在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》中大數(shù)據(jù)指不用隨機分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進行分析處理。IBM提出的大數(shù)據(jù)的5V特點被業(yè)界廣泛認可：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

與傳統(tǒng)大數(shù)據(jù)相比，工業(yè)大數(shù)據(jù)還有可見性（Visibility）這一顯著特征。所謂可見性即通過大數(shù)據(jù)分析使以往不可見的重要因素和信息變得可見。正是因為工業(yè)大數(shù)據(jù)的專業(yè)性特點，工業(yè)大數(shù)據(jù)的挑戰(zhàn)和目的一般通過“3B”和“3C”來理解。

• Bad Quality：數(shù)據(jù)質(zhì)量差。受制于生產(chǎn)一線數(shù)據(jù)獲取手段，以及現(xiàn)有傳感器、傳輸信道的穩(wěn)定性，加之不可避免的人為干擾，極大地降低了所采集數(shù)據(jù)的準確性和真實性。

• Broken：碎片化。面向應用要求具有盡可能多維度的樣本數(shù)據(jù)，全方位反映生產(chǎn)過程中各類變化的因素，保證從數(shù)據(jù)集中能夠提取出真實反映對象狀態(tài)的全面性信息。

• Below Surface：隱匿性。除了對數(shù)據(jù)所反映出來的表面統(tǒng)計特征進行分析以外，更應該關注數(shù)據(jù)背后的物理意義以及特征之間關聯(lián)性。

• Comparison（比較性）：通過縱向或橫向比較，發(fā)現(xiàn)數(shù)據(jù)波動的規(guī)律和異常，為海量信息的分類與管理奠定基礎。

• Correlation（相關性）：借助大數(shù)據(jù)相關技術，才能發(fā)掘出不同維度數(shù)據(jù)的相關性，從不同維度分析同一生產(chǎn)過程，優(yōu)化生產(chǎn)效率。

• Consequence（因果性）：工業(yè)生產(chǎn)的流程眾多，影響因素錯綜復雜，但無論如何目標都是利用最少的材料，生產(chǎn)出質(zhì)量最優(yōu)的產(chǎn)品。因此，在制定特定決策時，需要通過數(shù)據(jù)預測分析出其所帶來的影響，判斷決策是否對于實現(xiàn)最終目標有益。

工業(yè)大數(shù)據(jù)的產(chǎn)生和收集貫穿于工業(yè)生產(chǎn)的全過程，從不同的角度折射出生產(chǎn)過程的影響因素對于生產(chǎn)過程的影響。通過對于數(shù)據(jù)的匯總和分析，以信息化和工業(yè)化融合為基礎，輔助制造業(yè)向前發(fā)展。

工業(yè)大數(shù)據(jù)從產(chǎn)生到使用需要經(jīng)過數(shù)據(jù)獲取、數(shù)據(jù)存儲、數(shù)據(jù)清洗、數(shù)據(jù)建模和分析決策的過程。其中數(shù)據(jù)獲取能夠通過傳感器以及設備上的控制檢測單位完成，而主要研究內(nèi)容集中在其余的四個環(huán)節(jié)上。

工業(yè)大數(shù)據(jù)發(fā)展態(tài)勢可謂良好，然而在應用的各個環(huán)節(jié)仍然存在著不少暗礁與險灘，需要從業(yè)者予以一一攻克。

首先，在數(shù)據(jù)采集方面雖然已經(jīng)有射頻識別（RFID）、紅外感應器、全球定位系統(tǒng)和激光掃描器等信息傳感設備在制造車間使用，大大提升了工廠的信息采集能力。但是由于各個制式的傳感器數(shù)據(jù)的異構性，缺乏統(tǒng)一的采集標準，大量的非結構化數(shù)據(jù)對下一步的數(shù)據(jù)處理造成了極大困難。同時，由于數(shù)據(jù)采集過程中缺少數(shù)據(jù)模型的支撐，造成部分關鍵數(shù)據(jù)缺失的情況，這都需要企業(yè)在大數(shù)據(jù)建設過程中予以充分的考慮。

其次，工業(yè)現(xiàn)場環(huán)境相對惡劣，電磁干擾等更是家常便飯，傳輸信道極易受到其他電子設備的干擾，造成數(shù)據(jù)的丟失和損壞。同時，大量數(shù)據(jù)的采集對原有車間的網(wǎng)絡基礎建設也是一項考研。窄帶物聯(lián)網(wǎng)協(xié)議雖然解決了上述問題，但是其傳輸速度又受到了限制，為此亞馬遜、IBM等企業(yè)均啟動的相應的研究。

