台灣IBM軟體事業處副總經理林世偉表示，資料量大(Volume)、變化速度快(Velocity)且種類繁多(Variety)是海量資料的共同特徵。根據國際研究暨顧問機構Gartner統計，非結構化資料至2020年將成長44倍，而在所有新增長的資料裡，非結構化資料比重將高達80%。
林世偉表示，企業處理複雜的分析運算時，需考慮多元來源與處理系統的擴充性，包括過去多被忽略不斷流動變化的資料，以及其他訊號、影像、聲音或表面上看似無關聯的數據類型。
對此，IBM提出「江河運算(Streams Computing)」技術，針對動態且非結構化海量資料進行即時分析，協助企業挖掘自身的資料煉金術。
林世偉表示，越來越多企業面臨高達100 Terabytes以上的龐大資料量，且在分秒必爭的商業環境，許多情況資料分析講求即時性，尤其是部分醫療照護、電子製造業製程改良的資料分析，甚至必須在微秒間獲得結果，並在事件當下立即做出決斷，才得產生價值。當前資料倉儲以每週或每月為基期，進行批次性的資料統整模式，愈來愈難以支援高階商業分析。
林世偉指出，相對於傳統靜態資料庫，動態資料串流(Streaming Data)的異動頻繁、流入量龐大、使用者需要即時回應等特性，可藉「江河運算」自動匯集分析數據，直接將數據透過分析得知，因此在處理上不需等待資料倉儲，而達到多樣化且即時處理的應用，以因應市場競爭。
林世偉表示，IBM旗下的InfoSphere Streams源自與美國國土安全部合作的反恐專案所研發而成，是新一代分析處理方法，提供先進的運算平台，針對動態的海量資料進行即時分析，利用多節點PC伺服器的記憶體大批處理，不須等待資料儲存，可隨即時流動的資料載入，分析反應速度更可控制在微秒之間。
林世偉指出，目前IBM已與加拿大安大略理工大學成功合作開發，以InfoSphere Streams即時監控早產兒病房，匯集不斷由感測器監測產出的心跳、呼吸等醫學資料，協助醫護人員提前24小時預測敗血症引發的感染，即時採取治療。
另外，瑞典斯德哥爾摩也利用該系統，分析整合RFID、影像處理、電子金流等資訊，讓用路人根據感測器蒐集的最新路況，選擇最佳行車路線；並依車輛燃料種類等資訊計算碳排量，收取道路費用，7個月內降低都會區交通流量20%，空氣品質改善2%至10%。