได้จากข้อมูลที่สร้างโดยเครื่องจักร^{[ 4 ]} IDC ประมาณการว่าในปี 2020 จะมีสิ่งของที่เชื่อมต่อกันมากกว่าคนถึง 26 เท่า^{[ 9 ]} Wikibon ออกการคาดการณ์ว่าจะมีเงิน 514 พันล้านดอลลาร์ถูกใช้ไปกับอินเทอร์เน็ตอุตสาหกรรมในปี 2020 ^{[ 10 ]}

เนื่องจากข้อมูลที่สร้างโดยเครื่องจักรมีลักษณะคงที่แต่มีปริมาณมาก เจ้าของข้อมูลจึงต้องพึ่งพาเครื่องมือที่มีความสามารถในการปรับขนาดสูงเพื่อประมวลผลและวิเคราะห์ชุดข้อมูล ที่ได้มา ข้อมูลที่สร้างโดยเครื่องจักรเกือบทั้งหมดไม่มีโครงสร้าง แต่จะถูกแปลงเป็นโครงสร้างทั่วไป^{[ 4 ]} โดยทั่วไป โครงสร้างที่ได้มาเหล่านี้จะมีจุดข้อมูล /คอลัมน์จำนวนมาก ด้วยจุดข้อมูลเหล่านี้ ความท้าทายส่วนใหญ่จึงอยู่ที่การวิเคราะห์ข้อมูล เนื่องจากข้อกำหนดด้านประสิทธิภาพสูงควบคู่ไปกับขนาดข้อมูลขนาดใหญ่การจัดทำดัชนีและการแบ่งพาร์ติชันของฐานข้อมูล แบบดั้งเดิม จึงจำกัดขนาดและประวัติของชุดข้อมูลสำหรับการประมวลผล แนวทางทางเลือกมีอยู่ด้วยฐานข้อมูลแบบคอลัมน์เนื่องจากจะมีการเข้าถึงเฉพาะ "คอลัมน์" บางส่วนของชุดข้อมูลในระหว่างการวิเคราะห์เฉพาะเท่านั้น

• บันทึกเว็บเซิร์ฟเวอร์^{[ 11 ]}
• บันทึกรายละเอียดการโทร^{[ 11 ]}
• การซื้อขายเครื่องมือทางการเงิน^{[ 11 ]}
• บันทึกเหตุการณ์เครือข่าย^{[ 11 ]}
• บันทึกข้อมูลที่ส่งมาจากแหล่งข้อมูลด้านความปลอดภัย เครือข่าย และระบบปฏิบัติการ ไปยัง ระบบ การจัดการข้อมูลและเหตุการณ์ด้านความปลอดภัย (SIEM)
• ข้อมูลการวัดระยะทางที่รวบรวมโดยรัฐบาล^{[ 11 ]}