---
title: "大數據（Big Data）"
slug: big-data
language: zh-TW
source: https://aiterms.tw/terms/big-data
updated_at: 2026-04-29
tags: [大數據, 資料處理, iPAS初級, iPAS中級]
ipas_term: true
---

# 大數據（Big Data）

> **你面對的不是一份表，而是每天都在長的資料流時，你會怎麼判斷它真正的作用？**
>
> 你可以把它想成 大數據指規模龐大、速度快速且多樣化的資料集合，傳統資料處理工具難以有效處理，需要專門的技術與架構來儲存、分析與應用。
>
> 在 你面對的不是一份表，而是每天都在長的資料流時 這種情境裡，這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。

### 容易混淆
> **大數據 vs 一般資料庫**
> 一般資料庫可以放資料，但大數據還要面對量大、速度快、型態雜的處理問題。
>
> **大數據 vs 資料湖**
> 大數據是問題本身，資料湖是常見的儲存與治理方式之一。
>
> **大數據 vs AI**
> 大數據是資料和基礎設施的挑戰，AI 是使用這些資料做預測或生成的方法。

### 記住這句就好
> 先看它要解決的是什麼問題，再看它是不是最合適的方法。

### 實際案例
> **案例 1：電商點擊紀錄**
> 每天幾百萬筆瀏覽與點擊事件，光靠單機 Excel 很快就會卡住。
>
> **案例 2：感測器串流**
> 工廠或車隊每秒都在送資料，系統要能持續收、存、算。

### 深入了解
> | 面向 | 重點 |
> |---|---|
> | 特徵 | 常用 3V 或 5V 來描述大量、快速、多樣、真實性與價值。 |
> | 架構 | 通常會搭配分散式儲存、分散式運算和資料治理。 |
> | 目的 | 不是只把資料堆大，而是把它變成可分析、可決策的資產。 |

### 情境判斷
> **Q1（判斷題）：** 如果資料只有幾十萬筆，還算大數據嗎？
> → 不一定，要看速度、型態和處理方式，光看筆數不夠。
>
> **Q2（判斷題）：** 只要資料很多，就一定需要大數據架構嗎？
> → 也不一定，如果資料更新慢、查詢簡單，傳統工具可能就夠了。

### 常見問題
> **Q：大數據一定要上雲嗎？**
> 不一定，但雲端常常比較容易擴充、備援和管理。
>
> **Q：大數據和資料倉儲差在哪？**
> 資料倉儲偏向整理好的分析資料，大數據更強調規模、速度與多樣性。
>
> **Q：大數據最怕什麼？**
> 最怕資料很多但品質差、治理弱，最後只剩一堆難用的垃圾資料。

### 相關術語
> - **資料湖**：這是實作上常一起搭配的基礎概念。
> - **資料倉儲**：這是實作上常一起搭配的基礎概念。
> - **資料前處理**：這是實作上常一起搭配的基礎概念。
> - **特徵工程**：這是實作上常一起搭配的基礎概念。

---

來源：https://aiterms.tw/terms/big-data
快查頁：https://aiterms.tw/terms/big-data
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-big-data