大數據是什麼？從零開始，認識大數據定義、分析與工具 2024年版
電商巨頭亞馬遜透過「大數據」預測顧客行為，大幅減省物流與倉儲成本；阿里巴巴仰賴數據分析，打造品牌數據銀行並在11天內增加300萬位目標消費者；就連中華郵政也設定2019年為「數位元年」，開放郵務資料並舉辦競賽，計畫從大數據中找到提高作業效率、優化顧客體驗的方法。所謂「大數據」是指數量龐大而無法以傳統方式處理的資料，無論何種產業皆能透過分析大數據預測未來趨勢，使大數據成為各行業都在發展的數位技術。
大數據的興起使資料探勘、統計領域成為熱門科目，也使大數據工具開發更加快速、更容易取得與使用。以下會介紹大數據的定義、分析過程與相關工具，以及其背後的隱私爭議。即使你不曾聽過大數據，也能從無到有，了解大數據在數位時代備受關注的原因。
大數據的定義：4V
比起大數據，「數據」人人都熟悉，比如銀行戶頭的轉帳紀錄、網頁的瀏覽紀錄、購物網站中的消費紀錄，種種資料都可被稱為數據，而大數據就是這些資料的增量版。大數據還有以下幾種特性，統稱為4V：
Volume大，資料量
大數據與傳統數據最大的差異在於資料量，資料量遠大於傳統數據，因此以「大數據」一詞來敘述並區分兩者的不同。若以量化表示，大數據特指在一天內可生成1TB以上資料量的數據，等同於128個8G隨身碟。也因為資料量大，無法以傳統的方式儲存處理，因此衍生出大數據這一新興科學。
Variety雜，資料多樣性
與前述的轉帳紀錄、瀏覽紀錄僅紀錄一種數據不同，大數據的資料類型龐雜，比如臉書上的帳戶紀錄，就包含照片、文字、超連結等多種數據形式。由於形式多元複雜，大數據儲存也需要不同於傳統數據的儲存技術。
Velocity快，資料即時性
大數據與傳統數據最大的不同點，就是生成速度飛快。由於網際網路興起與資訊設備普及，以用戶突破20億人的臉書為例，如果每個用戶每天按一個like，就會有20億筆資料。每一個人隨時隨地都可以創造數據，數據生成的速度已非過去可比擬。
Veracity真，資料真實性
在3V成為大數據的主要定義後，隨著儲存資料的成本下降、取得成本也下降，大數據發展出第四個特性：Veracity，意旨除了資料量，也需要確認資料的真實性，過濾掉造假的數據與異常值後，分析出來的結果才能達到準確預測的目的。
大數據分析：數據統計與資料探勘
比起大數據本身的4V特性，使它在數位時代脫穎而出的是準確預測未來的能力。而分析大數據的步驟其實與處理傳統數據相同，只是使用的工具有所差異。
數據統計是什麼？
處理數據的第一步是獲得並儲存，大數據在發展期間碰到的第一個問題就是資料生成過於快速且大量，需要開發新的儲存方式處理源源不絕的資料。
若能成功儲存大量資料，僅只是簡單的描述統計，也有助於了解提供數據者的特徵。職業數據網站Comparably就從數據面分析Google、臉書、微軟、蘋果、亞馬遜五家科技公司的面試難度，發現大多數Google的員工覺得面試過程很困難，反之到微軟面試工程職位時，即使穿著T恤、牛仔褲也可以被接受。從大量數據中即可發現各家公司的差異，應徵者也可以在面試前就做好相對應的心理準備。
資料探勘是什麼？
大數據無法使用過去人工方式統計與分析，即使能達成也需要耗費大量時間。因此在處理大數據時經常使用人工智慧、機器學習等技術，讓機器協助人類在短時間內分析巨量資料，這整理資料並找出其中規律的過程被稱為資料探勘。
資料探勘技術可以追蹤分析看似不相關的數據，應用在偵查、取得線索等領域上，甚至是追查犯罪者、預測犯罪地點。矽谷的大數據公司Palantir就以獨特的資料探勘技術，協助美國軍方找到蓋達組織首領賓拉登，也多次為企業與警方提供金融犯罪的線索。
大數據的分析步驟
大數據分析第一步：取得
數據隨時隨地都在產生，就連你上班時的行走路線，都可以成為商家選擇新店地址的參考資料。若是擁有大量使用者的企業，蒐集使用者的活動紀錄就可達到以數據預測未來的目標；若是較小型的企業，則可主動邀請使用者填寫問卷，逐步累積資訊量。
大數據分析第二步：儲存
由於資料量龐大，突破儲存技術式處理大數據的第一個難關。因此處理大數據時多使用分散式處理系統，透過分割資料與備份儲存，突破記憶體過小的障礙。