最后，對于數(shù)據(jù)的利用，最終要落實到大數(shù)據(jù)模型的建立以及基于模型的科學決策上。但是，目前大數(shù)據(jù)模型的建立仍存在一定的困難，主要由于工業(yè)大數(shù)據(jù)來源于工業(yè)生產(chǎn)，涉及眾多的生產(chǎn)過程。對于大數(shù)據(jù)分析師而言，雖然在數(shù)據(jù)分析建模領域有豐富的經(jīng)驗，但無法深刻理解工業(yè)生產(chǎn)過程，因此無法實現(xiàn)對大數(shù)據(jù)的精準分析。另一方面，工業(yè)生產(chǎn)專家雖然熟悉生產(chǎn)過程，但缺乏相關的統(tǒng)計學知識和數(shù)據(jù)分析技能，面對大數(shù)據(jù)時經(jīng)常顯得束手無策。因此，要解決這一問題，需要企業(yè)培養(yǎng)一批既懂生產(chǎn)過程，又具備統(tǒng)計及數(shù)據(jù)分析能力的人才，與大數(shù)據(jù)分析師一起聯(lián)合攻關，共同構建大數(shù)據(jù)模型。

工業(yè)大數(shù)據(jù)應用方向思考

國內(nèi)大數(shù)據(jù)的宣傳早已過熱，很多區(qū)縣級政府也在考慮成立大數(shù)據(jù)局，政府對大數(shù)據(jù)熱幾乎沒有抵抗力，企業(yè)沒有緊跟就對了，在大數(shù)據(jù)高潮中反省政府的大數(shù)據(jù)行為、冷靜一下頭腦是有益的，畢竟大數(shù)據(jù)應用是一個經(jīng)濟問題，一窩蜂地大數(shù)據(jù)會使人犯“大煉鋼鐵”一類的錯誤。

1.1 過熱產(chǎn)生盲目性

國內(nèi)大數(shù)據(jù)的宣傳早已過熱，很多區(qū)縣級政府也在考慮成立大數(shù)據(jù)局，政府對大數(shù)據(jù)熱幾乎沒有抵抗力，企業(yè)沒有緊跟就對了，在大數(shù)據(jù)高潮中反省政府的大數(shù)據(jù)行為、冷靜一下頭腦是有益的，畢竟大數(shù)據(jù)應用是一個經(jīng)濟問題，一窩蜂地大數(shù)據(jù)會使人犯“大煉鋼鐵”一類的錯誤。

1.2 大數(shù)據(jù)應用效益存在問題

大數(shù)據(jù)最積極的推動者是政府，但是政府工作如何從大數(shù)據(jù)應用中獲益一直沒有清晰的答案，有效的大數(shù)據(jù)應用集中于互聯(lián)網(wǎng)企業(yè)和金融領域并非政府工作，迄今一本像樣的政府大數(shù)據(jù)應用案例都編寫不出來，這種情況下推力政府大數(shù)據(jù)應用會帶有很大的盲目性，這是技術導向而不是問題導向，技術導向必然會造成浪費。

1.3 大數(shù)據(jù)不是包治百病的神藥

現(xiàn)在對大數(shù)據(jù)的宣傳已經(jīng)遠遠勝過對城市問題的探討，問題還沒搞清藥方就先開出來了，大數(shù)據(jù)藥方再靈也不可能解決自己都沒有診斷清楚的問題。任何技術都有其長處和短處，大數(shù)據(jù)也是一樣，都有其能解決與不能解決的問題，各地政府首先要明確要問題是什么，然后再審視大數(shù)據(jù)技術能否發(fā)揮作用，不能反過來先定大數(shù)據(jù)再去找問題，政府工作明確目標永遠比搞清技術更重要。

2.1 大數(shù)據(jù)是如何產(chǎn)生的？

任何有社會影響力的新名詞都不是望文生義可以解釋的，這些名詞都被賦予了成語含義，“大數(shù)據(jù)”便是其一。歷史上超大規(guī)模的數(shù)據(jù)很多卻不被稱為大數(shù)據(jù)，是因為單純數(shù)據(jù)量增長并沒有形成巨大社會影響力。

