关于大数据行业的几点思考——大数据行业分析（四）

在之前的三篇文章中，我们对大数据行业进行了一些梳理与总结，本文我们相对深入思考一些。思考应该是基于具体标的的，然而由于大数据领域的创业公司数量很多，难以一一列举分析，我们主要分析了数多多、达观数据、明略数据、聚合数据等几家偏重技术层面的大数据公司，并结合之前的一些行业研究，产生一些思考，希望与读者分享。

思考一：数字化与信息化是大数据的基础

过去5年，中国在“互联网+”领域实现了跨越式发展，取得了世界领先的发展成就，典型案例如移动支付、电子商务等。随着中国“互联网+”的迅速发展，各行业数字化与信息化程度也在逐渐提高，为大数据的快速发展奠定了基础。

但是各行业因为具备不同的行业基因与历史背景，其数字化程度也不同。大数据真正产生价值的前提在于海量数据，因此数字化和信息化程度越高的行业越具备大数据应用的条件。根据数字化信息化程度的高低对各个行业进行考察，我们可以发现金融、电商、交通出行等领域数字化程度相对较高，而教育、艺术、餐饮等领域数字化程度相对较低。基于上述朴素的道理，在教育、艺术、餐饮等领域，要利用大数据对其做深度价值挖掘还需要经历一个过程（目前很多所谓的大数据项目其实仍然是“互联网+”）。

思考二：并不是每个行业都是完美战场

大数据解决方案的落地能力对于创业公司而言是至关重要的。在研究过程中，我们发现，不少大数据公司一味强调技术，而忽视了技术落地能力。在考察技术落地条件时，除了考虑行业数字化与信息化程度的高低，还需要结合该行业现实特征进行思考。

例如，医疗行业的大数据分析往往是看着很美好，实际不好做。在上文（典型领域的大数据应用——大数据行业分析（三））中我们提到，医疗行业的数据地域、行业割裂严重，医疗数据的融合与管理虽然是趋势，但是近期较难形成真正意义上的大数据；而且在各类医疗数据中，由于质量参差不齐，导致不同数据的潜在变现能力有所不同，在具体考察项目时需要进行具体分析。

思考三：审慎看待“人工智能”标签

目前，大多数的大数据公司都给自己贴上了“人工智能”的标签，并标榜自己基于大数据的积累，使用AI算法进行商业决策，等等。然而，在面对这些企业时，应该更审慎一些。

诚然，大数据是人工智能的基础，为人工智能的发展提供了数据资料，然而，大数据并不能看做人工智能。大数据的本质是通过对海量数据的分析，得出相应的数据规律，从而指导人们根据数据分析结果进行决策的优化，释放数据价值，机器学习只是大数据各种算法中的一部分。与大数据分析相比，机器学习是在大数据分析的基础上，对算法不断优化，让机器能够借助这些算法持续提升大数据分析的能力。从目前人工智能的发展现状看，只有很少的企业能够进阶到以机器学习为代表的人工智能阶段，更不用谈真正高阶的人工智能了——机器自身具备数据收集、整理、分析的能力，并自主对算法进行调整和优化，自主做出判断和决策。

大数据与人工智能关系示意图

总之，大数据是一种非常有效的工具，然而在使用的过程中，需要审慎看待其落地能力与技术水平。