若称「大数据」为时下最火红的词汇前三名相信也当之无愧，它的出现为资讯分析及储存不再受限。但所谓「水能载舟，亦能覆舟」若无法真正了解大数据是何方神圣，企业投入资料处理的经费可能会得不到期望的回馈。
就像交朋友第一件事应该事先知道对方名字一样，现在我们就来看看这些与大数据极为亲密的各类工具或资料名称吧。
关系资料库（Relational Databases ）/ 大数据资料库（Big Data Store ）
大数据为资讯搜藏提供了一个巨大的储存库，众多的社群资讯无法提供一个即时且有脉络的方案，这样的资讯爆炸更会影响行销人员的决策并破坏他们即时分析的能力。
这时若以大数据来做统整将能让这群杂乱的杂讯变成珍贵的资讯宝库，简单的来说，大数据将社群资讯像图书馆一样分门归类让使用者在需要时能够快速透过各个类别找到自己需要的资料（解决方案）。这样的运用让繁杂的社群资讯得到一个系统化的归属最终企业在使用此资料库就像使用Google一样，将问题键入后「锵！」你的答案即将显现（搜寻时间：0.51秒）。
结构化资讯/ 非结构化资讯/ERP （企业资源规划系统）
品牌经营不仅需要透过系统化资讯（生产、业务、客户资讯等纪录）来确保行销模式没有与大众脱节，如美国资讯技术研究顾问公司Gartner预言在未来非结构化资讯（如PTT及网路等形式较不固定的资讯）将会为IT应用带来新的潮流，非结构化资讯将是未来企业为了抢先掌握重大趋势必须认真经营分析的领域。例如最常见的非结构化资讯整合系统即是ERP（企业资源规划系统）最一开始应用于资源管理系统，但现在标准普尔500大企业中已有80%以ERP软体的分析结果作为其决策及管理（如供应链、营运、人资等）的重要评估项目。
ETL （萃取— 转置— 载入, Extract—Load—Transform ）
述提到的非结构资讯来源十分不定且越来越重要，因此要如何有效且精准的管理此资讯也让各界白了不少头发。幸好天无绝人之路，ETL系统现在建立了一个基本的分析步骤来「驯化」非结构资讯，让它不至于那么复杂。
ETL代表的是「萃取—转置—载入」这三个动作，它们代表的是如何将Ａ资料库中的资料转移到Ｂ资料库中的必要三手续。然而将这三个步棸做好并不是一件简单的工作（就像大家看食谱时都是一位名厨，但真正进入厨房又是另一段故事），因此相关开发人员仍后透过其他整合工具来简化各种平台的结构差异。
NLP （自然语言处理, Natural Language Processing ）
除了ETL的资料处理步骤外，NLP代表了一套语言分析系统，这套系统期望透过分析非结构化资讯中的用字、语气或文法等语言资讯「将非结构资讯结构化」。然而要建立此分析系统必须拥有足够的资料让其分析，因此分析时仅能选定特定群体并利用个人电子信向、使用者回馈或App下载情况来取得以下资讯并分析：浏览及购买纪录、阅读资讯、社群活动、互动群体及语言使用情况等。
由于今日过多的资讯轰炸着各个使用者，讯息必须透过一定的分析才能成为有用的资讯，因此若能掌握这样的分析，行销人员将能提供更为客制化的服务或活动，最终与客户关系更为紧密并让客户成为最好的品牌大使。
以上几个大数据关键字若能妥善理解并运用相信在执行相关专案时将能理解大数据的价值，省却「猜测客户心理」的阶段并在最终创造出最忠实的客户。