大數(shù)據(jù)概念是大的數(shù)據(jù)量與現(xiàn)代信息技術環(huán)境相結合涌現(xiàn)的結果，因此引發(fā)了巨大的效益機會，“大數(shù)據(jù)”一詞的發(fā)明與宣傳是為了抓住這個新機會。

2.2 沒有互聯(lián)網(wǎng)便沒有大數(shù)據(jù)

任何資源的價值展現(xiàn)都離不開特定的環(huán)境，互聯(lián)網(wǎng)前的海量數(shù)據(jù)因缺少規(guī)?；纳鐣枚粸槿藗冎匾?，互聯(lián)網(wǎng)創(chuàng)造了大數(shù)據(jù)應用的規(guī)?；h(huán)境，大數(shù)據(jù)應用成功的案例大都是在互聯(lián)網(wǎng)上發(fā)生的，互聯(lián)網(wǎng)業(yè)務提供了數(shù)據(jù)，互聯(lián)網(wǎng)企業(yè)開發(fā)了處理軟件，互聯(lián)網(wǎng)企業(yè)的創(chuàng)新帶來了大數(shù)據(jù)應用的活躍，沒有互聯(lián)網(wǎng)便沒有今天的大數(shù)據(jù)產(chǎn)業(yè)。

2.3 大數(shù)據(jù)是“大智移云物”的共同產(chǎn)物

如果沒有汽車與高速公路石油產(chǎn)業(yè)不會那么重要，同樣，沒有互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)、移動終端與人工智能組合的環(huán)境大數(shù)據(jù)也沒那么重要。大數(shù)據(jù)的價值并非與生俱來而是應用創(chuàng)新之結果，價值是由技術組合創(chuàng)新涌現(xiàn)出來的。離開環(huán)境的支持大數(shù)據(jù)毫無價值，就像離開了身體的手不再有手的功能一樣。

3.1 傳統(tǒng)的大數(shù)據(jù)應用理念

人們對事物的想象力很容易受所用詞匯的暗示，“大數(shù)據(jù)”容易暗示人們關注數(shù)據(jù)規(guī)模而忽略信息技術背境的巨大變化所涌現(xiàn)的新機會。政府官員的工作經(jīng)歷很容易把大數(shù)據(jù)應用想象為只是統(tǒng)計應用在數(shù)量上的升級，大數(shù)據(jù)的作用是提取信息，信息的作用是改進決策，數(shù)據(jù)多意味著信息多，信息越多決策就越準確。在不少干部的理解中，部門數(shù)據(jù)整合起來就是大數(shù)據(jù)。

3.2 兩種數(shù)據(jù)使用方向：支持決策與支持操作

在政府的工作中，數(shù)據(jù)對領導層的作用主要是改進決策，但基層工作人員不需要決策，數(shù)據(jù)是用來直接操作的。政府公共服務業(yè)務主要是操作問題，服務是規(guī)范的數(shù)據(jù)處理，基層工作人員只是按章辦事不需要決策分析。使用信息技術是為了提高操作服務的效率。發(fā)改委等十部門提出的“一號一窗一網(wǎng)”的服務要求所要解決的只是提高操作的效率。改進決策與改進操作是大數(shù)據(jù)兩種不同的使用方向。

3.3 專家(人腦)與系統(tǒng)(電腦)使用大數(shù)據(jù)的特點

支持決策的數(shù)據(jù)應用是面向專家(包括領導)的，專家需要從數(shù)據(jù)中提取信息，以信息支持決策，從數(shù)據(jù)中領悟信息是人腦獨有的本領，但不同人信息領悟力并不一致，同樣的數(shù)據(jù)不同人領悟的信息不同，對決策的影響也不同，應用結果的不確定性是專家使用大數(shù)據(jù)的特點。。

支持操作的數(shù)據(jù)應用不能有不確定性，操作系統(tǒng)的數(shù)據(jù)應用是由系統(tǒng)控制的，操作按確定的規(guī)則進行，沒有自由量裁的可能，數(shù)據(jù)應用結果由軟件決定，這種應用是電腦在使用數(shù)據(jù)，電腦不懂信息只會嚴格依數(shù)據(jù)操作，這種使用數(shù)據(jù)的模式保證了大規(guī)模業(yè)務行為的一致性。

