2. 資料的可操作性（operability）
數位資料除了在保存、傳輸、取用等面向上打破了傳統的時空限制之
所不包的語料庫，都可以被設定為操作對象。各類表單紀錄的結構化資料 則是提供了便捷的資料操作框架，讓資料使用更容易擴大。認識並理解各 種數位資料操作概念與技術，有助於人文社會研究數位取徑的開發。
3. 資料的可連結性（linkability）
隨著人類資料的大幅成長，各種資料之間也將產生在主題、對象或概 念上的連結，而能提供更完整的意義與樣貌。資料之間可能存在顯而易見 的關聯，也可能隱藏著微妙的關聯，無論是主觀的認定，或是客觀的檢驗，
都可以透過資料的計算分析過程，進行主導性的建立或是探索性的辨識，
而取得資訊的連結與整合，協助研究人員建構出更完整的脈絡資訊與知識 體系。
4. 資料的可呈現性（representability）
資料的數位性質在各式計算方法的操作下，可以產生高度彈性的資料 觀察能力，在各種分析工具的參數設定下，資料的維度與面向可以被輕易 的選擇、調控與投射，而可以多視角的呈現資料內容的豐富樣貌。當資料 量遠超過一般人有限的資料消化與認知能力時，資料的彈性呈現能力，可 以提供宏觀的全貌描繪，快速取得統整性資訊或浮現出顯著資訊，也可以 聚焦到特定對象或區塊，進行細微的爬梳檢視。另外，資料視覺化技術更 以多元圖像呈現資訊意涵，展現出更有力的資訊傳遞效果。
5. 資料的可檢驗性（inspectability）
資料的數位型態讓資料便於公布流通，可以讓不同研究團隊之間就相 同的議題、相同的方法，對各自的實作分析結果，相互或前後驗證；也可 以用不同的方法，比較結果的差異，測試方法的優劣；或是探討不同的議 題，開發不同的發現；或是累積整合為更大的研究成果。資料就如同實驗 室中的材料，可以反覆操作測試，實驗過程與結果都可以被複製檢驗，而 提升研究成果的客觀性與正確性。
6. 資料的高價值性（value） 取、資料計算時間等。Gandomi & Haider（2015）認為一般是以超過 1 tera-bytes（TB），也就是 1024 giga-bytes（GB）的資料量為大數據的門檻。
若以一般相機或手機拍攝大約為 2 mega-bytes（MB）的照片為基準，則必 須累計超過 524,288 張以上的照片資料量，才進入大數據的技術門檻。
Beaver et al.（2010）的研究指出 Facebook 儲存的照片資料規模已經達到 20 peta-bytes（PB）（20 x 1024 TB），而且每星期使用者上傳的照片資料 量約為 60 TB。因此，所謂大數據資料規模的技術門檻，並非絕對客觀不
社會領域的人工蒐集採樣方法範疇，其資料量也遠超過人腦的認知能力與