資料分析技術的過去與現在：關鍵字雖然在更迭，但背後的技術不會消失｜專家論點【維元】

資料科學是近期相當熱門的技術關鍵字，是一種「從資料中找關係」的科學方法。但其實資料分析並不是一個新的概念，統計學的量化方法早就廣泛應用於各行各業中。如果你問我為什麼這幾年資料科學再度被重視的話，那我會說，所謂的現代資料科學是指的大數據加上機器學習的方法，其中的關鍵在於這些技術的到位，讓我們看見的從資料驅動人工智慧新的可能性。

技術驅動的演進

隨著計算機技術演進，資料量快速成長、儲存成本下降和雲端環境成熟等客觀條件就位。電腦計算能力大幅提升，帶來的是資料量快速的累積，也因此造就了資料科學的新時代思維。
具體而言，過去科學發展使用演繹方法研究，根據推論求得規律。隨著面臨的問題變得越發復雜，透過演繹的方式面臨瓶頸。然而，透過歸納方法形成另外一種解決問題的觀點。因此，將資料科學與巨量資料推上了顯學。巨量資料分析不同於傳統統計抽樣方法，考慮的是資料母體。利用比實證研究更耗費計算成本的資料驅動的方法，透過全面地分析從資料中挖掘出資料背後的關係。

當前，我們正處於人類有史以來發展最快的時代。透過「資料」與「分析」，運用新的思維，將帶來一場新型的改變。技術驅動的演進，帶著經濟進行結構性改革，走向一個充滿變化的未來。最重要的是，我們必須要把握「創新」的機會，而且是「技術驅動創新」的機會。

巨量資料的技術到位

「根據研究機構 IDC（國際數據資訊公司）的分析，這個世界上的資料正在以每兩年就翻倍的驚人速度增加中。了解大數據、如何利用巨量資料，成了人人關心的重點議題。

麥肯錫全球研究中心的全球巨量資料研究報告指出，全球資料量光是在 2010 年就增加了 70 億 GB，相當於 4 千座美國國會圖書館典藏資料的總和。（7 個你不可不知的大數據定義、巨量資料時代的煉金術）」

我們在前幾期的文章資料科學，你會想到什麼？｜專家論點，也有提到所謂的大數據到底是什麼？一般而言，巨量資料的定義是 Volume（容量）大、 Velocity（速度）快 和 Variety（多樣性），但也其他幾種不同的特性，像是 Veracity（真實性） 和 Value（價值） 等等。
基本上來說，巨量資料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。

為什麼巨量資料是一件重要的事情？在麥爾苟伯格在《大數據》一書中這樣說明：「透過更完整的資料分析，透過接近母體的資料量，可以大幅降低傳統抽樣所產生的統計誤差。」換言之，會需要付出更多更快的運算機器，所以巨量資料與計算機技術的進步是相輔相成的。

不過，資料科學也不盡然要盲目地追求「巨量」這件事。大企業能享有巨量資料的規模優勢，但小團隊也有成本及創新上的優勢，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。重要的是，能否掌握資料時代的思維與創新。

關鍵字在更迭，但技術不會消失

隨著資料科學技術的快速演進，很多人可能會擔心被淹沒在新技術的浪潮中。不過有時候只是關鍵字的更迭，背後想解決的問題是不變的 (•̀ᴗ• ) 資料時代席捲而來的不只是資訊界，而是一場全面性的革新。巨量資料帶來的是各個領域的改變，像是 FinTech (金融+科技)、Growth Hacking (行銷+科技)、Health Care（醫學+科技）等等都是隨著資料時代下在跨領域整合下而興起的趨勢。

換句話說，巨量資料／資料思維，需要的是一種跨域的宏觀視野。從幾個市場熱門的討論議題來看，都可以看到資料應用扮演的角色。

嗨，我是維元，目前是一名資料科學與網頁開發的雙棲工程師。近期也擔任科技島社群的駐站專家，持續分享發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤資料科學家的工作日常 Facebook 粉專 或 Instagram 帳號，也會不定時的舉辦分享活動，一起來玩玩吧！

瀏覽 1,005 次