大家好，又到了說文解字的時間，不對，這是癮科技的新專欄，所以說文解字這個專欄是第一次跟大家見面喔。在往後的每個星期，我們都會推出1篇文章，向讀者解釋各種電腦、3C領域的關鍵字，希望大家多多支持。
在幾年前，BOT是個相當熱門的辭彙，山也BOT、海也BOT。到了這幾年，大數據成了最火紅的關鍵字之一，無論企業界還是政治人物，都把大數據掛在嘴邊，但是大數據到底是什麼呢？
大數據不只大，全面更重要
大數據一詞直譯自英文的Big Data，也有人將其翻譯為海量資料，字面上的意思就已經把它的涵義說明一半了。大數據既然有個「大」字，就代表它的資料量一定很多，於是這就引發了另一個問題，要有多少資料，才能叫作大數據呢？根據麥塔集團（META Group）2001年的研究報告指出，資料增長的挑戰有資料量（Volume）、處理速度（Velocity）、資料多樣性（Variety）等3個方向。
然而麥塔集團在2005年時被高德納顧問公司收購，高德納於2012年對大數據提出新的定義，指出大數據是大量資料、高速處理，並可能具有多樣性，需要使用新的方式進行處理，以用於增進決策能力、洞察力，並協助將處理程序最佳化。從這個定義中，我們可以看到資料的量並沒有被給予明確的界限，因此我們不防轉向參考麥爾荀伯格與庫基耶所著的大數據一書，從資料的特性進行思考。
▲大數據一書由天下文化出版，相當值得一看。（圖片來源：天下文化）
大數據之所以與傳統資料有所不同，其中很大的原因就是資料採樣方式的差異。在傳統分析資料的過程中，因為收集資料的方式與工具需要相當的成本與時間，而在有限的經費與時間下，我們需要先對母體進行抽樣，然後再收集這些樣本的資料。舉例來說，如果要在選舉之前進行民調，民調公司只對一部份的人進行抽樣，並調查他們的投票意向。這時候分析的結果很可能就會受到抽樣方式影響，若是採用室內電話調查，可能會因為年輕族群在家時間較少，且部分租屋族並未安裝室內電話，而讓樣本的年齡偏高，進而影響分析的準確度。
借助電腦自動處理大量資料
然而大數據的概念之一，就是可以透過不同的方式收集資料，以達到直接對母體進行全面性調察的目的，如此一來就能避免抽樣失真而讓分析結果失去參考價值。
再舉個例子，傳統電視節目的收視率，是透過在特定收視戶家中安裝調整設備，來記錄觀看電視的頻道與時間，或是透過電話訪問，訪查收視戶正在收看的節目。然而這種方式會因為樣本的家庭成員組成、喜歡節目的不同，而影響調察結果，雖然可以透過增加抽樣數量的方式，提高結果的準確度，但是無論再怎麼改善調查結果，都還是無法還原所有收視戶真實的情況。
但是在電視數位化之後，系統業者便能透過機上盒的程式統計收視情況，並自動將資料回傳至伺服器進行統計，如此一來便能確實掌握所有人的真實收視情況，而不會被不準確的抽樣影響，這對資料分析有著相當大的助益。
▲在抽樣統計中，若樣本的數量越大，誤差就會越小，而大數據則是直接將母體做為樣本，因此不會有統計誤差。
比較前後兩者的差別，可以看到新的方式能夠透過自動化的方式，全面性地收集資料，並透過電腦進行高速統計與處理，由於節省了許多成本與時間，因此就不再需要為了現實考量而採用抽樣統計，這就是大數據與傳統資料處理方式的差異，也讓資料更具參考價值，能提供決策者更強而有力的判斷依據。
總結來說，大數據的精神除了資料本身量很龐大之外，以至於分析的對向從樣本題升至母體之外，另一個重點就是透過非傳統的方式，挖掘出資料中尚未被發現的價值。至於該如何收集、挖掘並運用資料，這就是另一門學問了，這個主題就留到下週再一起討論吧。
說文解字使用範例：大數據
O：企業經營者可以透過大數據預估消費趨勢。
X：辦公室已經沒有空間擺放大數據的卷宗了。
