從蒐集資料開始

無論中文如何翻譯Big data為大數據或巨量資料，實際上，這些資料的目的就只有一個，那就是找出資料特徵，告訴我們一些規則(Rule)、規律(Regularity)或模式(Pattern)。

數據分析可以成功的原因來自於使用統計學的分析方法，以及電腦軟體的運用。觀察迴歸分析與計量經濟學的基礎皆是從「線性模式」出發，藉由最小平方法的計算，得到估計係數的數學式，此時，一點都不需要分配的假設 - 常態分配。

過去傳統的計量經濟學、迴歸分析或甚至博士班之相關課程都是建構在抽樣分配、假設檢定與配適出適切的模型，因此，延伸出因分析所需的Tobit、Probit模型，而在時間序列上則由AR模型延伸出VAR等系列模型。

當我們想知道資料特性或規律性時，傳統做法是根據統計學概念，認為資料=樣本，必然帶有母體特性。藉由資料找到母體參數即可確認母體特性，從而知道資料特性或規律性為何。