什麼是大數據？傳統數據處理應用軟件不足時，用以處理它們大量或複雜的數據的術語就是大數據。近期技術的進步，它可以在短時間之內處理龐大的資料。它並不像統計的抽樣，它藉由觀察與追蹤的事情，找出一種趨勢，能夠提供決策者解決方案，甚至預測未來。應用層面非常的廣，除了政府決策、社會議題，許多公司早已擠身大數據的行列。
巴菲特曾經說過：「人是有情緒的生物，唯有數據是完全理性的。」人無法永遠都做對決策，但是數據可以告訴你真相，幫你決定方向。
大數據與人工智慧的出現，對世界造成了一場廣大的科技革命。大數據並沒有大家想像的困難，就是一大群數據的總和。它的思維是利用一整套方法來幫助人們透過數據尋找相關性，最後解決各式各樣的難題。當人們改變思維方式後，就可以開始完成許多過去不可能解決的問題。
在過去，許多公司仍然習慣使用舊式的行銷管理方法，利用自身的經驗、以往的習慣，與團隊討論訂定績效與目標、擬訂不同的方案。這或許可行，但仍有一定的風險，畢竟在這個科技與社會變動迅速的時代，一次成功的策略，不一定能夠套用到下一次。不同產業之間、不同地區，銷售與行銷模式也大相逕庭。
當我們擬定了錯的策略，做錯了決定，覺得有些事情沒有正確解答，然後推給機緣與命運時，這更是大錯特錯。
美國過去毒梟猖狂，政府利用各種方式都無法遏止毒販的增加。最後他們利用了大數據來尋找到販毒嫌疑人。這種方式不僅可以解決社會問題，也能夠應用到企業上。普拉達 ( Prada ) 也是利用大數據，將其銷售額從15億美元在短短十年間，幾乎翻了三倍，到了 40 多億美元。
現在數據化的時代已經到來，隨著時間的演進，它不會被淘汰，只會成本越降越低、結果越來越精準。
其實，我們天天都在使用大數據，經常利用數據來解決問題。我們腦袋自動會做分析、歸類，而做出相應的行為。
生活中，你會不經意發現你的另一半在某些日子心情會特別好，某些日子容易憂鬱。或是在某個時刻你做出某件事情，他會特別雀躍；某個時間點做出某個行為，會使他生氣。
於是，你的下意識會開始分析，他喜歡哪件事情，並猜測最好哪個時段不要做出哪些事來「惹怒」他。為了達到增進感情或是和睦共處的目標，你調整了自己的行為模式。
這聽起來理所當然沒什麼大不了，但這就是蒐集數據手段的源頭。之後漸漸發展出統計學、科學與數據分析等知識體系。使用大量的數據來當作背後的資料庫，利用技術與精密的計算來分析。在一些基本假設、各樣測試之後，建立模型。如此一來不僅可以得到解答，甚至能夠預測未來。
大數據是什麼？其實就是先從生活情境中找好幾個關鍵數據，利用資訊規則先堆積出一個數學模型，再藉由逐步數據收集的過程中來修正這個模型。但問題是我們「如何把行為轉換成關鍵數據」？
以上段由自己的行為來判斷伴侶情緒為例，若要做成一個數據模型，並不是單純的計算與另一半情緒有極大起伏的出現次數，還需要判斷自己，有哪些行為會反映在該實驗之中，並思考這些行為會反映在哪些可以被量化的表徵上。
「 生氣 」 也需要事先被定義。有些女生生氣了卻說自己沒生氣，有些男生講話比較激動貌似在生氣，但其實只是比較大聲而已並沒有生氣。專業的諮商師不一定有數據敏感性；資訊處理人員則缺乏專業深度，而且這些人還需要社會學想像力，來還原人類行為與環境的推論關係。大部分人所受的專業訓練，沒有涵蓋得這麼完整，這就是大數據「 塑模 」 的瓶頸。
但其實許多企業真正要做的不是採納這個技術，而是利用大數據的觀點，來反思企業經營的做法。
知道了大數據的原理與概念後，可能很多人會產生疑問。
