认清现实吧 中国大数据产业的痛点和困难
大数据作为一个新兴的产业，一直在处于舆论的风口浪尖。就像互联网＋的概念一样，大数据被神话了，被送上了“宗教”的神坛。大数据企业总是有一个担心，生怕大数据被捧得的太高，将来可能会被摔的很惨。
2015年中国大数据产业的热度从贵阳大数据交易所开始，到9月国务院的2015第50号文《促进大数据发展行动纲要》进入高峰，相信10月份的乌镇互联网大会上，大数据还会是一个大的热点。
大数据论坛上，数据产品和解决方案被介绍的很多。数据给企业带来的具体价值、数据应用场景、大数据产业的痛点介绍的很少。中国大数据产业经历着很多痛苦，大数据产业前景很好，但是大数据企业却很难做大，很难实现质的飞跃。中国大数据产业的痛点和困难如下。
1 大数据企业众多而弱小，很难实现产业优势中国大数据企业大概有200多家，将近60%集中在北京，以小微企业为主，年销售额达到十亿人民币的企业几乎没有。大数据产业处于春秋时代早期，各家诸侯割地而立，每家占领了一块小的细分领域，很难做大，都面临着同行的激烈竞争，有的领域例如舆情监控已成为红海。
大数据企业人数大多在几十人到几百人，少有千人以上的企业。没有一家大数据企业可以统领一个行业，没有一家企业占有细分市场10%的份额，没有一家大数据企业建立了行业标准，领导行业发展。
中国大数据产业处于极度分散状态，优秀的人才分布在不同企业，很难形成人才合力。各家企业规模小，很难在企业做深做大，很难利用大数据帮助企业实现业务提升。大多数企业的工具和数据很难满足企业整体的数据要求，中国的数据挖掘和分析产品也很难和国外的产品进行竞争。
大数据产业如果要形成产业优势，必须需要一批领军企业。参考国外大数据产业，中国在大数据基础架构，数据产品，数据工具、数据清洗和数据挖掘、数据分析、数据人才都需要产生一批标杆企业。每个领军企业都规模应该在千人以上，销售额应该在百亿以上，否则很难形成技术和人才优势，也很难利用大数据帮助客户实现业务提升。
贵阳大数据交易所《2015年中国大数据交易白皮书》提到2014年中国大数据市场规模为767亿元。这个数字看上去不错，估计其实真正和大数据工具和大数据产品相关的不足20%（业务价值提升）。大多数的经费都用于大数据基础平台（存储和计算）、咨询、报告等和业务价值提升相关度不大的领域。中国大数据市场销售额大多数集中在传统的IT企业例如IBM，Oracle，EMC，Intel，华为，联想等。真正大数据企业所有市场份额加起来可能就在百亿元左右。
中国大数据企业规模过小，领军企业缺少，行业过于分散，这些都是制约中国大数据产业发展的因素，也是产业做大的一个痛点。
2 外部数据是一个个孤岛，数据价值低数据是大数据产业发展的基础，具有商业价值的数据可以帮助企业洞察客户、数字化运营、风险管控、精准营销、预测和决策等。具有商业价值的数据和商业分析真正能够帮助企业提升业务，创造出新的价值。
中国的大数据市场还不成熟，很多大数据企业拥的数据都是片段的数据，很难形成完整的，具有商业价值的数据。大数据市场的数据质量和企业的数据需求有较大的差距。外部数据大多处于孤岛状态，数据之间很少流动和整合；孤立、不流动、没有整合的数据很难帮到企业，很多需要数据的企业不得不从多个大数据企业采购数据，效率很低，采购来的数据价值不高，数据整合的难度较大，数据采购的整体费用过高。
大家都看到了数据分散的弊端，于是很多地方都建立了大数据交易市场，帮助大家进行数据交易和数据采购。由于缺少法律保护，很多企业不太想在交易市场进行数据交易，往往还是采用一对一的数据交易，这种交易方式可以保护交易双方的利益。具有商业价值的数据还在开发中，大数据交易市场，缺少大量可以进行交易的数据。大数据交易市场这种商业模式，还需要用很长的时间去证明。