大數據分析第三步：運算
為達成預測未來的目的，機器可以透過分類、迴歸分析、排序、關聯分析等方式找出其中規律，並運用決策樹、遺傳演算法、人工神經網路等模型進行計算。
大數據分析第四步：視覺化
經過分析後的數據仍是數字與列表，不易閱讀。因此可搭配視覺化工具，將數據轉化為較容易閱讀與理解的形式。
常見的大數據工具有哪些？
大數據取得工具：Google Form與SurveyCake
除了Amazom、Facebook等擁有大量使用者而能快速累積資料的大企業，一般企業可以用統計軟體取得資料，或請目標客群填寫問卷，持續累積資料量。相關工具包括：Google Form、SurveyCake，可以讓使用者免費製作線上問卷並提供簡單的問卷結果統計與分析。
大數據儲存工具：Apache Hadoop
目前最常見的大數據轉體技術為Hadoop，是由Apache軟體基金會使用Java語言所發展的軟體框架，並開放原始碼供人免費使用。
Hadoop使用HDFS分散式檔案系統（Hadoop Distributed File System），在儲存資料時，會將同一份檔案切割成小份，將每一小份製作多個備份後分別儲存在不同位置。即使部分資料損毀，也可使用其他備份重製出完整的資料。這種儲存技術可以突破巨量資料難以儲存的困境，同時確保資料的完整性，因此能成功累積資料並持續發展。
大數據分析工具：Hadoop MapReduce
Hadoop MapReduce是Hadoop的項目之一，可將儲存在HDFS中的資料調出、統計、處理後再回傳數據。整個Hadoop系統使用HDFS儲存資料，並交由Hadoop MapReduce處理資料，Hadoop MapReduce因此成為最常見的大數據分析軟體之一。
大數據分析工具：Spark
Spark是近年新型的大數據分析軟體，運算速度比Hadoop MapReduce還要快100倍。由於Hadoop MapReduce會在運算的同時儲存資料，資料需在記憶體與處理器之間不斷轉化。而Spark使用記憶體內運算技術，可直接在記憶體內運算，因此省下資料轉換時的能源與時間。
不過Spark只能分析大數據，而不能儲存大數據，使用時仍須搭配HDFS儲存系統，是Hadoop難以被取代的主要原因。
大數據視覺化工具：Tableau
Tableau可將大數據轉換為圖表、地圖等視覺化資料，並可以配合多種資料形式，包括Excel、txt、xml等，即使沒有科技背景的使用者也很容易操作，僅需平移、拖放等操作，適合用來呈現已分析過的資料。
大數據視覺化工具：Wordcloud
Wordcloud，又成為文字雲，可用來表示單一字詞在文件中出現的次數多寡與比例，且呈現方式簡單易懂，是非常常見的大數據視覺化方式，目前網路上也可找到處理少量資料的文字雲製作工具。
大數據的憂患：隱私
儘管大數據由於應用範圍廣泛，已成為各領域的發展趨勢，但數據的公布有時會伴隨使用者隱私的曝光，比如Facebook資料外洩、Google+個資外洩風波等因數據外洩而引發隱私問題的事件層出不窮。數據外洩問題會對蒐集數據的企業產生極大影響，動搖使用者的信心，甚至可能導致使用者不願再次使用產品。
企業在蒐集數據前應告知使用者將提供何種數據給第三方，以及數據可能的使用方式，並應維護使用者的隱私權。但當所有人隨時隨地都在產生數據、當數據對人的生活影響漸增， 隱私與正當使用的界線也值得探討，隱私也將成為未來大數據發展的方向。
大數據快速掌握現在局勢、推斷未來走向
大數據由於基數龐大，從中推斷出的趨勢因此足夠準確。除了電商可用大數據完成預測式購物、社群網站可以推薦使用者感興趣的內容，一般企業也可以大數據監控網路輿情，了解目前消費者的喜好，做出精準行銷決策與準確公關反應。
InfoMiner 即時輿情分析平台使用自行研發的大數據處理技術與文字探勘技術，可以即時掌握社群風向，追蹤特定關鍵字，彙整為短文與圖表，分析輿情，以Email或LINE將目前最新的即時輿論資訊寄送給使用者。掌握最新情報，在危機發生時第一時間反應，作好危機處理降低風險。
延伸閱讀：一次了解大數據應用：商業決策前的必修課