大數據分析理論基礎

可視化分析(Visual Analytics)一般包括信息可視化與科學可視化，主要藉助 於互動式用戶界面而進行的分析推理；大數據分析為學者專家工作，但大數據的 使用者則包含專業人士與社會大眾，而使用者對於大數據分析的基本要求，就是 易於瞭解資料內容的可視化分析，因為可視化分析能直接呈現大數據的特點，簡 單明瞭，同時容易被使用者所接受。

貳、數據挖掘

數據挖掘(Data Mining，DM)又稱資料庫中的知識發現(Knowledge Discover in Database，KDD)，是建立一個適合挖掘演算法的分析模型，也是數據挖掘成 功的關鍵；因此，大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的 演算法基於不同的數據類型和格式，才能具體而微的呈現出數據本身具備的特點，

也正因為各種統計方法的應用，才能深入數據內部，快速挖掘出巨量資料中所隱 藏的公認價值。

參、預測分析

預測分析(Predictive Analysis)是指對數據假設的預測性分析，其表現在使用 數據挖掘技術、歷史數據，以及對未來狀況的假設上，同時預測其可能產生的結 果，如降雨誘發崩塌對坡度因子的反映，或因坡度預測崩塌之可能性等；因此，

大數據分析的最終應用領域之一就是預測性分析，亦即從巨量資料中挖掘出特點，

透過科學性的分析建立模型，帶入新的數據，從而預測未來的數據。

肆、語義蒐尋引擎

語意搜尋引擎(Search Engine Optimization，SEO)是指當少數關鍵字的意思並

不明確，無法清楚定義出情境(context)，或是排除同義字，或是想從廣泛的概念

數據質量管理(Data Quality Management)是指為了滿足信息利用的需要，對 信息系統的各個信息採集點進行規範，包括建立模式化的操作規程、原始信息的

民眾對於「災害風險的認知」是決定防災政策成功與否的重要基礎。防災先 進國家無不投資大量資源在民眾的防災教育上，例如日本大力推動「正常化偏見」

(normalcy bias)的預防、美國聯邦的 Ready.gov，這些都是災害發生前，降低災害 衝擊的努力範例。

與緊急應變作為。唯有政府揭露天災潛勢相關資訊，才能讓企業善盡企業社會責 任，進行完善的 BCP(Business Continuity Planning)與 BCM(Business Continuity Management)規劃。根據統計國際跨國公司有較佳的 BCP，平均可減少 40%的損 失。較佳演練防災計畫者，一般平均損失幅度為不重視者損失的1/7 (2010 年度 FM Global 報告)。日本經濟產業省信息安全政策室已於 2005 年 4 月，制定了「業 務連續計畫制定指導方針」，其中呼籲中小企業必須具體改善天災對於企業營運 的衝擊，避免因為天災而導致企業倒閉/廢業，進而影響員工生命安危以及其家 庭 生 計 ， 甚 至 可 能 擴 大 而 成 為 嚴 重 之 社 會 經 濟 問 題 ； 美 國 NEP (National Emphasize Program)建議企業應主動揭露天災之境況模擬(Scenario)，讓政府與企 業一起演練，增強各項應變計畫的可行性，誠實與認真告訴民眾，避免災害來臨 時缺乏危機管理作為。美國證券交易委員會(2010)建議企業應揭露氣候變遷因應 策略，希望能保護投資人的投資風險，其顯示美國企業重視天災風險降低各項可 能之暴險情形。建議我國政府可以加速公布災害潛勢(活動斷層、山崩與地滑、

土石流、淹水、地震、土壤液化…等潛勢)與公共安全(毒化物、瓦斯管、石化管 線…等) 相關圖資與資訊，據此輔導與獎勵企業進行天災風險識別與境況模擬，

同時完成災害風險管理與緊急應變計畫，甚而符合國際ISO3100 或 ISO22301 相 關規定，提升企業因應各項災害風險之體質，強化國內中小企業之競爭力。