成功的大數據服務商業模式，就如同過去股民手上拿的股票機一樣，廠商把上千支的股票資料進行分析，最後推薦用戶哪幾支股票的表現值得推薦。而在這個媒體發達、資訊爆炸的時代，公眾人物、公關從業者或是需要了解民意方向的地方首長，都需要了解大眾現在最關心的新聞是什麼？態度是正面是負面？哪些媒體對自己比較友善？

「所謂的大數據，並沒有一個公認的標準去認定到底多大才是大數據。十年前電信公司和基地台所蒐集的數據其實也不少，而未來的資料量也會更多，到底誰是大是小呢？可以確定的是，資料量小也有資料量小的作法，而當資料越多，則能提供資料科學更細緻分析的材料來源。」東吳大學數學系的助理教授吳牧恩。

假設你現在想查詢一個新聞事件，並分析網友、鄉民的看法，最直覺的方式便是利用 Google 進行關鍵字搜索，但這樣只能做到關鍵字比對，如此一來搜索出的資料將有幾百萬、幾千萬之譜，該如何進行整理、重點摘要？總不可能人工比對吧，這時，語意分析的優點便顯現出來了。

如果無法先決定什麼問題適合用大數據來解決、一個問題適合由哪些數據來回答，有運算再快的電腦或是再高效的演算法都派不上用場。

「統計」這個學門在 Big Data 時代能夠如何讓「數據」發揮更大價值？而在相信數據的無所不能之前，如何檢驗資料的可靠性、確定資料能解決的問題極限、甚至判斷結果背後的統計方式？本篇專訪邀請到清華統計所博士後研究員謝宗震，同時也是以推廣資料科學為目標的社會企業「DSP 智庫驅動」的知識長，分享如何透過資料科學解決真實世界的問題。

數據和資料從古到今都是人類尋求解答的重要材料，而網路時代的資料來源變多也變雜，不論是語意分析、機器學習、演算法、統計建模，眾多方法都試圖解決更多過去人類仰賴臆測萊處理的問題。看完這五位不同背景和專長的專家分享了他們的見解後，對於所謂大數據的定義和視野，也隨之更為寬廣了。

如果現在上 Google 搜尋「癌症」，會出現上千萬筆結果，以及「癌症 種類」、「癌症 治療」、「癌症 飲食」、「癌症不是病」等大量的相關字串搜尋結果。Google 幫我們找到的正確資料固然不少，但是錯誤的資料也一樣多，甚至更多。在健康和醫學領域，錯誤的資訊更會誤導我們至更糟糕的結果。當似是而非的謠言被描述的像是完美的科學事實，怎麼分辨其中真偽？英國癌症研究中心在 2014 年 3月以這篇文章，澄清許多人信以為真，但根本沒有科學證據的「十大癌症謠言」。

如果現在上 Google 搜尋「癌症」，會出現上千萬筆結果，以及「癌症 種類」、「癌症 治療」、「癌症 飲食」、「癌症不是病」等大量的相關字串搜尋結果。Google 幫我們找到的正確資料固然不少，但是錯誤的資料也一樣多，甚至更多。在健康和醫學領域，錯誤的資訊更會誤導我們至更糟糕的結果。當似是而非的謠言被描述的像是完美的科學事實，怎麼分辨其中真偽？英國癌症研究中心在 2014 年 3月以這篇文章，澄清許多人信以為真，但根本沒有科學證據的「十大癌症謠言」。

「『傳染』這兩個字意味著今日一個傳染病的受害者、明日就會變成加劇傳染範圍的加害者。這個特質和空汙研究就完全不同－它和社會結構、社會行為有更密切的關聯。因為這樣，『傳染』這兩個字使我更著迷於數學。」台大地理系的老師溫在弘，關注於傳染病表現在空間移動和人口統計的層面，希望透過大數據的科學方法，一步一步控制與預防傳染病。

科學家們渴望從基因密碼中找出治療疾病的答案，而在醫療產業之中的大數據，也許就是這把鑰匙。但在殺進數據前，由資策會和工業局主辦的「智慧醫療新契機」的三位講者黃玉華、查怡和溫在弘分別從基因醫學和公共衛生的角度來談談，在他們的科學領域之中，那筆重要的大數據到底是什麼？