全球已進入嶄新的資訊科技時代，資料數量無限暴增的情況下，管理問題逐漸浮出檯面。在一片資料大海中，聰明利用分析平台化繁為簡，有助企業減少成本消耗，並篩選出有用資訊，提升業務與商機。

　　海量資料有四大特性：資料量龐「大」（Volume）、變化飛「快」（Velocity），種類繁「雜」（Variety），以及真偽存「疑」（Veracity）。

　　大 — 企業存放資料量超過 PB：人類存放資料總量呈爆炸性成長。10年前，資料儲存量超過 TB 的資料中心屈指可數，但現在企業內部儲存系統存放數 PB 資料的例子比比皆是，可見當前的資料量早已不可同日而語。

　　快 — 資料擷取時間不到一秒：海量資料是即時變動的流動中資料（in-motion data），這些資料產出快、變化也快，譬如在資料串流的環境下，資料不斷快速流入，而且還不斷更新變動，資料能夠被擷取而且被進一步應用的時間，甚至連一秒都不到。

　　雜 — 資管人員只處理了 20% 的結構化資料：採集資料的型態和來源廣泛增加，造成資料種類繁雜，也為企業帶來管理資料的難題。一直以來，資料庫管理人員把大多數時間花在處理僅 20% 的資料，也就是那些格式整齊的結構化資料；不過，現在全世界有 80% 以上的資料是存在於社交網路、物聯網（Internet of Things）、電子商務等系統中的非結構化或半結構化資料，對舊有的資料庫與分析平台帶來莫大挑戰。

　　疑 — 全球有 80% 的資料不可靠：代表海量資料的不可靠性。過去，企業是最主要的資料來源，企業通常會仔細查核內部的資料，故資料可靠度較高。但自 2010年以來，在網路通訊（VOIP）、社群網站和感應器技術蓬勃發展下，破碎的、不完整的、不可靠的資料越來越多，甚至有分析師預估，到 2015年時，在全球蒐集的所有資訊中，將有超過八成屬於不確定可靠與否的資訊。

　　資料可靠性若不高，採集到的資料價值也會受到影響，例如，消費廠商想從社交網站中找出消費者對其產品的喜好，但社群網站上充滿了使用假身分、發表假言論，以及任意轉貼網路謠言或過時資訊的用戶，若缺乏篩選和判斷的機制，就難以挖掘出真正有價值的資訊。

　　海量資料的挑戰已是不爭的事實，但在前所未見之資料「大」、「快」、「雜」、「疑」的時代裡，若懂得妥善應用資料，便有機會創造極大的商業價值，而其中的關鍵在於是否具備海量資料的分析能力（Big Analytics）。

成功案例：保險公司採用SPSS Modeler建立電話行銷回應預測模型