一次搞懂大數據（上）|數位時代 BusinessNext

一次搞懂大數據（上）

當大數據充斥各種場合，從馬雲到釋昭慧都侃侃而談，你還能不懂什麼是大數據嗎？你也許已經聽過無數的大數據神話，但對於大數據仍停留在一知半解階段，《數位時代》專訪各大大數據專家，整理出你最應該知道的大數據十問。

Q：大數據是什麼？

A：大數據（Big Data）又被稱為巨量資料，其概念其實就是過去10年廣泛用於企業內部的資料分析、商業智慧（Business Intelligence）和統計應用之大成。但大數據現在不只是資料處理工具，更是一種企業思維和商業模式，因為資料量急速成長、儲存設備成本下降、軟體技術進化和雲端環境成熟等種種客觀條件就位，方才讓資料分析從過去的洞悉歷史進化到預測未來，甚至是破舊立新，開創從所未見的商業模式。

一般而言，大數據的定義是Volume（容量）、Velocity（速度）和Variety（多樣性），但也有人另外加上Veracity（真實性）和Value（價值）兩個V。但其實不論是幾V，大數據的資料特質和傳統資料最大的不同是，資料來源多元、種類繁多，大多是非結構化資料，而且更新速度非常快，導致資料量大增。而要用大數據創造價值，不得不注意數據的真實性。

Volume、Velocity、Variety + Veracity = Value

大數據和商業分析之異同

Q：為什麼需要大數據？

A：因為當從人到機器都已經被數據解構，數據不僅僅是歐巴馬口中的石油或是黃金，它更是血液，貫穿每個人一生中每個生命階段。這並非危言聳聽，更不是科幻電影，而是正在逐步成真的現實。

例如有一款叫做Ovia Fertility的App，藉由分析30萬名會員的數據，開發演算法，精準計算排卵期，提高懷孕的機率，這個App已幫助5萬名會員成功懷孕。又比如Workday推出一套軟體，預測員工的薪水漲幅和可能跳槽時間，幫助企業決定每名員工的加薪幅度、時間點和轉職時機。理財也逃不過大數據的掌控，騰訊就於年初推出第一家用大數據決定借貸與否的銀行，微眾銀行結合辨識人臉和公安部門資料，決定借貸者的信用等級。

從懷孕生子、工作到理財，大數據將全面影響每個人與每家企業。對企業而言，大數據可望提升服務品質、增加管理效率、幫助決策和創造商業模式；對一般民眾而言，大數據是另一個自我，它可能比本人更了解本人，為你預先解決每個未知，當一切都開始數據化，你能夠不需要數據嗎？

Q：大數據一定要很大嗎？

A：雖然大數據的狹義定義是，資料量要在100TB到PB之間，但其實絕大多數的企業，都不符合這個標準，大企業如eBay、亞馬遜或AT&T或許符合大數據的標準。但其實資料量只是大數據的其中一個面向，大數據揭示的是一種「資料經濟」的精神，而非只是「大」。

「大，是大數據中最無趣的部分。」天睿資訊（Teradata）首席技術長寶立明（Stephen Brobst）認為，企業真正要尋找的是非傳統的、而且未曾被挖掘過的資料，並且從這些資料中去提煉出價值，這才是對大數據應有的正確認知，而非只是執著於資料大小，只要能從看似毫無意義的數據礦坑中挖掘出金礦，有誰會在意那座礦坑原本是大得像座山還是小得像狗屋呢？和沛科技創辦人翟本喬就指出，大數據這個名字容易讓人誤導，因為真正重要的其實是大智慧。大數據不只是說資料量有多大，速度快和資料量大都可以用技術輕易解決，但種類（Variety）比較需要智慧。

Q：沒有大數據就不能用大數據嗎？

A：非也，建置大數據架構與環境的確所費不貲，一般中小企業通常無法輕易投入鉅額成本，但大數據時代的精神在於如何妥善利用既有或非傳統資料，從中挖掘出新商機，因此即使是中小企業甚或者是新創企業，都能在大數據時代用「大數據」。

就技術面來說，現在有許多業者開始提供建置成本較低的大數據處理工具和雲端系統，有些甚至跟App一樣，只要根據自身需求挑選需要購買的功能即可，例如科智提供的工業化數據管理工具即為一例。另一方面，很多時候中小企業其實不需要建設大數據系統。中研院資訊科學研究所研究員陳昇瑋即指出，在絕大多數情況下，大數據專案其實不需要建置Hadoop系統，特別是台灣的社群媒體沒那麼發達，而是直接採用國外的居多，資料都不在自己手上，與其盲目追求技術和工具，不如先用小量資料去驗證一個概念，是否能將資料轉換成商業機會，再來決定要不要建置大數據的作業環境。

大數據領域權威麥爾苟伯格（Viktor Mayer-Schönberger）在《大數據》一書中便提及，大公司有巨量資料的規模優勢，但小公司有成本及創新上的優勢，小公司因為速度夠快、靈活度高，就算維持小規模，還是能夠蓬勃發展。

Q：我要怎麼開始進行大數據專案？

A：設置專門統籌大數據專案的部門和職銜是第一步，而且層級越高越好，企業領導人必須足夠正視大數據的力量，才能帶動整個組織重視數據的文化。Etu負責人蔣居裕便指出，大數據其實是管理問題，而非技術問題，缺少跨部門協作，大數據專案很難有個美好的開始。

第二步，切勿陷入大數據迷思，與其急著想用數據變現，不如先回頭看看自己企業內部的問題為何，先定義問題，再試圖用數據找解方。阿里巴巴集團副總裁車品覺建議，與其整天想著大數據，不如先整頓自己企業內部的數據，很多時候光是企業內部的數據就問題叢生，不同部門之間的數據無法相容，「整個數據在一個中小企業裡面也是四分五裂，在這個地方沒做好的情況下，居然說你想用大數據，其實是有點難以理解。」