3.4 政府不能忽略操作型大數(shù)據(jù)應用

政府工作存在著兩種大數(shù)據(jù)應用：支持決策與支持操作，但是在多數(shù)政府官員只想著大數(shù)據(jù)支持決策而想不到改進服務操作更有效益。大部分的政府服務的精細化改進并不是決策層次上改進，而是操作層次上的改進，政府提出的“一號一窗一網(wǎng)”式服務關鍵是提高操作的效率，實踐證明操作的優(yōu)化的改進空間更大，大數(shù)據(jù)在提高政府決策水平上的成效往往不如提高操作效率成效明顯。

4.1 大數(shù)據(jù)小數(shù)據(jù)的不同來源

以數(shù)據(jù)量來劃分大數(shù)據(jù)與小數(shù)據(jù)會忽略兩種數(shù)據(jù)更實質(zhì)的差別，從數(shù)據(jù)產(chǎn)生的過程看，小數(shù)據(jù)是經(jīng)人觸摸過的數(shù)據(jù)，包括人工填報或更新、核對等。大數(shù)據(jù)是機器自動記錄的、未經(jīng)人觸摸過數(shù)據(jù)。

小數(shù)據(jù)來自業(yè)務流程中的人工填報、統(tǒng)計調(diào)查等渠道，統(tǒng)計調(diào)查是可以根據(jù)決策信息的需要專門設計的，為降低成本統(tǒng)計經(jīng)常采用抽樣調(diào)查的方法。

大數(shù)據(jù)來自自動化業(yè)務運行的副產(chǎn)品，出于成本的考慮，政府不大可能專為收集信息而設計大數(shù)據(jù)收集鏈，為決策服務大數(shù)據(jù)只能利用業(yè)務系統(tǒng)產(chǎn)生的數(shù)據(jù)副產(chǎn)品，大數(shù)據(jù)的收集成本是由業(yè)務系統(tǒng)承擔的。大數(shù)據(jù)的來源受到業(yè)務系統(tǒng)種類的限制，不是所有的信息需求都能找到恰當?shù)臄?shù)據(jù)源。

4.2 大數(shù)據(jù)適合小決策而不適合大決策

大數(shù)據(jù)適合在狹窄范圍內(nèi)對具體事務決策而不適合于大范圍的決策。因為大數(shù)據(jù)的形成包含著先天的局限性，很多影響重大決策的信息恰恰是無法數(shù)字化的，例如國內(nèi)外形勢、技術創(chuàng)新、隊伍士氣、重大事件(類似美國9.11 事件)都無法數(shù)字化，可數(shù)字化的現(xiàn)象只是小部分，以為靠數(shù)據(jù)決策就能更全面也是一種誤解。政府重大決策需要考慮各方面的平衡，局部領域的大數(shù)據(jù)僅適合局部領域的決策，不適合面向全局的政府決策，精細化與全面性是不可得兼的。

4.3 改進政府操作的大數(shù)據(jù)應用

政府的大數(shù)據(jù)應用不能只關注決策應用，改進操作的大數(shù)據(jù)應用往往能夠獲得更好的效益。政府對公眾的服務主要使用的還是以小數(shù)據(jù)為中心的數(shù)據(jù)庫，但是融入現(xiàn)場服務數(shù)據(jù)的應用可以將服務提高到大數(shù)據(jù)的層次上并增加智能化的應用。對政府基層工作人員的支持現(xiàn)場化、連機化，通過云平臺與實時通信能顯著提高一線人員的工作效率，是提高政府基層服務的智能化的重要措施，以改進服務操作效率的智能大數(shù)據(jù)應用會有更大的成效。

5.1 人腦使用數(shù)據(jù)模式的效率制約

為人腦決策使用的大數(shù)據(jù)應用模式存在兩點不足：一是效率上不去，大數(shù)據(jù)分析結果一旦交付大數(shù)據(jù)應用就結束了，無法形成連續(xù)服務型業(yè)務，信息的進一步應用是領導的事情，與大數(shù)據(jù)處理無關了，人腦決策的慢節(jié)奏抵消了大數(shù)據(jù)快處理的價值。

其次是大數(shù)據(jù)信息決策的效果的不確定性，決策質(zhì)量與領導人的知識、思維方式、決策風格密切相關，決策效果又與執(zhí)行團隊的能力相關，涉及的不確定因素太多。人腦使用數(shù)據(jù)的模式無法實現(xiàn)數(shù)據(jù)應用效果的確定性。

