随着云端运算及物联网等科技的大大发展，大数据(BigData)在智慧城市扮演着的角色也更加最重要。但事实上，数据本来就是城市管理十分最重要的依据，特别是在是与城市安防的涉及业务，涵括人口统计、犯罪率、交通流量等数据，政府管理单位本来就不会定点收集并加以分析，作为施政的参照，如果无法再行理解大数据与传统数据的差异，掌控大数据的分析与工具的特性，就算享有大数据，也有可能只是进宝山空手而回，无法将数据转换成价值，大自然也无法对城市安防产生贡献。
理解大数据才能有效地运用 相比于传统数据，大数据最少具备三个差异很大的特性。首先是数据量(Volume)，如果折算成数位数据单位，基本单位一般来说早已是TB、PB等级，不但要考量搜集及储存成本，如何很快传送这么可观的数据，也是大数据应用于必需思维的重点。 其次是时效性(Velocity)，即使是这么大的数据量，依然要在最短的时间内产生分析结果，如传统的年报统计资料，往往是在今年搜集去年的数据，却在于隔年年才出版发行，旷日废置时的结果，往往不会让数据分析结果杂讯。 最后也是仅次于的差异，就是数据的多样性(Variety)，传统的数据一般来说有具体的结构性，选项也较为较少，如年龄、性别、等级等，但大数据可能会有各种形式，还包括文字、影音、图像、网页等，不但没显著的结构，而且大数据还经常经常出现形式交叠的现象，如Youtube上的影片除了有点击数外，同时还有facebook辩论。
由此可知，传统的数据搜集方式，似乎早已无法符合城市安防对于大数据的市场需求，所幸在物联网(InternetofThings；IoT)、云端运算及4G无线宽频等技术的发展下，要获得物与物、物与人、人与人的互联互通数据，技术上已不是问题，但必需得再行很快建构起搜集、传送及储存大数据的基础建设，才有可能创建全面感官的能力，沦为城市安防决策的最佳后盾。 但只是从感官层提供资讯是过于的，因为想作好大数据深度分析，就必需要有能力针对简单且开放式的问题找寻答案，并藉由视觉化分析工具，利用连续性的检验和抽象，才能看穿最重要资讯。然而大数据具备的超强大量半结构化/非结构化数据的特性，往往不会导致传统关联式数据库管理系统(RDBMS)的运作瓶颈，必需要引入全新的大数据分析工具，方能确实灵活运用大数据。 此外，大数据的价值既然远超过传统数据，大数据的现实、安全性及稳定性，就必需加以推崇。
特别是在是现在的网路应用于无所不在，涵括机场、银行、捷运、车站、水电油气供应机制等，都有可能被骇客侵略，再加政府为了能让掌控的数据更加有价值，必需要采行公开发表半透明的数据用于机制，当公共事业的数据对外开放愈，有可能被侵略的机会也愈多低，因此想利用大数据来解决问题城市安防的问题，首先就得再行作好大数据的维护，因此资安技术的引入及专业人员的配备，意味著无法顾及。 大数据对城市公共卫生及治安的协助 目前有数许多欧美城市开始藉由收集及分析大量数据、预见有可能经常出现的危机，进而作为城市安防的参照。
如纽约的康乃尔大学威尔医学院(WeillCornellMedicalCollege)计算出来与系统生物医学助理教授ChristopherE.Mason的研究团队，花上了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、垃圾桶等地方收集样本，总共找到15,152种微生物，其中来自于人类的DNA只占到0.。
本文来源：亚美体育官网-www.bossnupbeauty.com