巨量資料的時代,用「大、快、雜、疑」四字箴言帶你認識大數據

評論
評論

10965803_10153229924434728_284089822_n

本文由 Yahoo 奇摩贊助。

你可能有注意到,「大數據(Big Data)」在我們的生活裡已經掀起滔天巨浪,繼雲端運算(Cloud Computing)之後,儼然成為學術界跟科技業中最熱門的潮字(Buzz Word),似乎每家公司都在進行有關的研究,三句不離大數據。究竟大數據是怎麼出現,又代表著什麼意思呢?

大數據(Big Data),資料爆炸的時代

Java Printing

大數據(Big Data)—— 或稱巨量資料 ,顧名思義,是指大量的資訊,當資料量龐大到資料庫系統無法在合理時間內進行儲存、運算、處理,分析成能解讀的資訊時,就稱為大數據。

“Big data is data that exceeds the processing capacity of conventional database systems.”

這些巨量資料中有著珍貴的訊息,像是相關性(Unknown Correlation)、未顯露的模式(Hidden Patterns)、市場趨勢(Market Trend),可能埋藏著前所未見的知識跟應用等著被我們挖掘發現;但由於資料量太龐大,流動速度太快,現今科技無法處理分析,促使我們不斷研發出新一代的資料儲存設備及科技,希望從大數據中萃取出那些有價值的資訊。

「Big Data」這個詞最早由 IBM 提出,2010 年才真正開始受到注目,並成為專業用語登上維基百科 1,算是「大數據」的正式問世。而在 2012 年時,《紐約時報》的專欄文章「The Age of Big Data2」更是宣告了「大數據時代」的來臨。值得一提的是,大數據並不是什麼新興的概念,事實上,歐洲粒子物理研究中心(CERN)的科學家已經面對巨量資料的問題好幾十年了,處理著每秒上看 PB(Peta Bytes,註:PB = 1,024 TB)的資料量 3

TED-Ed 的影片講解 Big Data 概念,簡單又好懂:

一般來說,大數據涵蓋的範圍很廣,定義也各家歧異。最早由 Gartner 公司的分析師 Doug Laney 在 2001 年發表的「3D Data Management: Controlling Data Volume, Velocity, and Variety.」4 一文中挑明了資料處理的三個關鍵挑戰 –– 資料量、速度、多樣性,並在 2012 年 Doug Laney 給予大數據一個全新的定義 5:「大數據是大量、高速、及/或類型多變的資訊資產,它需要全新的處理方式,去促成更強的決策能力、洞察力與最佳化處理。」

"Big data is high volume, high velocity, and/or high variety information assets that require new forms of processing to enable enhanced decision making, insight discovery and process optimization."

BigData.001

於是大部份機構跟公司都將大數據的特性歸類為「3Vs」或「4Vs」–– 資料量 Volume、資料傳輸速度 Velocity、資料類型 Variety,以及後來提出的第四個 V —— 真實性 Veracity。以下整理了 4Vs 簡單的定義跟解釋,可以從這四點切入認識大數據。

Volume 資料量

Data volume: amount of data

以前人們「手動」在表格中記錄、累積出數據;現在數據是由機器、網路、人與人之間的社群互動來生成。你現在正在點擊的滑鼠、來電、簡訊、網路搜尋、線上交易... 都正在生成累積成龐大的數據,因此資料量很容易就能達到數 TB(Tera Bytes,兆位元組),甚至上看 PB(Peta Bytes,千兆位元組)或 EB(Exabytes,百萬兆位元組)的等級。

Velocity 資料輸入輸出速度

Data velocity: speed of data in and out

資料的傳輸流動(data streaming)是連續且快速的,隨著越來越多的機器、網路使用者,社群網站、搜尋結果每秒都在成長,每天都在輸出更多的內容。公司跟機構要處理龐大的資訊大潮向他們襲來,而回應、反應這些資料的速度也成為他們最大的挑戰,許多資料要能即時得到結果才能發揮最大的價值,因此也有人會將 Velocity 認為是「時效性」。

Variety 資料類型

Data variety: range of data types and sources

大數據的來源種類包羅萬象,十分多樣化,如果一定要把資料分類的話,最簡單的方法是分兩類,結構化與非結構化。早期的非結構化資料主要是文字,隨著網路的發展,又擴展到電子郵件、網頁、社交媒體、視訊,音樂、圖片等等,這些非結構化的資料造成儲存(storage)、探勘(mining)、分析(analyzing)上的困難。

Veracity 真實性

Data veracity: uncertainty of data

這個詞由在 Express Scripts 擔任首席數據官(Chief Data Officer, CDO)的 Inderpal Bhandar 在波士頓 大數據創新高峰會(Big Data Innovation Summit) 的演講中提出,認為大數據分析中應該加入這點做考慮,分析並過濾資料有偏差、偽造、異常的部分,防止這些「dirty data」損害到資料系統的完整跟正確性,進而影響決策。

Big Data_ECF

大數據特性,謹記四字箴言:「大、快、雜、疑」

大數據資料量龐「大」(Volume)、變化飛「快」(Velocity),種類繁「雜」(Variety),以及真偽存「疑」(Veracity)。尤其在這資訊大爆炸時代,這些資料變得又多、又快、又雜、又真偽難分。

當然在「大數據」一詞像病毒一樣,侵入我們生活中的各個層面,也有越來越多人提出更多的「V」來解釋大數據,像是 Volatility、Validity、Value、Victory 等,這些分歧的意見在這就不多詳述,只要知道有這些說法、以後聽到別人說到「7Vs」時不要覺得驚訝就行啦!

相關文章

傅盛:深度學習是一種新的思維方式

智慧已經進入下半場,廣度紅利時代結束。原先粗放式的流量經營模式遭遇瓶頸,使用者增長受限,且再難出現爆發性機會。下一個機會點在哪?

從舊金山到香港 120 Tbps,Google 聯手 Facebook 打造史上最快跨太平洋光纖網路

據 The Wired、TechCrunch 報導,Google 和 Facebook 將和中國軟實力集團旗下的太平洋光纜數據通訊(Pacific Light Data Communication)合作,推出這條橫越太平洋的海底纜線,預計可以達到 120 Tbps 的傳輸率。

國際食物外賣巨頭 Delivery Hero 宣布買下線上訂餐美食外送平台 foodpanda

總部位於柏林的國際外賣巨頭 Delivery Hero Holding GmbH 週五宣布買下線上訂餐美食外送平台「foodpanda 空腹熊貓」,此併購案可謂是兩家均來自德國、均從事食物外送的新創公司終極結合。

評論