工研院IEK ITIS計畫產業分析師崔聖如
當越來越多廠商或機構，加入提供資料或購買資料的生態鏈，產生的共享價值與綜效將會飛速成長，衍生的新型商業模式將呈現更多樣化的面貌，進一步將形成資料生態體系，除了談4V（Volume大量、Velocity即時性、Variety多樣化和Veracity真實性）之外，還有第5個V─Value價值，更是引導整個大數據計畫成功的關鍵。
巨量資料改變人們探索世界的方式，甚至在幾分鐘內，就可能翻轉對事物的看法。在巨量資料世界，討論與應用更多的是「相關性」，相關性的概念不是因為有A才會有B的發生，而是這些因素有相互影響的關係，甚至原本看似不相干的因子，也可能扮演重要角色。
例如，Twitter分析社群輿論，發現民眾討論米價的訊息產生量，與實際糧食、燃油價格漲跌有正相關性；Meteolytix整合外部天氣數據，協助零售業者預測未來銷售數量；甚或運用跨國匯款交易資訊預測各國GDP等。
許多在傳統統計世界不可能相連的因子，在巨量資料的時代皆可能充分的應用與展開。
以往談Big Data，常提到4V：Volume大量、Velocity即時性、Variety多樣化和Veracity真實性，背後皆有重要的技術議題，例如硬體儲存技術、資料庫系統管理、數據處理與傳輸效率、結構和非結構化數據整合、資料視覺化等，這些議題都需要多方技術廠商提供解決方案。
鼓勵從下而上的創新應用
較少人談到第5個V─Value價值，為什麼要分析資料？希望達到什麼目的？掌握產業資料應用的價值是相當關鍵的思維，甚至是引導整個大數據計畫成功的關鍵。
巨量資料應用目的，可分為兩個面向：
面向1.提升內部營運效率
以目前產生較大規模數據的應用領域，如智慧製造、智慧商務等，企業多以提升業務效率、降低運營成本為目標，大部分採用的資料為內部數據，系統需符合內部應用、有高度客制化的需求，計畫執行通常需有較高層級支持，從上而下推動巨量資料專案。
例如，以先進製造為主的德國，預計5年內將有8成製造業者導入數位化的聯網系統，透過感測裝置、數據應用，企業本身預估將提升18％的營運效率、每年降低2.6％的製造成本，近9成的廠商認為，數據整合與分析為企業導入系統的核心能力。
面向2.開創新興商機
善用大量外部數據，透過資料授權、資料加值等模式，與第三方單位建立互惠的合作關係，開創新的營收來源。
例如，Qlik收購Datamarket，推出數據即服務（Data as a Service）的雲端應用平台，提供簡易串接與分析的數據服務，客戶可購買或訂閱所需的外部數據，包括天氣、經濟指數、貨幣匯率等，整合企業內部數據，擬定未來商業策略，至今已超過200家數據提供商和100,000以上的資料集。
資料生態體系有趣的地方是，當越多廠商或機構加入提供資料或購買資料的生態鏈，產生的共享價值與綜效將會飛速成長，衍生的新型商業模式將呈現更多樣化的面貌。
這2大面向不一定為單一企業的應用方向，可能同時存在於一家公司，透過不同的應用領域和數據形態，發展不同策略的計畫專案。關鍵在於，企業需對資料應用有清楚的目標與認知，透過內部培育和外部資源，展開符合目標需求之專案規劃。
在巨量資料時代，許多商機是企業未曾想見的，應多鼓勵從下而上的創新應用構想，在不斷嘗試中找到資料應用的價值。
資料供應鏈的協同合作
資料分析應用分為幾個階段，從數據蒐集、傳輸、儲存、運算至應用，每階段皆有不同的導入邏輯，整體供應鏈也需有多方廠商支援與合作。數據來源包含行動裝置、各個感測設備、社群媒體、影音圖資等各種結構化與非結構化資訊，經由通訊設備傳輸到系統進行處理。
在儲存端，以往企業慣於把數據存在內部資料庫，需要時再進行批次運算，耗時且費用高。在巨量資料領域，兼具橫向擴充和高度彈性的雲端分散式檔案系統（Distributed File System），將大量數據分割成數個檔案同時進行存取與備份，並在儲存結點上進行資料分析，是重要的技術趨勢。
例如，被各組織廣為採用的開放軟體Apache Hadoop，為能夠儲存並處理大量資料的雲端平台，同時解決資料備份、系統擴張和分析等問題，大量節省企業資料處理的時間和成本。
許多新興資料分析工具，如Spark、Mahout等，具備高度效能與彈性，使企業應用大數據有更佳的掌握度。
資料視覺化（Data Visualization）也是重要的表現形式，如國外廠商Tableau、QlikView等，提供資料視覺化軟體，讓不同背景的人互相溝通，共同達到目的，為資料應用重要的一環。
最後以資料分析成果趨動商業決策，如個人化搜尋與推薦、顧客洞察、製造排程優化等，針對各領域的產業知識加值應用，提升企業經營效能，為數據應用的最後一哩路。
整體資料鏈，需各階段的人才協同合作，不只一味追求技術領先，而是需在過程不斷檢視採用的解決方案是否符合計畫需求。