台灣大數據早在多年前開始由政府推動發展，至今十餘年，我們並沒有看見大數據的顯著成效。許多文獻指出我國許多產業有意發展大數據，但找不到經營的方向，不知道該往哪裡發展。釐清發展脈絡與未來趨勢，是提供管理實務參考的絕佳作法。台灣大數據發展的脈絡與現況為何？大數據應用是一種漸進式創新? 還是破壞式創新呢?是本研究將研究的重點。本研究以三角定錨法針對大數據相關法人機構、應用公司、數據分析商三角色，共六位相關專業人士，進行每位約60分鐘的深度訪談。再以紮根理論方法，針對六篇逐字稿進行開放式編碼、主軸編碼後，分析彙整出「大數據運作歷程與環境發展模式」。結果顯示，大數據在發展過程中受到眾多環境趨勢所影響，包括：通路與媒體，從單向到多元、概念演化從資料採礦轉變為大數據、演算法與人工智慧、產業涵蓋從資訊相關轉變為跨產業、集中度由稀疏變為高度集中、技術平台由商用軟體轉變為開放式資源、資料治理等發展趨勢；此外，依據「投入—歷程—產出」階段模式來分析。大數據資料的投入是多樣性的，包含基礎的數字到高階的影音；歷程階段則應用了多種分析技術，包括社群、數位足跡、決策支援、語意與整合分析；最後產出階段則至少發現了三種成效，包含各種優化效益、顧客關係管理強化效益、及成本效益。資料投入、分析過程與產出應用的過程中，台灣大數據也面臨了人才需跨領域整合及效益不清缺乏願景的挑戰。最後，本研究主張大數據從商業應用層次來看，能在效率與效益上達到有效的改善，屬於破壞式創新的典範移轉，具有未來車的概念。大數據相較於過去的數據分析技術能夠更有效率地達成目的，伴隨商業型態產生改變，大數據開始成為新世代獲得競爭優勢的來源。但是從技術與環境層面來看，當前大數據分析的技術並沒有應用前所未有的技術，是屬於一種漸進式創新，停留在小改款階段。最後，本研究也提供大數據現存業者、欲進入業者、法人、數據分析商未來相關的實務管理建議，以及未來研究方向等。

Big data inTaiwan began to be promoted by the government many years ago. For more than ten years now, we have not seen the remarkable results of big data. Many literatures point out that many industries in Taiwan are interested in developing big data, but they cannot find the direction of business and do not know where to go. Clarifying the development context and future trends is a great way to provide reference for management practices. What is the context and current status of Taiwan's big data development? Whether big data applications are incremental innovation or disruptive innovation innovation is the focus of this study. In this study, the triangulation method was used to perform in-depth interviews for about 60 minutes each for a total of six relevant professionals in relation to the three roles of big data related juristic person organizations, application companies, and data analysts. Adopting the grounded theory method, after conducting open coding and axial coding on six scripted characters, the analyses compiled a "big data development process and environmental development model." The results show that big data in the development process is affected by many environmental trends, including: channel and media, from single to multiple, concept evolution from data mining to big data, algorithm and artificial intelligence, and industry coverage from information-related to cross-industry, concentration from sparse to highly concentrated, technology platform changes from commercial software to open source, data governance and other development trends; In addition, according to the "input - process - output" phase mode analysis. The input of big data data is diverse, including basic figures to high-level audio and video; during the development phase, a variety of analysis techniques are applied, including community, digital footprint,decision support, semantics, and integration analysis; at the end of the output stage, at least three types of effectiveness include various optimization benefits, customer relationship management enhancements, and cost effectiveness. In the process of data input, analysis process and output application, big data in Taiwan also faces the challenge of talents needing to integrate cross-disciplinary and lack of a clear vision in their benefits. Finally, this study advocates that big data can be effectively improved in efficiency and effectiveness from the perspective of commercial applications. It belongs to the paradigm shift of disruptive innovation and has the concept of future vehicles. Big data will achieve the purpose more efficiently than the data analysis technology of the past. With the change of business model, big data has become the source of new generation's competitive advantage. From the perspective of technology and environment, the current technology for big data analysis does not use unprecedented technology. It is a Incremental innovation that stays in the stage of minor change.
Finally, this study also provides practical management recommendations for future big data vendors, prospective entrants, juristic person organizations, and data analysts, and future research directions.

