[Data Analytics] 巨資料，深資料， 寬資料

「巨資料」顧名思義，指的是「很多很多的資料」，但是「多」這件事情可以指涉很多種狀況，即便是套用 Big Data 定義的 3V（volume 資料量，velocity 資料產生的速度，variety 多元性），或是再加上近來常被加上的第四 V（Veracity，真實性），好像也沒有讓「多」這件事情更清楚。

或許用「資料表」來看，事情會比較容易說清楚。下圖是網路上隨便找到的一張資料表，看起來是某公司的銷售記錄，上面的「欄位」（column）有「代號」、「姓名」、「電話」、「地址」...等等，而每一「列」是一筆資料，代表了一筆訂單。

以這張表為例，所謂的「很多」資料，很容易被理解為是指「很多筆訂單」，但是其實這種形式的「多」，對分析來說意義是很有限的。如果記得基礎統計的「抽樣」部分，應該還有印象，樣本數增加可以讓我們對母體的推論更有信心，當樣本數超過某個限度之後，增加的效益是很有限的。所以資料筆數多，表格很長的「深資料」，其意義是有限的。

如果說「巨資料」能提供洞見（insight），資訊其實常常來自於不同欄位之間，一些不容易被直接發現的關連性。也就是說，資料表格的欄位數，或者說是「寬度」，對「藉由分析產生洞見」這件事有相當大的貢獻。

以上面表格的例子來說，當我們累積了 1000 筆交易記錄，我們可能可以知道某些產品在各地區、各時節的受歡迎程度，甚至某個常客的消費偏好；但是如果我們想要知道某種產品是不是在某種天氣賣得比較好，我們就需要增加一個新的「天氣」欄位，如果我們想知道某種特殊性格的人對某種產品的偏好，我們就需要再增加「消費者性格」的欄位。巨資料的特色之一是資料來源的「多樣性」（variety），這讓我們有很多方式來增加資料表格的寬度，而「寬資料」可以給我們新的機會透過分析而得到新的洞見。

這倒不是說「深資料」就不重要了，事實上當資料表格的寬度增加，我們所需要的資料深度也增加，否則我們找到的「關連性」證據會太過薄弱，很可能只是特例，而不具有參考價值。

A quick take-away: wide data enables us to find new insights, while deep data consolidates the findings.