邇來，大數據如海潮般囊括全球。越來越多的國度開始從計謀層面認識大數據，中國亦如此。然而任何成長都不該盲目跟班，而應該在成長中不絕認識其成長的意義與碰著的堅苦挑戰，要做到實時發明總結，才氣更好的成長。

那么，制約我國大數據成長的因素有哪些呢?

1.優質可用數據缺乏

許多人看到這點大概會感想奇怪。這幾年紀據生意業務機構如雨后春筍，“數據變現”成為許多擁有數據積聚的傳統企業的新的生財法。如圖，2015年以來，各地加快成立大數據生意業務平臺，數據生意業務市場異常火熱。

我們經常說，大數據最高的條理就是要用數據來形成伶俐，使得社會各方面可以運轉起來。做數據闡明先要整合數據，這是我們凡是的理念。而數據自己我們可以從三個層面來看。

首先是“有沒有”，就是數據生意業務問題。今朝，我國大數據需求端以互聯網企業為主，包圍面不廣，在O2O趨勢下，大型互聯網廠商實驗引入外部數據支撐金融、糊口、語音、旅游、康健和教誨等多種處事。

然而在詳細的規模或行業內，我國普遍未形成成型的數據收羅、加工、闡明和應用鏈條，大量數據源未被激活，大大都數據擁有者沒有數據代價外化的路徑。好比，各醫療康健類應用收集了大量的數據，但沒有像Sermo.com那樣面向醫藥公司售賣數據。與海外對比我國的當局、民眾處事、農業應用根基缺位，電信和銀行業更缺少與外部數據的碰撞。

別的，其實數據生意業務這件事自己就是一個悖論。數據作為一種商品有必然的非凡性，我用了別人也可以用，沒有任何耗損，可以在市場賣許多遍。這就發生一個問題，你這個數據到市場賣，按照經濟學概念它的代價是零，你賣給我我可以用更低的價值賣給別人，所以數據生意業務理論上來說也是不行行的。

其次是“好欠好”，也就是數據質量問題。大數據觀念火了今后，許多機構以為數據存起來就是寶，于是積攢了大量瑣屑數據放在哪里，到底能發揮什么浸染也未可知。而在和很多真正想用數據做些工作的機構的相助中我們發明，即即是當局機構這樣的權威數據持有方，也存在很大都據缺失、數據錯誤、噪音多各方面的問題。雖然這并不是說我們就不能做數據闡明白。我們經常在講大數據就用大數據要領，小數據就用小數據要領，完美的數據是永遠等不來的。但這樣會導致什么問題呢?在實際項目實施進程中，我們的數據科學家們不得不耗費大量時間在數據清洗上，這其實是對原來就緊缺的數據人員的一種揮霍。

最后是“讓不讓”，即數據孤島和數據開放問題。理論上我們中國有很大都據，但差異部分數據存在在差異的處所，名目也紛歧樣。當局內部自己整合各部分的數據就已經是一件很頭大的工作，美國抗攻擊服務器 亞洲服務器，更不要提大局限的數據開放。同時數據開放面對一個嚴重問題就是隱私問題，脫敏遠遠不足，隱私問題是一個無底洞。好比我們把一小我私家的付出寶3個月數據拿過來，就可以很等閑的知道這小我私家本日在門口便利店買了一瓶水，昨天在淘寶買了沙發，每隔三個月會有一筆萬元的支出。那我們就可以很容易揣度這小我私家剛換了一個租屋子的處所，就能相識他的消費習慣。這個數據其實完全是脫敏的，沒有名字、沒有號碼，但絲絕不故障我們通過算法完全的勾勒出這小我私家的畫像。

2.技能與業務的鴻溝

大數據行業成長至今，技能與業務之間依然存在龐大著鴻溝。首先，就是數據闡明技能自己。數據源企業為實現數據代價變現，實驗多種要領，甚至本身組建數據闡明團隊，但是數據闡明是個技能活，1%的誤差城市極大地影響市場份額，術業有專攻，數據變現照舊需要專業的數據闡明人才來實現。36

跟著大數據觀念的火熱，做大數據的公司越來越多，產物做得八門五花，數據建模看似誰都可以涉足，但此刻數據闡明的技能，要領，模子，算法都有了很是大的改造，跟已往六七十年月完全紛歧樣，不是說做幾個SAAS軟件可能RAAS軟件就是大數據了，固然短期看市場火熱，但久遠來說這條路是走不通的，大數據行業成長，技能才是真正的發力點，提高行業準入門檻尤為重要。

基于此，鄂維南院士將外洋成熟的大數據建模闡明技能帶回海內，并組織創立了北京大數據研究院和普林科技，北京大數據研究院專注于頂層設計，摸索大數據行業產學研相結的成長模式，普林科技認真落地實施，從業務層面敦促大數據行業成長。