隨著云端運算及物聯網等科技的不斷發展，大數據(Big Data)在智慧城市扮演的角色也越來越重要。但事實上，數據本來就是城市治理非常重要的依據，尤其是與城市安防的相關業務，舉凡人口統計、犯罪率、交通流量等數據，政府治理單位本來就會定時蒐集并加以分析，作為施政的參考，如果不能先了解大數據與傳統數據的差別，掌握大數據的分析與工具的特性，就算擁有大數據，也可能只是「入寶山空手而回」，無法將數據轉換成價值，自然也無法對城市安防產生貢獻。

了解大數據才能有效運用

相較於傳統數據，大數據至少具有三個差異極大的特性。首先是數據量(Volume)，如果換算成數位數據單位，基本單位通常已經是TB、PB等級，不但要考量收集及儲存成本，如何迅速傳遞這麼龐大的數據，也是大數據應用必須思考的重點;其次是時效性(Velocity)，即使是這麼大的數據量，仍然要在最短的時間內產生分析結果，如傳統的年報統計，往往是在今年收集去年的數據，卻在隔年才出版，曠日廢時的結果，往往會讓數據分析結果失真。

PredPol應用大數據分析技術，預測出犯罪機率高甚至下一次可能發生犯罪情況的區域，并於地圖上標示出一塊塊500平方英尺的區域，供警察參考。

最後也是最大的差別，就是數據的多樣性(Variety)，傳統的數據通常有明確的結構性，選項也比較少，如年齡、性別、等級等，但大數據可能會有各種形式，包括文字、影音、圖像、網頁等，不但沒有明顯的結構，而且大數據還常常出現形式交錯的現象，如Youtube上的影片除了有點擊數外，同時還有留言討論。

由此可知，傳統的數據收集方式，顯然已經不能滿足城市安防對於大數據的需求，所幸在物聯網(Internet of Things;IoT)、云端運算及4G無線寬頻等技術的發展下，要取得物與物、物與人、人與人的互聯互通數據，技術上已不是問題，但必須得先迅速建構起收集、傳遞及儲存大數據的基礎建設，才有可能建立全面感知的能力，成為城市安防決策的最佳後盾。

但只是從感知層獲取資訊是不夠的，因為想要做好大數據深度分析，就必須要有能力針對復雜且開放式的問題尋找答案，并藉由視覺化分析工具，透過連續性的篩選和抽象化，才能洞悉重要資訊。然而大數據具有的超大量半結構化/非結構化數據的特性，往往會造成傳統關聯式數據庫管理系統(RDBMS)的運作瓶頸，必須要導入全新的大數據分析工具，方能真正靈活運用大數據。

來源：機房監控 機房環境監控 機房監控系統  http://www.scdprobes.com