第一章 前言 1
第一節 大數據的基礎定義 1
第二節 令人趨之若鶩的大數據應用 1
第三節 我國在大數據領域的發展現況與困境 2
第四節 研究動機與目的 3

第二章文獻探討 5
第一節 大數據 5
第二節 大數據價值 6
第三節 大數據的分類 8
第四節 大數據策略能力 11
第五節 大數據的商業模式 14
第六節 典範移轉 16
第七節 大數據應用與發展現況 22
第八節 大數據的困境 27

第三章 研究方法 31
第ㄧ節 探索性研究方法的選擇：質化研究 31
第二節 資料收集方法與研究設計 32
第三節研究流程 33
第四節 研究範圍與對象 35
第五節、研究資料分析 36

第四章 研究結果 39
第一節 環境趨勢 39
第二節 大數據的資料輸入 54
第三節 數據處理的過程 57
第四節 大數據的產出: 應用與成效 61
第五節 發展的挑戰 68
第六節 大數據發展轉變與內涵 75
第七節 技術是小改款，商業應用是未來車 81

第五章 結論與討論 83
第一節 研究的主要貢獻 83
第二節 管理與實務意涵 90
第三節 研究限制與未來研究建議 94

參考文獻 97

一、中文部分
1111人力銀行：大數據人才 未來五年最搶手. (2015)。擷取自 中央通訊社: http://www.cna.com.tw/postwrite/Detail/173726.aspx#.WdCq94-CxhF
Boxi (2016). 2016大數據版圖。 擷取自 36Kr: http://36kr.com/p/5043066.html
MBA智庫‧百科；商業模式。擷取自 MBA智庫‧百科: http://wiki.mbalib.com/zh-tw/%E5%95%86%E4%B8%9A%E6%A8%A1%E5%BC%8F
TaiwanDT (2017)。【2017 年零售智慧轉型指標】零售業作不到數據驅動，線上、線下全通路整合都要淘汰─專訪台灣微軟企業服務部副總經理洪志賢.。擷取自 Microsoft Corporation: http://www.digitaltransformation.com.tw/%E3%80%902017-%E5%B9%B4%E9%9B%B6%E5%94%AE%E6%99%BA%E6%85%A7%E8%BD%89%E5%9E%8B%E6%8C%87%E6%A8%99%E3%80%91%E9%9B%B6%E5%94%AE%E6%A5%AD%E4%BD%9C%E4%B8%8D%E5%88%B0%E6%95%B8%E6%93%9A%E9%A9%85%E5%8B%95/
Wavenet (2016)。誰說數據是趨勢？如何應用大數據才是重點！。擷取自 潮網科技: https://www.wavenet.com.tw/2016/07/%E8%AA%B0%E8%AA%AA%E6%95%B8%E6%93%9A%E6%98%AF%E8%B6%A8%E5%8B%A2%EF%BC%9F%E5%A6%82%E4%BD%95%E6%87%89%E7%94%A8%E5%A4%A7%E6%95%B8%E6%93%9A%E6%89%8D%E6%98%AF%E9%87%8D%E9%BB%9E%EF%BC%81/
小數(2014)。大數據分析應用的九大領域。擷取自 ATAGURU煉樹成金: http://it.dataguru.cn/article-5007-1.html
中央通訊社(2017)。大數據來幫忙 台灣專家讓學漢字變簡單。擷取自 中央通訊社: http://www.cna.com.tw/news/acn/201706070253-1.aspx
王軼辰(2017)。 發展大數據面臨問題：數據孤島 技術差距 人才短缺。 擷取自 sina新浪新聞: http://news.sina.com.tw/article/20170710/22993462.html
王雅賢(2016)。 台灣天災多　利用「大數據」提升警報效率讓救災更可靠。 擷取自 ETNews新聞雲 財經: http://www.ettoday.net/news/20160713/733867.htm?t=%E5%8F%B0%E7%81%A3%E5%A4%A9%E7%81%BD%E5%A4%9A%E3%80%80%E5%88%A9%E7%94%A8%E3%80%8C%E5%A4%A7%E6%95%B8%E6%93%9A%E3%80%8D%E6%8F%90%E5%8D%87%E8%AD%A6%E5%A0%B1%E6%95%88%E7%8E%87%E8%AE%93%E6%95%91%E7%81%BD%E6%9B%
世界日報(2017)。 中國瘋大數據 美媒：方便官方監控。 擷取自 世界日報World Journal: http://www.worldjournal.com/5009628/article-%E4%B8%AD%E5%9C%8B%E7%98%8B%E5%A4%A7%E6%95%B8%E6%93%9A-%E7%BE%8E%E5%AA%92%EF%BC%9A%E6%96%B9%E4%BE%BF%E5%AE%98%E6%96%B9%E7%9B%A3%E6%8E%A7/
