大數據是指利用現有工具難以在可接受的時間內完成分析與運算，但整體呈現高價值的大量複雜資料集合。資料正在成為繼土地、資本之後，最核心的生產要素，大數據代表了一種現象，即資料的指數成長超過了人們管理與應用的能力。大數據分析是基於人工智慧（AI）技術，特別是機器學習與深度學習，對大量資料進行的分析。資料是AI的根本，沒有大量資料支援的AI如同「人工智障」。

大數據的特徵

大數據呈現出四個顯著特徵：

• 資料量 (Volume)：全球資料量呈倍增趨勢，每個應用所運算的資料量也大幅增加。
• 資料速率 (Velocity)：資料產生與傳輸速度更快，呈現鮮明的流式特徵，資料的價值有效期也急速縮短。
• 資料複雜性 (Variety)：資料種類繁多，結構化、半結構化和非結構化資料並存，且後兩者的比例不斷增加。
• 資料價值 (Value)：雖然資料規模越大，潛在價值也越大，但其價值密度極低，需要透過運算與應用來提煉。

大數據的誤區

大數據並非簡單地擁有大量資料、建立報表平台或運算平台，這些只是大數據應用的部分技術或工具。

• 大數據 ≠ 擁有資料：擁有大量資料本身不構成大數據，必須透過關聯、交換和使用才能產生價值。
• 大數據 ≠ 報表平台：報表只是大數據的呈現方式，真正的大數據業務是建立自動化、智慧化的閉環系統，透過資料指導決策。
• 大數據 ≠ 運算平台：運算平台是技術基礎，但沒有資料和分析加工的流程，無法形成大數據業務。

大數據的常用功能

大數據主要有以下六種常見功能：

• 追蹤：記錄網路與物聯網的歷史軌跡，是許多大數據應用的起點。
• 辨識：在追蹤基礎上，透過定位、比對等實現精準辨識，例如對語言、圖像、影片的分析。
• 畫像：透過追蹤、辨識與匹配，對個人或企業形成更立體、全面的認識，用於精準行銷和風險判斷。
• 預測：在歷史軌跡與畫像基礎上，預測未來趨勢與重複發生的可能性，並給予提示與預警。
• 匹配：在大量資訊中進行篩選與比對，有效率地實現產品搭售和供需匹配，例如共享經濟模式。
• 最佳化：按照特定原則（如最短路徑、最低成本）配置資源，提高服務水準與效率。

大數據面臨的挑戰

雖然大數據的潛力巨大，但其實際應用仍面臨一些重要挑戰，特別是在資料交易方面：

• 資料隱私：如何保護使用者隱私資訊，避免資料濫用，是資料交易與應用中最大的挑戰。
• 資料所有權：資料作為一種生產資料，其所有權歸屬、交易後的二次售賣問題以及加工後的所有權歸屬尚未有明確定義。
• 資料合法性：在進行精準行銷時，是否需要事先徵得客戶同意，以及如何規範資料的使用，需要相關法律法規與監管機構來解決。
• 資料標準：缺乏跨組織、跨企業的統一資料標準，導致資料關聯困難，限制了大數據價值的發揮。例如，無法將不同系統（如醫院與公眾系統）的使用者資料有效關聯。

總體而言，大數據的發展需要解決從資料採集、運算、加工到應用的整個產業鏈問題，特別是資料標準化、資料隱私保護和監管等，才能真正發揮其巨大的商業與社會價值。