open data, big data, data mining, data 賣的什麼藥

data 一直以來都扮演評估情勢的要角，通常蒐集很多資訊，是為了找對事務的切入點或是新的突破點，雖然為了取得先機，有時侯還是必須在訊息不足的時侯做判斷，在情勢不明的時侯做決定；在 data 超多又亂花樣多到不行的時侯，己經掌握先機的人，具備分析 data 能力的人，為了分析結果更精準，或者開拓新的契機，希望別人 open 他的 data，不論準備因應的量能與程度，開放資料都帶來新的衝擊（好的或不好的）。

原始資料很難直接反映它本身的價值，所以需要處理加以統計、分析、解釋，找出關聯性，創造新的價值，所謂的加值服務，可以視為找出資料隱含價值的結果；從資料的架構來看，自有的資料，因為是自己建置的，資料關聯性在建置時就決定了，拿到資料時較快進入分析的階段，這類情形大致反映出 big data 之前 data mining 的狀況；big data 簡單說就是資料超級多、有夠亂、花樣百出、不是照自己的意思建置，也不是只依賴人力就能在有限時間內完成分析的程度，big data 要開始分析之前就必須先針對不同的資料來源、格式…等先加以整理，找出關聯性加以結構化，光是這一步就是大工程，更別說要有效找出價值密度高的資料，挑戰更大；big data火紅，是因為己經有些成功的案例，而掌握這種處理資料技術的人，應該會希望取得的資料越多越好；不管是那一種狀況，都是想在資料中淘金。

分析與加值服務最常見的例子是賣尿布加賣啤酒的故事，梗老了，大致是說在統計資料後發現買尿布時通常也加買啤酒，所以在陳列時就把尿布和啤酒放在一起，大多數的消費者因為方便就買單了，皆大歡喜；另一個例子簡單來說是這樣的，A問B說你怎麼看待C正在做的事，B說了一些觀點，A傳出B說的話，C以為B黑了他，這個只有少數人開心的暗黑過程，也可以看出原始資料與加值服務的本質。

雖然有正向和反向的例子，但是做這些事時目標都是很明確的，過程中會有很多不確切的因素，而得到的結果，不怕上天堂，就怕下地獄。

雖然西方哲人說︰不確切是一切偉大事物的本質。
但是打開潘朵拉的盒子，馬上就要面臨衝擊，準備好了嗎？
是糖、是毒藥，想清楚了嗎？

話說我才修完這篇，就收到 google 寄 cloud computing 廣告信來，哈哈，是巧合嗎？真有效率