跨越路障，點亮資料經濟的大數據實踐之路
近年來政府機關持續舉辦開放資料黑客松創意競賽，希冀驅動資料擁有者、資料科學家及領域專家互動交流，以及促進跨政府機關、跨領域和公私協力共創，提升資料應用的價值。
資料經濟是以資料為驅動力（Data Driven）產生的經濟價值，所以發展資料經濟的策略重點在於「如何整合運用公私部門資料，開發創新服務，衍生公共和商業利益的價值」。
資料經濟(Data Economics) 與資訊經濟(Information economics)有所不同。資料經濟著重整合前的原始資料，相同的原始資料若依據不同的方式分析，有可能產生不同的資訊；而資訊經濟強調的是資料整合後形成的資訊。
理想中的大數據實踐之路，本以為將會一帆風順，只歷經包括:提取數據、 建立模型、深度學習、人工智慧…等階段。然而，現實中的大數據實踐之路，卻是一路崎嶇且坑坑洞洞，得歷經包括:討論需求、 提取數據、 清洗數據、 整合數據、處理缺失值或遺漏值、特徵工程、評估模型…等階段。
首先，前端階段的「討論需求」、「提取數據」是大數據實踐之路，最先遭遇關鍵的路障。若公部門為需求發動者，必須符合法令政策，將資料去識別化，並且建立申請資料應用的流程程序和公私協作的運作機制；若私部門為需求發動者，則會將本求利、秤斤論兩地來看待和運用所擁有的資料，以及在經由評估和設計可獲利、具有經濟規模的商業模式之下，資料應用的專案才會被順利地啟動。
其次，中端階段的「清洗數據」、「整合數據」、「處理缺失值或遺漏值」是大數據實踐之路，最費時、費工和最容易跌坑入洞的路障。
此階段攸關資料品質的提升，必須掌握資料量、資料來源、資料格式、資料欄位，以及選擇適切的方法填充缺失值或遺漏值，如:業務知識或經驗推測法；同一指標計算法，如:平均值、中位數、眾數等；或其他指標的計算法，資料應用的專案才能夠挺過「路遙知馬力」的試煉。
最終，末端階段的「特徵工程」、「評估模型」是大數據實踐之路，艱難的最後幾哩路。特徵工程與領域知識有很大的關聯性，所以有資料科學家曾說:「特徵工程的整個過程是個手藝活，講求的是創造力」。特徵工程是把原始數據(Raw Data)提取特徵，以供演算法和模型使用的過程活動。評估模型則是迴圈和疊代（Loop and
Iteration）的過程，通過持續地調整和優化，才能適應不斷生成變化的新資料，以及達成資料應用的專案最終預期達成的目標。
此外，雖然動態數據的資料應用較具經濟價值，但是也必須有相對應的資料處理核心能力和設備，並且即時更新儀表板的互動式圖表資料，例如:登革熱防護、空氣品質、魚肉蔬果在公有市場零售價格…等民生關注的議題，才能讓人民對公共創新服務有感。
