巨量資料（Big Data）與巨量資料分析（Big Data Analytics）均屬於以資訊科技（IT）軟硬體為基礎之應用工具，這工具要發揮到效用需要將此工具結合到決策模型中，方能展現價值。
而要檢討巨量資料工具如何運用，其根本問題還是在決策模型與情報架構的理解。
圖一為決策模型與情報架構，其關鍵有四。首先，要區別出情報理論中資料（data）、資訊（information）與情報（intelligence）的差異。其中資訊是內部的，並且是經過情報組織（Intelligence Organization）分類與結構化後之資料。資料屬於外部的，其內部與外部區分的界線在於情報部門，不是在公司內部就屬於”內部”。而是不經過情報部門分類與處理的都屬於外部。因此，傳統上的ERP系統之計分卡或是知識管理（KM）系統之資料，都稱不上是資訊，而僅落在資料範疇。
其二，資訊與情報的分野在於任務賦予。任務賦予是情報任務的起點，有了任務的賦予情報工作開始有了生命。任務賦予的關鍵在於需求感與目的性，並且是決策者的目的性。掌握決策者的目的性是困難的，但也是高階情報長（Chief Intelligence Officer, CIO）主要工作。瞭解與分析決策背後的原因，並多問為甚麼（Why），或是從不同面向推敲釐清決策之真正需求，是讓資訊過渡到情報的關鍵。
情報組織平時之工作即進行外部資料內部資訊化的工作，並隨時準備好進入情報作業的作戰狀態。
第三，情報要運用於決策，需要針對不同方案進行情境模擬（Scenario Planning）或稱為兵棋推演（War Game），其中情報部門扮演內部企劃部門之對立方。若應用在競爭手的情境模擬，情報組織要比對手來要瞭解自己。應用在新產品發展上，情報部門負責未來大環境的偵測，負責架設外來環境之平台（戰場），並提供技術研發或新產品部門之機會與威脅情報。例如2020年將近入以M2M為主的5G時代，在該時空環境下，將產生哪些機會與挑戰，是情報組織工作。
第四要進行組織記憶，亦即將每次之「資料→資訊→情報→決策」之過程文件與結果文件進行記錄與管理，並淬取經驗而當成標準作業程序之流程與表單。
巨量資料的關鍵在於非結構化資料與快速流動之資料，亦即具備資料量龐「大」（Volume）、變化飛「快」（Velocity），種類繁「雜」（Variety），以及真偽存「疑」（Veracity）之4V特性。巨量資料非結構化的處理技術需要新技術之導入，因此以非結構化資料處理及流動性資料處理技術，包括Hadoop及江河運算（Streams Computing）成為巨量資料分析技術核心。
巨量資料分析的關鍵在於不存在”需求”，而是透過資料探勘與挖掘找出新規律，此新規律即是俗稱之洞見（insight）。
結合巨量資料工具之決策模型可表示成圖二。從圖二之架構圖可以推敲出未來巨量資料分析發展的關鍵。
首先，如何將巨量資料分析導入與整合進入傳統決策模式是關鍵，並且這些決策問題需要針對不同類型之決策進行處理。
其二，不是有了巨量資料之後，傳統資料與情報模型即可拋棄，而是應該思考如何將情報X與情報Y結合，情報X與情報Y是互補的嗎？還是可如何整合以取得綜效之關鍵（Synergy）。
做後，從決策模式與需求出發，未來將出現出不同類型的典型資料與巨量資料分析模型，並且將發展出新興應用與商機。當然，誰先累積關鍵技術也將有機會成為新一代的贏家。(1170字；圖2)
參考資料：
--------------------------------------------------------------------------------------------------------------------------------------------