5.2 電腦使用數(shù)據(jù)模式的效率優(yōu)勢

電腦使用數(shù)據(jù)的模式排除了人腦的參與，系統(tǒng)完全是由事先編寫的軟件直接處理數(shù)據(jù)，排除了人腦介入有兩點好處：一是運行速度快，信息技術的速度優(yōu)勢得以充分發(fā)揮；二是保證了結果的確定性，系統(tǒng)的行為是可預測的，這將有利于系統(tǒng)可成為可組合、可疊加的功能模塊，能夠被集成為更復雜的系統(tǒng)。

5.3 智能大數(shù)據(jù)應用可形成連續(xù)性業(yè)務

排除人腦參與的數(shù)據(jù)應用模式是信息技術的自動化應用，這種模式可綜合使用各種技術資源(包括云平臺、物聯(lián)網(wǎng)、移動終端、人工智能等等)建立高速、流暢連續(xù)型服務，進入智能服務的新階段，常見的互聯(lián)網(wǎng)搜索、電子商務、移動支付、摩拜單車、螞蟻金服無一不是這類的智能大數(shù)據(jù)應用，這種持續(xù)的智能大數(shù)據(jù)服務更受公眾歡迎、社會影響力也更大。

6.1 所有的智能應用都是大數(shù)據(jù)應用

大數(shù)據(jù)是機器與機器對話的語言，只有機器與機器的高速對話才能產(chǎn)生如此規(guī)模的大數(shù)據(jù)。物聯(lián)網(wǎng)、云平臺、寬帶網(wǎng)、移動終端等設施要發(fā)揮作用都要依賴機器與機器的對話，隨著信息技術的大發(fā)展，機器與機器的對話速度越來越快、范圍越來越廣、規(guī)模越來越大，系統(tǒng)也越來越智能化，所有的智能數(shù)據(jù)應用都屬于大數(shù)據(jù)的應用范圍。

6.2 智能化的作用是提高執(zhí)行的效果

雖然大數(shù)據(jù)可以用于改進決策，但智能化的目標是提高執(zhí)行的效果。計算機系統(tǒng)的作用是使規(guī)范性、可重復的工作做的更快。對于需要創(chuàng)造性的、非重復性的工作信息技術是依然無能為力的，人們發(fā)現(xiàn)幾十年來計算機對于人腦決策能力的提高始終不大，智能化應用機會還是集中在對規(guī)范業(yè)務的改進，規(guī)范業(yè)務是確定性的服務，遠比充滿不確定性的決策業(yè)務更能讓計算機發(fā)揮作用。

6.3 操作型大數(shù)據(jù)應用的智能化趨勢

以提高執(zhí)行效率為目標的大數(shù)據(jù)應用將向智能化發(fā)展，以互聯(lián)網(wǎng)為基層的現(xiàn)代信息技術的大發(fā)展已經(jīng)為服務的智能化創(chuàng)造力良好的條件，早期由于通信與網(wǎng)絡能力的限制只能在一臺設備上存儲自動處理系統(tǒng)被稱為自動化處理階段，今天自動處理系統(tǒng)可以綜合應用網(wǎng)絡通信、云平臺數(shù)據(jù)與軟件、物聯(lián)網(wǎng)感知數(shù)據(jù)與機器學習來實現(xiàn)更有效的自動管理，則被稱為智能化服務階段，排除了人腦參與的大數(shù)據(jù)應用進入智能化服務沒有任何障礙，大數(shù)據(jù)應用智能化成為必然趨勢。

7.1 鮮活的數(shù)據(jù)

智能化應用中的大數(shù)據(jù)資源與信息決策中的數(shù)據(jù)資源的重大不同在于前者是動態(tài)形成的，其數(shù)據(jù)環(huán)境是不斷變化、不斷更新的，很多數(shù)據(jù)是在運行中自動生成的，數(shù)據(jù)資源與智能系統(tǒng)共生，這種數(shù)據(jù)資源很難轉讓，數(shù)據(jù)與服務系統(tǒng)是統(tǒng)一的生命體不能單獨存在的，離開了系統(tǒng)的數(shù)據(jù)可以用來分析但失去了原來的意義，如同離開了人體的手再也沒有原來的功能了。