成田真琴(2013)。 大數據的獲利模式。 台北市: 家庭傳媒城邦分公司。
朱啟恆(2015年10月)。 大數據於金融業之應用。財金資訊季刊，84期，第12-18頁。
吳芳銘(2016)。 數位科技選戰 誰入主白宮？。 擷取自 聯合新聞網: https://udn.com/news/story/7339/2091504
李欣宜(2015)。[專訪]美國Top 4 技術長寶立明：大數據即將在五年內消失。 擷取自 數位時代: https://www.bnext.com.tw/article/35404/BN-ARTICLE-35404
李欣宜(2015)。 一次搞懂大數據（上）。 擷取自 數位時代: https://www.bnext.com.tw/article/35807/bn-2015-03-31-151014-36
李欣宜(2015)。一次搞懂大數據（下）。 擷取自 數位時代BUSINESS NEXT: https://www.bnext.com.tw/article/35809/bn-2015-03-31-153046-36
李欣宜(2015). 中國發表《大數據行動綱要》，陸學者：跟風多，做事少. 擷取自 數位時代BUSINESS NEXT: https://www.bnext.com.tw/article/37813/BN-2015-10-28-160127-109
李郁怡(2017年3月). 五大典範轉移，帶來全新管理挑戰. 哈佛商業評論全球繁體中文版, 第58-60頁。
林士蕙.(2014年4月). 當全球都在大數據中淘金，台灣準備好了嗎？. 遠見雜誌334期，第117-121頁。
林家五、胡宛仙.(2011)。 非營利組織之組織認定歸類模式：利益關係者理論觀點。 臺大管理論叢， 97-134頁。
林顯明(2016)。 大數據應用於社會科學研究的意涵與省思。T&D 飛訊第 214 期， 第1-23頁。
金融周刊《中国科学报》(2012年6月28日)。 中國科學報─大數據時代的商業模式變遷。 擷取自 Docx88.com: http://www.docx88.com/wkid-de983057a2161479171128ee-1.html
洪士灝 (2014) 建構Big Data應用的7大要素。 擷取自 數位時代: https://www.bnext.com.tw/ext_rss/view/id/650357
荊浩 (2014年4月)。 大數據時代商業模式創新研究。 科技進步與對策, 31卷，7期。
許華孚、吳吉裕(2015)。大數據發展趨勢以及在犯罪防治領域之應用。 刑事政策與犯罪研究論文集， 341-375頁。
陳昇瑋。(2017年5月)。讓資料為你產生價值。 擷取自 哈佛商業評論 全球繁體中文版: https://www.hbrtaiwan.com/article_content_AR0007025.html
曾龍 (2016年8月)。 大數據與巨量資料分析。 《科學發展月刊》(524), 66-71.
辜雅蕾. (2012)。 非結構化資料飛快增長：Big Data改寫巨量資料. 擷取自 iThome: http://www.ithome.com.tw/article/91049
馮靖惠(2015)。 業者喊出年薪500萬！ 大學開學程打造大數據人才。 擷取自 udn聯合新聞網: https://udn.com/news/story/6928/1276841
黃雅娟 (2017)。 大數據來了 台灣專利布局陷兩大困境。 擷取自 中央通訊社: http://www.cna.com.tw/news/afe/201704090206-1.aspx
維基百科。典範轉移。 擷取自 維基百科: https://zh.wikipedia.org/wiki/%E5%85%B8%E7%AF%84%E8%BD%89%E7%A7%BB
潘璠(2016)。 建設國家大數據是一件大事。 擷取自 中華人民共和國國家統計局: http://www.stats.gov.cn/tjzs/tjsj/tjcb/zgtj/201612/t20161209_1439288.html
魏淑芳(2017)。大數據分析 引燃智慧醫療新火苗。 擷取自 DIGITIMES物聯網: http://www.digitimes.com.tw/iot/article.asp?cat=130&cat1=40&id=0000493473_0LF586OP610ILH4HW7OBM
龐惠潔 (2016)。 日本精髓 善用數據 打破困境創商機。動腦雜誌483期。
內田和成，2018。獲利思考：從破壞到創造，顛覆競爭規則的四個獲利模式。時報出版。
翟本喬，2015。創新是一種態度：翟本喬透視問題、勇於突破的思考模式和勝出策略。商周文化。