相關連結：一次搞懂大數據（下）

數位時代251期封面
（尊重智慧財產權，如需轉載請註明資料來源：《數位時代》第251期）
其他精彩內容》》
訂閱數位時代》》

@@ACTIVITYID:602@@
@@ACTIVITYID:513@@

為何台灣製造業在「智慧製造」卡關？AWS白皮書點出問題，提供實踐最佳解

AWS 最新《全球地緣新局時代下的製造戰略：台灣產業韌性與轉型關鍵策略》白皮書，剖析製造業在全球地緣政治與市場變化下的挑戰與機會。

擔心無法回本、缺乏知識技術，台灣升級「智慧製造」卡關中

台灣製造業在全球供應鏈中扮演重要角色，但同時面臨地緣政治風險、技術門檻高、人才缺口大等多重挑戰。其中在供應鏈韌性方面，壓力更為顯著。根據英國營運持續協會統計，全球近 8 成企業在過去 12 個月曾遭遇供應鏈中斷事件，凸顯全球供應鏈的脆弱，台灣製造業也難以倖免，特別在國際局勢不確定性與在地原料依賴度高的情況下，會進一步放大成本與交期風險。

生成式 AI 應用快速擴展，預計 2025 年台灣企業導入將進入早期大眾階段，並以半導體產業為先導，逐步擴散至其他領域。DIGITIMES 調查顯示，已有 18.1% 的企業採用生成式 AI，並積極用於改善營運效率與產品良率，然而仍有 31.5% 的企業尚未規劃導入，主因包括成本考量、缺乏知識與技術、產業需求不明確，使企業在大規模部署時保持謹慎態度；資誠聯合會計師事務所發布的《2023 臺灣企業轉型現況及需求調查》也顯示，37% 的企業擔心智慧製造投資報酬率過低，30% 缺乏導入知識與技術，27% 不清楚如何實踐，導致智慧製造推動困難。在電子製造業迫切需要專業人才之際，許多產業面臨預算與數據分析能力不足的窘境。

此外，勞動力老化也是台灣製造業的問題。以國發會數據估算，2030 年台灣 50 歲以上就業人口將達 23.8%，導致技術傳承與產線穩定性受衝擊；同時 2050 年淨零碳排目標，迫使製造業必須進行碳盤查與能源優化；加上雖然 9 成企業已啟動數位化，但多數仍停留在營運系統，生產端 IoT 與 AI 應用不足，數據價值未被充分釋放。上述都恐將成台灣製造業升級的阻礙。

全球製造業大變局，智慧製造成關鍵突破口

根據媒體《DIGITIMES》研究，全球智慧製造市場規模將從 2024 年的 3,212 億美元，快速成長至 2033 年的 1 兆 1,583 億美元，年複合成長率高達 13.7%。在社會和全球趨勢的推動下，不只對台灣的製造業帶來新的壓力和挑戰，同時也催生了產業升級需求。

所幸，隨著智慧製造的 4 大技術日益成熟，替台灣製造業帶來更多可能。目前，IoT 透過連接感測器與生產設備，已實現即時監控與資料收集，並支援預測性維護與生產最佳化。世界製造業基金會報告顯示，IoT 已成企業智慧製造的首要投資項目；此外，智慧製造上，AI 現已被廣泛應用於品質檢測、生產流程優化與預測性維護，企業若結合機器學習、深度學習與生成式 AI，即能以數據驅動決策，提升生產靈活性並降低成本。

同時，隨著「數位雙生」的發展，企業可藉其進行「虛擬試錯」與「情境模擬」，在導入新技術前，先模擬其對現有產線的影響，或預測潛在風險與資源耗損，避免浪費；另外，在 AI 大規模應用下，數據隱私、安全風險成為顧慮。「主權 AI」確保企業在可信的基礎架構中進行數據分析與模型訓練，降低數據外流風險，並支援在地資料中心部署，以滿足低延遲、高安全需求。企業若在產業升級中，將智慧製造的 4 大技術整合，即能在自家領域有效推進。

加速轉型關鍵夥伴登場！AWS 台北區域重磅上線

AWS 作為全球雲端運算領導者，深耕台灣市場多年，成為製造業升級「智慧製造」的鑰匙之一，提供全方位資料策略、生成式 AI 創新、敏捷性等多種解決方案，協助製造業突破瓶頸。

過往製造業資料分散在 IoT 裝置、舊設備、資料湖、雲端資料庫與內部系統中，缺乏統一結構與命名規則，也受到組織文化與部門隔閡影響，導致難以擴展或有效利用。藉由「AWS 工業資料經緯」框架，能支援多來源數據關聯與脈絡化，可用於分析、AI 模型訓練與數位應用程式開發，讓資料運用最大化。藉由 AWS 的高性價比基礎設施與豐富合作夥伴網路，企業可大規模部署生成式 AI 應用。

製造業期待透過生成式 AI 來加速產品開發、提升營運效率、優化供應鏈並強化客戶體驗。AWS 提供完整 AI / ML 服務，支援模型建置、訓練、推論與部署全流程，助企業快速、安全落實 AI 應用。企業可將專有資料導入基礎模型，進行微調與最佳化應用。

同時，為協助製造業在全球市場中維持高度韌性與營運敏捷性，AWS 已於 2025 年初在台灣設立全新 AWS 台北區域，涵蓋三個可用區，將使企業能就地處理與儲存必須留存於台灣的資料，確保資料主權與合規性，同時降低延遲、提升應變速度。AWS 預期將在台北投入數十億美元於營運、基礎設施與客戶支持，幫助製造業數位轉型。