7.2 實時的處理

在智能系統(tǒng)中的大數(shù)據(jù)應用是實時處理，面向信息決策中的大數(shù)據(jù)應用是批處理。實時處理能夠確保及時性，這對于提高服務效率、保持業(yè)務的連續(xù)性很重要，現(xiàn)在強調(diào)“一號一窗一網(wǎng)”式的為民辦事離不開對數(shù)據(jù)的實時處理。而信息決策類大數(shù)據(jù)應用則并不需要這種高效。

7.3 持續(xù)高效的服務

智能化的大數(shù)據(jù)應用排除了人腦的干預，全部流程都是由電腦對電腦一氣呵成，這樣就能夠達到很高的運行效率，而這是智能化系統(tǒng)巨大的優(yōu)勢，也是智能服務系統(tǒng)得以生存的原因，不論是搜索、購物還是其它自動化的服務，人的耐心都是很有限的，處理慢一點人們就會棄之而去。在信息決策大數(shù)據(jù)應用的結果是供人腦一次性使用的，處理速度就不那么重要了。

7.4 不斷積累的智慧

能夠不斷積累智慧的業(yè)務更有活力，易于修改是以軟件為基礎的業(yè)務的極大優(yōu)點，這使得軟件系統(tǒng)成為積累智慧最方便的工具，信息系統(tǒng)的高速發(fā)展也得益于系統(tǒng)智慧積累的能力。一項可持續(xù)的智能化業(yè)務系統(tǒng)始終處于不停的改進、完善與擴展之中，不斷推出新版本的過程是智慧積累的過程，智慧的不斷積累增添了系統(tǒng)的服務能力與可持續(xù)性。

信息決策大數(shù)據(jù)應用則不具有這一優(yōu)勢，其業(yè)務不連續(xù)很難推出一個又一個的新版本，智慧積累效率就慢多了。

8.1 數(shù)據(jù)資源的時效性

數(shù)據(jù)資源像蔬菜一樣有保鮮期，極少有越老越值錢的數(shù)據(jù)。數(shù)據(jù)集中存儲很容易，由此而來的數(shù)據(jù)質(zhì)量維護卻是一大難題。數(shù)據(jù)生成得快貶值也快，很多數(shù)據(jù)往往還來不及處理數(shù)據(jù)就失效了，反而是那些變化稍慢、穩(wěn)定期稍長的數(shù)據(jù)容易得到較多用戶且服務也容易開展，這類數(shù)據(jù)大部分是小數(shù)據(jù)。

不同的數(shù)據(jù)使用方式對數(shù)據(jù)質(zhì)量有不同的要求，面向操作的應用則對數(shù)據(jù)質(zhì)量非常敏感，例如證照庫若不能及時更新就無法使用。信息決策類應用對數(shù)據(jù)的敏感性會差一些，大數(shù)據(jù)中心應當使數(shù)據(jù)的時效性與應用需求同步，要根據(jù)需求的價值有重點有選擇地組織好數(shù)據(jù)質(zhì)量的維護。

8.2 大數(shù)據(jù)交易中心的困難

大數(shù)據(jù)交易中心與成為建設熱點，在大數(shù)據(jù)應用剛剛開始，人們還沒搞清大數(shù)據(jù)交易是什么概念時就建交易中心實在太早了。

實時服務的智能大數(shù)據(jù)應用的數(shù)據(jù)是鮮活的、是服務中自動生成的動態(tài)數(shù)據(jù)，要交易的是動態(tài)數(shù)據(jù)流還是截取的靜態(tài)數(shù)據(jù)，動態(tài)的大數(shù)據(jù)交易很難，不僅談判難處理也難，用戶需要建立動態(tài)數(shù)據(jù)的實時處理系統(tǒng)。

靜態(tài)的大數(shù)據(jù)交易更可行一些，但數(shù)據(jù)資源與應用需求并不容易匹配，這將會限制交易數(shù)的增長，另一困難是隱私權保護問題，數(shù)據(jù)需要脫敏，未脫敏的數(shù)據(jù)交易會受到限制，交易中心將長期面對交易稀缺的局面，經(jīng)營很不容易。

