根據維基百科的定義，海量資料（Big Data）【稱為巨量資料或大數據】指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊 [1, 2] 。根據 IBM 的說明 [3] ，海量資料有四個特性，亦稱為海量資料 4V ，亦即資料量龐「大」（Volume）、變化飛「快」（Velocity），種類繁「雜」（Variety），以及真偽存「疑」（Veracity）。換言之，海量資料其實就是資料（Data），只是處於現在資訊網路時代，這些資料特性變的又多、又快、又雜，又真偽難分。
海量資料分析的重要性與運用這些海量資料所帶來的效益息息相關。根據 IBM 的介紹 [3] ，效益至少包括能夠更有智慧的管理、能夠更有智慧的工作、能夠提升生活品質，及能夠迎合消費者喜好。換言之，海量資料的運用創造個人與公司的價值，同時改善人類的生活。
舉例來說，若將海量資料分析用於半導體製造業，根據 IBM 的經驗，透過分析晶圓製程過程所收集到的製程資料，可以大幅提昇最終產品的良率 [3] 。
還有，海量資料也大幅應用在智慧城市各面向的分析與優化。根據 IBM 的經驗，若能將海量資料應用於都市之交通資訊管理，並且在現有交通資訊管理中導入智慧型分析功能，則通勤族不僅可以即時掌握各種通勤載具，包括鐵路、捷運與公車等，更能讓通勤者規劃最短路徑，抒解都市交通堵塞，也節省通勤者個人時間，提升工作效率 [3] 。
從上述簡單案例說明可以看出，海量資料以及其分析不僅可以應用到商業運作上的各領域，也可以用在製造業的管理及都市的管理，對於資訊網路時代的企業競爭來說，其重要性不言而喻。
從情報理論（Theory of Intelligence）來看，資料的運用到實際決策（Decision Making）尚有一段距離，其中決策即是實際將資料用於行為前的判斷，如圖一所示。一般而言，資料到決策的運用中間尚包括兩步驟，分別為資訊（Data）與情報（Information）。資料屬於外部，亦是未處理之原始資料；資訊即是結構化處理後的資料，通常為內部文件。
資訊到情報階段一重要特徵為任務賦予，亦即從決策端而來的任務展開，根據任務展開而將結構化資料（資訊）綜整成能夠用以決策判斷的情報。換言之，情報與資訊的最大不同在於目的性，亦即情報是有目的的，而資訊則沒有。
從情報理論來檢視海量資料，即需要進一步思考在海量資料分析過程中（所謂的分析即是分解與剖析），何者是 ” 資訊 ” ，何者是 ” 情報 ” ，並且如何將決策透過 ” 海量資料決策需求 ” 分解成可據以收集及分析的資料與資訊。
根據 IBM 的經驗，要分析海量資料需要有一引擎與分析平台（Big Analytics）。這個分析平台包括幾個要件，分別為核心引擎、加速器、使用者介面、資訊整合與治理與分析應用 [3] 。此外，除了 IBM 外，現在亦有多家商用軟體公司提供相關軟體與服務。從情報理論來看，現有分析平台直接從資料到決策端，尚有許多待進一步克服的課題，特別是如何建立有效的局部結構化資訊，及從不同個案中累積決策需求展開與情報索引架構，有待進一步經驗累積與實證。
資料分析的目的，即是提供精準情報決策，海量資料分析亦然，如何在情報理論架構下，重新建構或提升海量資料分析能力，為後續海量資料之研究重點。 (1200 字；圖 1)
圖一 情報理論架構
Source ：科技政策研究與資訊中心—科技產業資訊室整理， 2013/01/03
參考資料：
1.http://zh.wikipedia.org/wiki/ 大數據
2.http://en.wikipedia.org/wiki/Big_data
3.http://www-07.ibm.com/tw/blueview/2012oct/8.html
--------------------------------------------------------------------------------------------------------------------------------------------