资诚企管顧问公司执行董事刘镜清
资诚企管顾问执行董事刘镜清，曾经担任IBM工商事业群总经理，是Big Data在国内推展的先头部队。他可以分享的Big Data成功应用案例，不可胜数；但他也提醒，「Idea」才是最重要的分母。
「网络上关于Big Data的讨论很多，似乎都认为资料量要达到「太位元」（Terabyte，TB）才算Big Data，我的看法不太一样！」
发会员卡是为了抽样调查
资料究竟多大才够？其实取决于「用途」，有时资料少少的就够了；「采矿」（Data Mining）前，对所要探勘的答案与后续市场策略，要计画得够清楚，才是Big Data能否奏效的重点。
举一个非Big Data的案例来类比，或许有助思考工具与目的的关系。日本便利商店Lawson借发行会员卡来了解消费者「到店距离」与「购买行为」的关系。他们想知道：住在多少距离以内的消费者会到Lawson购物？多远的距离或哪一种商品类别，会让消费者选择量贩店？
所以，外界看到的或许是Lawson发行会员卡，而Lawson则心知肚明自己的目的是抽样调查。
Big Data非新鲜事
目前全球最大的资料库就是互联网，由于世代经验的落差，想要了解消费者代代不同的想法，到网络上「捞」资料，是最精准快速的方法，「了解使用者想什么」 ，正是脸书（Facebook）维持身价的关键，只是它还没开始大张旗鼓地「开矿」。
不过，Big Data所归属的商用智慧（Business Intelligence，BI），已行之有年，分析大量「既有」资料的作法，并非新鲜事；只是Big Data使用累积的庞大资料，再加社群，两项新元素让既有的BI产生空前变化。
Big Data计算分析出的模型（pattern）具有预测能力，而且数量之多，远超出人脑所能记忆。最典型的例子是气象预报，Big Data分析的台风路径，即使专业气象人员也很难全数记住。
应用，火星文是「罩门」
应用Big Data，没有产业限制，从半导体业的生产线品管、民生消费与金融业创新产品与服务、手机制造商收集使用习惯，到选战分析数以百计的电视谈话性节目、政府部门查漏税、漏水、疏运交通、国土安全……，全都派得上用场。
「语意分析」是Big Data的最大障碍之一，它判断有「弦外之音」的关键字会失准，也看不懂圈圈叉叉的「火星文」，否则，只要使用目标清楚，通常都能发挥大效益。