8.3 小數(shù)據(jù)服務需要補課

發(fā)達國家是在小數(shù)據(jù)充分應用之后才開始應用大數(shù)據(jù)，國內(nèi)是在小數(shù)據(jù)應用還很不足時跨越式應用大數(shù)據(jù)。小數(shù)據(jù)應用補課是各地大數(shù)據(jù)中心必須重視的問題。要看到越是簡單的東西應用面越廣，小數(shù)據(jù)的應用空間比大數(shù)據(jù)大得多，尤其是整合后的小數(shù)據(jù)服務，極可能成為的數(shù)據(jù)中心最火的業(yè)務。

政府服務的精細化依賴的主要是小數(shù)據(jù)，把小數(shù)據(jù)的整合服務做好，大數(shù)據(jù)中心的工作即完成了90%，千萬不能輕視小數(shù)據(jù)服務，大數(shù)據(jù)中心的立身之本恰恰是小數(shù)據(jù)整合服務。

8.4 大數(shù)據(jù)中心的經(jīng)濟價值

大數(shù)據(jù)中心的生存本質(zhì)上是一個經(jīng)濟問題，人們想做交易中心也是希望能夠在經(jīng)濟上更節(jié)約、更有效益，但是效益的基礎是應用規(guī)模，只有大量重復性、相似性的工作才有可能利用平臺與工具來提高服務效率創(chuàng)造用戶價值，目前小數(shù)據(jù)服務更能夠滿足規(guī)模經(jīng)營的條件。

政府公共服務的支柱還是小數(shù)據(jù)，單獨成規(guī)模的大數(shù)據(jù)服務不多，各種數(shù)據(jù)資源的綜合使用會有更大的創(chuàng)新機會，地理數(shù)據(jù)與政府服務相結合、推動政府服務的連線化動態(tài)化可能提升用戶價值，大數(shù)據(jù)中心要發(fā)展必須全力創(chuàng)造用戶價值，唯有用戶價值才能支撐大數(shù)據(jù)中心生存。

9.1 理念創(chuàng)新，積極宣傳智能大數(shù)據(jù)應用

首先要拓展大數(shù)據(jù)應用理念，不能將大數(shù)據(jù)應用局限在政府信息決策的狹窄領域之中，而要看到智能大數(shù)據(jù)應用的廣泛空間，將智能大數(shù)據(jù)應用與大眾創(chuàng)業(yè)萬眾創(chuàng)新結合起來，將一切智能化應用都歸入大數(shù)據(jù)應用的范圍，大數(shù)據(jù)概念越廣闊應用越繁榮。

利用大數(shù)據(jù)改善政府決策是大數(shù)據(jù)應用的重要方面，過去已強調(diào)得很多了，現(xiàn)在需要強調(diào)的是政府公共服務的智能化、精細化。大數(shù)據(jù)不僅能改善決策還能改善服務，改善服務有著更廣闊的發(fā)展空間，公眾的獲得感更好。

9.2 為大數(shù)據(jù)應用創(chuàng)造良好的基礎環(huán)境

對大數(shù)據(jù)應用最給力的推動是提供優(yōu)良的通信環(huán)境和完善的信息基礎設施。大數(shù)據(jù)應用的基礎是超強的通信能力，通信能力影響全社會大數(shù)據(jù)應用的成本，包括用戶的時間成本與服務商的開發(fā)與服務成本，降低通信成本是對大數(shù)據(jù)應用創(chuàng)新極大的支持，土壤肥沃莊稼才能茂盛。

政府數(shù)據(jù)開放是推動大數(shù)據(jù)應用的措施之一，可為大數(shù)據(jù)應用帶來示范效果，政府要鼓勵企業(yè)利用政府大數(shù)據(jù)開展增值服務，使更多缺乏大數(shù)據(jù)處理能力的公眾也能從政府數(shù)據(jù)開放中獲益。

9.3 鼓勵社會大數(shù)據(jù)應用的自組織創(chuàng)新

大數(shù)據(jù)應用是一項創(chuàng)新，政府不能只從政府決策的視角來引導大數(shù)據(jù)應用方向，而要從方便公眾受益的視角推動智能化的大數(shù)據(jù)應用，要鼓勵社會各界智能化大數(shù)據(jù)應用的合作與自組織創(chuàng)新，好服務都是各種應用技術組合創(chuàng)新的結果，政府宜推動智慧城市大數(shù)據(jù)應用的互操作，降低不同技術合作創(chuàng)新的成本來促進應用創(chuàng)新的繁榮。

本文資料采編自36大數(shù)據(jù)。