[[169815]]

導言：我從事大數據工作10余年，很多時候和圈內朋友談及大數據，大家首先談到的都是數據挖掘和人工智能算法，或是hadoop的架構。我也曾深陷這樣的誤區，認為“只要會寫算法、實現架構就是大數據的全部”;但我這些年的應用實踐中，越來越發現，阻礙大數據發展的最大瓶頸不是技術，而是高質量數據源的獲取、提供和交易環節沒有被打通。

技術不是關鍵，高質量的數據源永遠是第一位

大數據行業很多新人，甚至業內多年從業者都有這個誤區：認為算法、模型很重要。而我認為，即使技術達到世界頂級水平，它依舊不是大數據價值引擎，高質量數據源永遠是最重要的價值來源。

模型的成功必須依賴于高質量數據源和對商業的理解能力。有沒有數據，數據質量如何，這是最為前置的條件。要有數據才能夠建模;模型也必須經過數據應用，才能促進其完善。其次，模型往往是要基于商業目標的，要思考如何用既定的數據解決現實商業問題，不是為建模而建模。一個模型質量和效果，從某種意義來講，取決于數據源的運用、宏觀的架構能力以及對于商業的理解，并不是技術本身。

生產大數據價值的原料是數據源本身，模型是工具。脫離了工具，數據源不會因此而失去價值，但脫離了數據源，模型的價值蕩然無存。這就是為什么在黑市里面交易的是購房者、貸款者和企業主的個人資料，而不是數據挖掘模型。

沒有數據交易，高質量數據源的潛能被禁錮

目前能夠做大數據實踐的，都是自身擁有大數據的部門或企業。最優質、最有價值的數據源往往掌握在政府、運營商、銀行以及像BAT這樣的大型互聯網公司。高質量數據源擁有者總是缺乏開放的必要性和動力，甚至希望對數據進行壟斷。但由于內部大數據應用的需求和場景往往較為單一，數據擁有者往往也沒有很好的變現產品和手段。

再加上數據獲取困難、缺少數據采集意識造成的數據缺失，以及信息安全、信息歸屬權等敏感性問題，大數據仍然非常小眾，看起來很高深，對于絕大多數人來說很陌生的。

但是，高質量數據源偏偏是需要流動和使用，才能激發其巨大的價值潛能。在封閉環境下，數據的價值并沒有完全地發揮出來。以運營商數據為例，運營商數據不僅可以用于解決其自身的生產運營、精確營銷等問題，在商業選址、城市商圈規劃、制定企業營銷策略等很多領域都大有可為。

假設我們要為一家高級女裝店鋪進行選址，現有的選址方法只能夠告訴你周邊的人流量，卻不知道你周圍到到底有多少真正的潛在客戶。當我們借助運營商數據，把客戶畫像、位置信息等數據能力輸出到這個場景中，便能依據周邊人群的特征、年齡、消費力等數據，作出精準決策。

但實際上現在的商業選址是很粗放的。問題在于數據的交易環節沒被打通，數據能力無法輸出，導致需要用數據的人沒有數據，甚至也不知道數據能帶來什么價值。只有實現數據拼接，才會帶來數據價值的裂變式增長。因此，未來的IT時代向DT時代的轉變，關鍵在于打通高質量數據源的獲取、提供和交易環節。

打通交易環節，才能帶來應用爆發

打通交易環節，一方面能讓沒有數據的人用上數據，讓數據在更多地方發揮價值;另一方面，數據擁有者有更多的途徑去輸出大數據能力，實現變現。數據的價值不會因為開放和應用而減少，相反，應用與數據的價值是相輔相成的，用得越多，數據越多;而所產生的數據，又會反哺更多的應用。

再者，高質量數據源的跨行業、跨領域流動，必定會帶來是帶來應用創新。金融征信已經應用大數據進行創新。且看芝麻信用的數據來源，涵蓋了在線購物、與他人資金往來、還信用卡、資金理財、公用事業費繳納、房屋租賃或買賣、跳槽情況、婚姻狀態、社交關系等。

以往如果一個人沒有房產，沒有固定職業，會被認為償還能力低。而現在把社交關系、與他人資金來往、跳槽情況等等不同領域的數據整合，可能會發現有的人雖然沒有房產，但租的是高檔住宅;雖然沒有固定的聘用方，但經常出沒于CBD寫字樓和高端消費場合，顯然有相當的收入與償還能力。數據的跨領域應用，對于拓展信貸、分期付款業務都有很高的價值。

國務院2015年印發的《促進大數據發展行動綱要》明確了要統籌國家大數據資源，推動共享開放，釋放數據紅利。這里釋放了一個積極的信號，表示數據資源將逐步放開，利好數據流動。

在保證信息安全的前提下，打通數據交易環節，會迎來數據應用的爆發。而基于整合數據的跨行業、跨領域數據應用創新，將會是大數據未來又一個風口。

結語

我們雖然希望數據交易能夠帶來應用的爆發，但是在現階段高質量的數據源仍普遍缺失。在現有情況下，我們并不是什么都不能做。大數據講究的是“量體裁衣”、“看菜吃飯”，即有什么樣的數據，就做什么樣的事。在信息安全敏感程度較低的領域，逐步試錯，去嘗試對接數據資源，才能在數據交易即將帶來的應用爆發時代搶占先機。

本文作者簡介

江穎，帷策智能、原力大數據創始人兼CEO，大數據應用實施領域資深專家，中國大數據商業實踐先行者。自2003年起，一直致力于大數據領域的研究及應用實踐，深度涉入通信運營商、移動互聯網、零售、服裝、教育等多個行業，擁有大量的行業經驗和研究成果。