大家一定聽過的 Google 和 Facebook 。這種大型公司都是利用大數據來做決策，訂定公司下一步的方向，如何創造更大利潤與業績。
Google 公司雖然沒有到處宣傳他們公司內部的作業方式，但確實已經擁有龐大的數據資料庫，甚至已經開發出很多處理這些數據的工具。 Google Analytics 就是其中之一，也有證照的考取。這方面的業務不只是網頁搜索，還衍生為可以隨時查詢任何可測量數據的中央端，這些數據內容包括購物訊息、股票漲跌、最新新聞、天氣信息、航班延誤。
大數據分析 ( 利用工具對數據進行分類，並讓這些數據產生價值 ) 加以很好利用的實例是，我們可以很方便的檢索相關的訊息。在 Google 搜索中就運用了非常複雜的算法，在使用者查詢相關訊息時可以與所有可得的數據進行匹配。大家最熟悉的 SEO ，也是因為這一套演算法下所產出的一種搜索優化方式。
對於其他更複雜的操作，比如翻譯。 Google 會調用其他內置的算法，這些算法也是基於大數據的。 Google 會研究幾百萬篇翻譯文章和演講，然後給出最準確的解釋。其實廣告投放再行銷的概念，也是利用大數據分析，希望吸引那些與他們的網站和商店的用戶畫像匹配的消費者。
儘管 Facebook 和 Google 在市場定位方面存在很大的差異，但他們擁有非常相似的業務和數據模型。
對於 Google 來說，就是在線信息、數字和事實。對於 Facebook 來說，就是用戶。臉書讓我們與家人和朋友之間的溝通變的更方便和高效，這使得 Facebook 在短短數十年的時間內成為全球最大的公司之一。最近 Facebook 執行長到法院說明資料洩漏問題，這也意味著 Facebook 可以從我們身上蒐集了大量的數據；而我們自己也可以利用這些數據應用在具體的場景，包括搜索老朋友、與我們搜索的結果進行匹配。
Facebook 研究的先進技術，像是圖像識別，能夠訓練機器紀錄幾百萬張圖像，該技術可以辨認出圖片或視頻中的物體或細節 。這也是為什麼在我們放照片的時候，機器會幫你辨識出這個人是誰。
透過這種技術，它也可以同時記錄我們瀏覽過的文章、圖片與資訊，來更了解用戶以及他們的喜好，使得 Facebook 可以向任何企業出售精準的廣告，這其實也就是再行銷的概念。 Facebook 可以根據詳細的人口數據以及興趣數據，幫助企業主找到潛在的消費者 。或者也可以讓 Facebook 使用大數據分析，尋找那些與公司目前消費者類似的人群。
大數據很夯也很重要，但跟我好像沒什麼關係？只有那些在 IT 業務上投入數百萬甚至上億美元的大公司才有可能從中受益？或是只有那些擁有海量數據的公司才會有所作為？看到許多大公司的應用，會突然發覺大數據好像很遙遠，其實並不然。新創公司在沒有太多實戰經驗的狀況下，除了找到 PMF 之外，更需要同時做一個數據驅動的公司，利用數據來幫助公司做決定、擬定未來策略和方向。
近年來越來越多人知道大數據，也知道公司該「數據化」了。因此，到了2016年上半年，許多台灣企業的數位廣告預算首次大於電視廣告。公司紛紛開始聘請程式設計師加入公司的行列；UI、UX 設計師、數據分析師也將快成為一間公司必備的職務。但是聘請那麼多數位與數據人才，耗了那麼多的成本，真的有為你達到理想的成效嗎？當然，訂定一個數據化的行銷策略也是非常重要的一環。
延伸閱讀：行銷寶典來了！想利用行銷策略來規劃行銷流程，看這篇就對了。
大家都爭著想成為數據驅動化的公司，但是到底該怎麼做呢？趕快來了解吧！