大数据，大概是爆红速度仅次于云计算的科技新名词，过去一年来，云计算虽然还是很热门的话题，但更热门的是大数据，情况就像几年前厂商不约而同在谈云计算一样。
当初整个业界大谈云计算，从上到下几乎所有公司都能沾得上边，不免令人质疑是在炒作，但事实证明云计算至今不只没有成为泡沫，还有许多更进一步的成果。然而，遇到现今整个IT业界都在追逐大数据话题，在相同的情境下还是不免要质疑：这是不是也在炒作？
其中最直接的质疑是：大数据所指的大数据分析，已经不是什么新鲜事了，大量数据的处理与分析应用早就存在，许多企业采用数据仓储就是为了解决大量数据处理与分析的难题。这种情况就如同当初云计算被扩大解释为网页电子信箱，搞得大家一头雾水，不免觉得“原来云计算早就存在，不过是旧瓶装新酒罢了”，但从云计算现在的发展状况来看，这当然是个误解。
大数据（Big Data）的误解，其实从中文翻译就已经造成了。大数据真是一个不好翻译的名词，很难从中文找到一个适切的译名，任何一种翻译方法，都只能表达部分意思，因此势必就会造成另外一部分的误解。
大数据有3种特性：Volume、Velocity、Variety，Volume指的是数据量庞大，而到底数据量要多大才算呢？这其实没有一定的界限，不过有许多企业已经面临单日数据量以数十、数百TB的速度增加，而总数据量也达到了PB（Petabyte）等级，这样的数据量已让传统的数据库难以处理；Velocity是指数据增加的速度越来越快，诸如移动化、社交网络的风行，使得数据增加的速度比传统的企业应用程式来得快很多，一旦数据增生速度越快，数据处理、分析的速度也就得跟上；而Variety则是指数据的多样性，我们现在上网不是只看看资讯，同时我们不断在产出数据：上传照片、上传视频、发微博，另一方面，IT深入生活中的各个层面，各式各样的监控器、感应器也不停地产出机器资讯，数据的型式已不像过去那么单纯了。
这3个数据特性，已经是现在式，而不是未来式。然而该如何解决日渐紧迫的大数据处理问题呢？像Facebook、Twitter这样面临数据量大爆炸的网路公司，开始用Hadoop、NoSQL等新兴技术来解决问题。
Hadoop是分散式处理技术，它立基于分布式架构，因此可以使用大量便宜的服务器，打造巨大的处理能力，并且可由水平扩充方式来加大处理能力，以应付更大的数据处理需求。
有了Hadoop这样的开放原始码技术，让许多人不需购买大型的数据分析设备，也有办法来分析大量的数据，例如日本药厂透过分析Twitter使用者的留言，分析感冒、流鼻水等症状的字眼，就能了解流行病的趋势，掌握市场脉动；而在过去，如果你没有可行的大数据分析工具，可能连想都不敢想要分析Twitter这么一回事。
至于传统数据分析厂商，也纷纷将数据分析平台转换为分散式处理架构，提供水平扩充能力，或是增加处理速度更快的数据库技术，来应付大数据的3种特性。这样的发展也有助于企业因应未来的数据处理挑战，对于已经采用数据仓储的用户，例如银行业，就能顺利移转。毕竟，Hadoop仍是一个很新的技术，其中的技术门槛亦较高。
所以，大数据不会是一个空谈的话题，在技术上已经有诸多变革在发生了。不过，大数据的挑战不完全是技术层面的话题，更大的挑战是在业务层面，甚至是管理面的问题。