随着云端运算及物联网等科技的不断发展，大数据(Big Data)在智慧城市扮演的角色也越来越重要。但事实上，数据本来就是城市治理非常重要的依据，尤其是与城市安防的相关业务，举凡人口统计、犯罪率、交通流量等数据，政府治理单位本来就会定时搜集并加以分析，作为施政的参考，如果不能先了解大数据与传统数据的差别，掌握大数据的分析与工具的特性，就算拥有大数据，也可能只是“入宝山空手而回”，无法将数据转换成价值，自然也无法对城市安防产生贡献。
了解大数据才能有效运用
相较于传统数据，大数据至少具有三个差异极大的特性。首先是数据量(Volume)，如果换算成数位数据单位，基本单位通常已经是TB、PB等级，不但要考量收集及储存成本，如何迅速传递这么庞大的数据，也是大数据应用必须思考的重点。
其次是时效性(Velocity)，即使是这么大的数据量，仍然要在最短的时间内产生分析结果，如传统的年报统计，往往是在今年收集去年的数据，却在隔年才出版，旷日废时的结果，往往会让数据分析结果失真。
最后也是最大的差别，就是数据的多样性(Variety)，传统的数据通常有明确的结构性，选项也比较少，如年龄、性别、等级等，但大数据可能会有各种形式，包括文字、影音、图像、网页等，不但没有明显的结构，而且大数据还常常出现形式交错的现象，如Youtube上的影片除了有点击数外，同时还有留言讨论。
由此可知，传统的数据收集方式，显然已经不能满足城市安防对于大数据的需求，所幸在物联网(Internet of Things；IoT)、云端运算及4G无线宽频等技术的发展下，要取得物与物、物与人、人与人的互联互通数据，技术上已不是问题，但必须得先迅速建构起收集、传递及储存大数据的基础建设，才有可能建立全面感知的能力，成为城市安防决策的最佳后盾。
但只是从感知层获取资讯是不够的，因为想要做好大数据深度分析，就必须要有能力针对复杂且开放式的问题寻找答案，并藉由视觉化分析工具，透过连续性的筛选和抽象化，才能洞悉重要资讯。然而大数据具有的超大量半结构化/非结构化数据的特性，往往会造成传统关联式数据库管理系统(RDBMS)的运作瓶颈，必须要导入全新的大数据分析工具，方能真正灵活运用大数据。
此外，大数据的价值既然远超过传统数据，大数据的真实、安全及稳定性，就必须加以重视。尤其是现在的网路应用无所不在，举凡机场、银行、捷运、车站、水电油气供应机制等，都可能被骇客入侵，加上政府为了能让掌握的数据更有价值，必须要采取公开透明的数据使用机制，当公共事业的数据开放愈多，可能被入侵的机会也愈高，因此想要利用大数据来解决城市安防的问题，首先就得先做好大数据的保护，因此资安技术的导入及专业人员的配置，绝对不能轻忽。
大数据对城市公共卫生及治安的帮助
目前已有许多欧美城市开始藉由搜集及分析大量数据、预知可能出现的危机，进而作为城市安防的参考。如纽约的康乃尔大学威尔医学院(Weill Cornell Medical College)计算与系统生物医学助理教授ChristopherE.Mason的研究团队，花了18个月的时间在纽约400多个地铁站的车厢、楼梯扶手、座椅、灯杆、垃圾桶等地方搜集样本，总共发现15，152种微生物，其中来自于人类的DNA只占0.2%，将近一半的样本是人类未知的有机生物，27%是活性且具有抗生素抗药性的细菌，所幸其中仅有12%会让人生病。
这项名为PhthoMap的研究计划，还透过华尔街日报网站提供互动地图，让使用者可以用来观看特定车站的研究成果，如收集的样本来源、微生物来源比例、细菌种类与说明等，也可利用搜寻细菌的种类，了解那些车站有这些细菌的存在，等于也展示了公卫数据开放使用的过程。
推荐经销商