科技界常愛用戲劇化的名稱，「大數據」就很戲劇化，數據、也就是我們常說的「資料」，資料只有量的多少、沒有尺寸的大小，所以有人又稱為海量資料。用「大」來形容資料，表示超出了量的範圍，讓資料有更大的垂直效用。至於「數據」，我們直覺想到的是數目、不是文字，中國大陸很早就把電腦處理的資料統稱為數據，像是「數據庫」（資料庫），看起來兩個名詞已經通用。本文為了便於解說，仍維持大家習慣的「資料」兩個字。
英國 Francis Bacon 爵士十七世紀的銘言「知識即權利」, 延伸到今天的解譯可以說是「知識即利益」，但取得可以獲利的知識並不容易，尤其是網路破壞了傳統的環境，「過去的經驗不等於未來的趨勢」，許多人都能朗朗上口，但怎麼辦呢？大數據就是答案，至少是答案之一。
大數據是大量的資料，資料不加處理還是資料，沒有什麼用處，但如果運用統計、資料開鑿、機器學習等先進技術，在龐大的資料群裡深入挖掘，找到運作的規律，就成了「知識」，有了知識，就能制訂更準確的決策，運用在例行作業更能順暢。這種作法與現在的作法有什麼區別？區別在資料的數量。一個機構用自己經驗所累積的資料作為營運方針，與用千萬倍資料開鑿分析的結果作為營運方針，差別自不待言。
如果說的學術一點，可以用「大數據預測分析解答」(Big Data Predictive Analytics Solutions) 這個名詞表示，知名研究機構 Forrester 為此下了定義：這是一個軟體或軟體加硬體的解答方案，讓一個機構發掘、評估、執行從分析大數據所演繹出來的預測模型，運用這個模型，可以增進機構的表現，或檢少風險。當然這個定義過於生硬難解，有個概念就好了。
要運用龐 大的資料群，不妨先從資料的本質說起。什麼叫資料？電腦裡的資料檔，儲存在硬碟的資料庫，電子郵件，白皮書，手冊，報告，臉書 Po 文，乃至圖片、語音、影視，莫不是資料，地球上每天創造了多少新資料，又有多少資料在網路傳遞，只能用數量大得難以計數來形容。資料有結構與非結構兩大類，資料庫、標記語言、表格，有明確的結構；電子郵件有格式的結構，內容卻沒有結構，其他像文章、手機簡訊、社群網路貼文，都沒有結構。據統計，全球的資料至少有 80% 沒有固定的結構。
大數據可以說是一個流程，讓龐大的資料動起來，流程的第一步就是取得資料。結構化的資料較為容易處理，非結構性資料就需要複雜的清理，像是文字要除去多餘的字句，增加運算邏輯的註解，
或者是與別的資料資源結合，因為沒清理過的資料不能用作進一步的運算。
有了清理過的資料，就可以與用統計、學習、測試等多種方法相對運轉，發展出來一個模型 (Model)，也就從這些資料的共通性與關連性，發展出一個對我們有利的規律，把這個規律寫成電腦程式，就可以輸入實際參數，取得結果，做為未來的趨勢、決策的方針、或例行運做的準則。
上面的兩段話自然不足以解釋大數據流程於萬一，大數據的流程不但高度複雜，而且機動不能固定，網路環境的隨時改變，迫使這一流程需要不斷循環，隨時隨時評估、改善、更新。另外大數據的結果畢竟仍是機率的組合，未必涵蓋足夠的人文因素，政經社會環境的變遷，仍須大數據的分析師在運算上做適當調解。
大數據對我們今後發展的影響，經濟日報社論已經說的很清楚。「愛拼就會贏」讓我們贏了幾十年，那個時代早已過去，今後凡事以大數據為基礎的資料左證，才有贏的機會。三家大數據的領頭玩家：SAS、IBM、SAP，建議讀者參考。
