隨著網路的興起與普及，每個人所製造的資料量也隨之提升，因此過去公司內部存在的分析方法漸漸無法適用現代，也因為有了發展新的分析方法的需求，資料分析，開始變成一門學問，人們開始研究如何從錯綜複雜的數據中，找到輔助公司營運的資訊。
為什麼傳統的分析方法無法適用現代？
現今數據的特性：3V (Volume、Velocity、Variety)，大量、速度快、多元性，此三種特性，使得人們無法再以簡單的圖表、傳統的統計分析(回歸、假設驗證等)觀察出數據中的端倪、趨勢，必須透過一些資料處理的工具、資料視覺化的呈現，甚至是資料探勘、機器學習、人工智慧等，才得以挖掘出數據隱含的訊息，更進一步達到預測、假設分析。
大數據的 5Vs
從傳統的3V演進到現今的5V，雖然有些新增的層面感覺有點贅述，但是學術界及產業界有這些說法，小編也就在此提供給大家參考！
(1) Volume - 資料的大量性
(2) Velocity - 資料生成的快速性
(3) Variety - 資料種類的多樣性
(4) Veracity - 資料的可信度
(5) Value - 資料的價值性
上列五項特性，因分析主題及面向有許多不一樣的定義及情況，深入探討會有更多深奧的理論及判斷基準，在此就不深入研討大數據 Vs 的特性，有興趣的讀者可以進行Google相關分享文章(關鍵字：Big Data's 3Vs/4Vs/5Vs)，會有許多相關探討，如果只是單純想瞭解上述5Vs的定義，在此推薦此篇文章。
大數據、人工智慧促使管理革命
從大數據盛行至今，從傳統製造業到電子商務、網路公司等，甚至是養殖業、傳統農林漁牧業，都開始推行「企業數據決策文化」(知名企業如鴻海、華碩等)，也因為越來越多成功的數據分析案例，許多企業甚至成立專責小組/部門，於許多不同領域的業務導入資料科學的應用，不僅達到節省營運成本、發掘潛在商機，甚至是創造新的商業模式等。
案例分享
許多經典的數據分析案例推動企業間重視大數據/數據分析/機器學習，也進而推動資料科學的發展。
● 啤酒、尿布，零售業的資料科學應用 (resource)
零售業中，如何正確地瞭解顧客的消費行為是一門重要的學問，因此預測變成最重要的議題之一，傳統的統計分析從商品的擺設位置、定價、顧客於賣場動向設計、客群的定位、促銷活動策略等，都深深地影響著零售業的業績。
美國一跨國零售企業，沃爾瑪(Walmart)，大量蒐集顧客的消費資訊過後，發現了一個不為常理能推斷的祕密：尿布及啤酒經常出現在同一消費明細上，尤其是在周五一般公司的下班時段(約傍晚4-7點)，這個發現讓數據分析師有了更多的假設：尿布與啤酒出現於消費明細上是偶然，或是有特定的客群會進行消費呢？
在做了許多假設後，數據分析員決定去驗證假設，果不其然，他們發現：在每周五下班時段，會固定有一客群，下班後的爸爸，至Walmart買一手 Friday Night 要喝的啤酒，同時受媽媽囑咐，買了家中嬰兒一週用量的尿布；發現了這個現象後，Walmart也開始針對此客群進行行銷手法，將尿布與啤酒同時擺設在靠近店門口的位置，並推動促銷專案，甚至將一些附加商品也擺設於鄰近位置，例如：嬰兒用品、零嘴等等，供消費者透過精心規劃的路徑擺設，快速購置齊全所需的物品！
未來的文章，自由團隊將提供讀者們更多案例分享文章，介紹更多資料科學於現實生活中的應用，同時將計畫提供更多實務操作的專題文章，請讀者們敬請期待！