二、英文部分
Adrian,C. , Abdullah,R. , Atan,R. &Jusoh,Y. Y. (2016). Towards
Developing Strategic Assessment Model for Big Data
Implementation: A Systematic Literature Review. IJSCA.
Alam1,J.R. , Sajid A., Talib,R. & Nia,M. (2014). A Review on the
Role of Big Data in Business. IJCSMC, pp. 446-453.
Aral ,S. & Walker,D. . (2011). Creating Social Contagion Through
Viral Product Design: A Randomized Trial of Peer Influence in
Networks. Management Science, 57(9), pp. 1623-1639.
Bibliography Manyika, J. , Chui,M. , Brown, B. , Bughin,J. , Dobbs,R. , Roxburgh, C. &Byers, A. H . (2011, 6). Big data: The
next frontier for innovation, competition, and productivity.
McKinsey Global Institute.
Brown , J. J. & Reingen, P. H. . (1987). Social Ties and Word-of-
Mouth Referral Behavior. Journal of Consumer Research, pp.
350-362.
Chang,.R.M. , Kauffman,R. J. & Kwon, Y.O. (2013). Understanding
the paradigm shift to computational social science in the.
Decision Support Systems, pp. 67-80.
Chung, W. (2014). BizPro: Extracting and categorizing business
intelligence factors. International Journal of Information
Management, pp. 272-284.
Clayton M. Christensen , Michael E. Raynor , Rory McDonald. (2015, 12). What Is Disruptive Innovation? Harvard Business Review.
Davenport , T.H. & Patil,D.J. . (2012). Data Scientist: The
Sexiest Job of the 21st Century. Harvard Business Review, pp.
70-76.
Davenport ,T. H. , Barth,P. & Bean,R. (2012). How 'Big Data' Is
Different. MIT Sloan Management Review.
Elliott, T. (2012). Is Big Data the New Term for Business
Intelligence? Retrieved from Digtal Business &Business
Analytics : http://timoelliott.com/blog/2012/12/is-big-data-
the-new-term-for-business-intelligence.html
Esteves, J. & Curto, J. (2013). A Risk and Benefits Behavioral
Model to Assess Intentions to Adopt Big Data. Journal of
Intelligence Studies in Business 3, pp. 37-46.
Evens,T. & Damme,K.V. (2016). Consumers’ Willingness to Share
Personal Data: Implications for Newspapers’ Business Models.
International Journal on Media Management, 18(1), pp. 25-41.
Fania,M. & Miller, J.D. (2012, 7). Mining big data in the
enterprise for better business intelligence. IT@Intel White
Paper.
Gandomi,A. & Haider, M. (2014). Beyond the Hype: Big Data
Concepts, Methods, and Analytics. International Journal of
Information Management, pp. 134-144.
Glaser, Barney G, Strauss, Anselm L.( 1967). The Discovery of
Grounded Theory: Strategies for Qualitative Research, Chicago,
Aldine Publishing Company.
Hirschberg, J. , Hjalmarsson A. & Elhadad, N. (2010). “You’re as
Sick as You Sound”: Using Computational Approaches for
Modeling Speaker State to Gauge Illness and Recovery. Advances
in Speech Recognition, pp. 305-322.
Isidore, C. (2017). Retail BloodBath: Bankruptcy Filings Pile up.
Retrieved from CNNMoney:
http://money.cnn.com/2017/06/13/news/companies/retail-
bankruptcies/index.html
Kayyali,B. , Knott,D. & Kuiken,S. V. (2013). The big-data
revolution in US health care: Accelerating value and
innovation. Retrieved from McKinsey&Company:
http://www.mckinsey.com/industries/healthcare-systems-and-
services/our-insights/the-big-data-revolution-in-us-health-
care
Landauer, T. K. , Foltz,P. W. & Laham, D. (1998). An Introduction
to Latent Semantic Analysis. Discourse Processes, 259-284.
Lohr, S. (2012). The Age of Big Data. Retrieved from The New York
Times: http://www.nytimes.com/2012/02/12/sunday-review/big-
datas-impact-in-the-world.html?pagewanted=all&_r=0
Lohr, S. (2014). M.B.A. Programs Start to Follow Silicon Valley
Into the Data Age. Retrieved from The New York Times:
https://www.nytimes.com/2014/12/26/business/mba-programs-
start-to-follow-silicon-valley-into-the-data-age.html?_r=0
Manyika, J. , Chui, M. , Brown, B. , Bughin, J. , Dobbs, R. , Roxburgh, C. , & Byers, A. (2011). Big Data: The Next fron Tier
for Innovation, Competition, and Productivity. McKinsey Global
Institute.
Maryanne, G. (2017). How Applications of Big Data Drive
Industries. Retrieved from https://www.simplilearn.com/big-
data-applications-in-industries-article
Mayer-Schönberger,V. & Cukier, K. . (2014). Big Data: A Revolution
That Will Transform How We Live, Work, and Think. American
Journal of Epidemiology, pp. 1143-1144.
McDonald, C. (2017). 5 Big Data Trends in Healthcare for 2017.
Retrieved from MAPR: https://mapr.com/blog/5-big-data-trends-
healthcare-2017/
Nott, C. (2015). A Maturity Model for Big Data and Analytics.
Retrieved from IBM Big Data & Analytics Hub:
http://www.ibmbigdatahub.com/blog/maturity-model-big-data-and-
analytics
Osterwalder, A. (2004). The Business Model Ontology A Proposition
in A Design Science Approach.
Parmar,V.& Yadav,J. (2017). Big Data: Meaning, Challenges,
Opportunities, Tools. International Journal of Advanced
Research in Computer Science, pp. 165-168.
Patil, H. A. (2010). “Cry Baby”: Using Spectrographic Analysis to
Assess Neonatal Health Status from an Infant’s Cry. Advances
in Speech Recognition, pp. 323-348.
Picard, R. (2012). Value Creation and the Future of News
Organization: Why and how journalism must change to remain
relevant in the twenty-first century. Lisbon, Portugal.
Prasad,P.S.&Rajesh,K. (2017). A Novel Study on Big Data: Issues,
Challenges,Tools. IJCSET, pp. 44-49.
Schrøder, K. (2011). Audiences are inherently cross-media:
audience studies and the cross-media challenge. Communication
Management Quarterly, 18(6), pp. 5-28.
Shivpuri, S. (2011). A Conversation with Leagers in Finacial
Services Technology & Operations (T&O) - Wowen's Place in
Financial Services T&O. Retrieved from School of Information
Systems, SingaporeManagement University:
https://sis.smu.edu.sg/master-it-business/industry/news/women-
in-it-leadership
Singh,B. , Kaur, G. , Kumar, S., & Kaur,M. (2016, 11). A Survey on
Big Data: Challenges, Tools and Technique. International
Journal of Advanced Research in Computer Science, pp. 230-234.
Stough ,R& McBride,D. (2014). Big Data and U.S. Public Policy.
Review of Policy Research, pp. 339-342.
Tellis, W. (1997). Introduction to Case Study. The Qualitative Report.