中国质量最好的数据在金融行业、BAT、电信运营商，这些企业比较谨慎，很难向外部输出数据。这三大行业自身的主营业务也不在数据，其数据产品生产和输出的愿望也不强烈。政府的数据正在逐步开放，但是其数据质量、集中度、输出方式等多存在很大多挑战。在中国大规模的数据开放，至少需要3年时间才能达到商业应用要求。
3 大多数企业客户，对数据商业应用敏感度低大多数企业对数据有需求，但是其对数据商业敏感度很低。对数据商业应用的场景以及数据技术了解很少。即使是数据商业敏感度较高的银行，至少要沟通三次以上，其才能够建立起数据价值理念。其他行业例如制造业，房地产业，零售业，他们的数据商业敏感度更低。甚至万科的王石也大声疾呼，不要和房地产业谈大数据应用，房产行业数据还不全，很多还是手工数据。于是某个领先的电商开始帮助万科进行数据规划建设，研究大数据在房地产行业的应用。
已有的大数据企业商业案例中，大部分都是大数据企业主动去找客户谈合作，为企业提供数据产品、数据工具或数据技术，目的是帮助企业提升业务。但是这种商业模式很累，市场很难被引爆，被动的数据商业应用，往往和业务结合较弱，无法迅速帮助企业利用数据提升业务，同时也无法解决业务发展瓶颈。
企业内部人士深度了解业务需求，他们缺少的是市场数据和消费者反馈，缺少的数据分析方法和工具。企业内部人士更应该成为大数据商业应用的主力，参加一些行业活动，从需求出发，主动寻找数据和解决方案。移动互联网时代，商业竞争策略很清晰，一个是快，一个是要利用数据进行决策。
大数据产业的发展，不仅仅是大数据企业自身的事情，也是各家企业自身的事情。企业客户也应该依据业务需要，主动到市场寻找数据和解决方案，提升数据商业敏感度，从业务场景出发，寻找具有价值的数据。
4大数据技术和产品同业务结合深度不够市场上所有大数据企业和客户都面临一个难题，就是数据解决方案同客户业务结合的深度不够，数据对业务整体推动效果不如期望，这也是大数据产业爆发的一个痛点。由于外部数据质量、企业用户数据敏感度、企业管理方式、商业数据人才等问题，大数据解决方案很难和业务深度结合。
大数据核心价值就是揭示事务发展规律，帮助企业利用数据进行科学决策。目前大数据的商业应用领域主要集中在数据采集、数据存储、数据计算、用户画像、精准营销等领域。大数据最具商业价值的预测和辅助决策功能并没有被充分利用。特别是在重大战略决策方面，大数据的作用并不明显。企业的产品开发，市场策略，战略决策还是依靠过去的精英决策和经验主义。未来社会只有两类企业，一种是利用数据发展的企业，另外一种是不重视数据被淘汰的企业。
大数据企业如果想发展壮大，如果想成为行业领先的企业，其必须放弃短期利益，深入到客户的运营中去，了解客户的数据，了解客户的业务，了解客户的商业需求。同时利用数据了解客户，了解市场，了解业务场景。数据和业务深度结合的核心是掌握正确的数据、正确的方法、正确的工具。业务人员要懂数据，技术人员要懂业务。复合型数据人才是数据生意的关键，业务人员掌握数据技术的门槛较高，但是技术人员了解业务的门槛很低，复合性人才倾向于从技术人才培养开始。
企业内部的数据人才和大数据企业的数据人才需要互相学习，了解对方环境和需求，在同一个平台上进行对话和沟通。数据团队需要深入了解业务场景和背后的规律，从业务出发，从场景出发，从数据出发，将大数据解决方案同业务深度结合，利用数据推动业务发展，发挥大数据预测规律的核心价值。
5 专业数据挖掘工具和人才缺失传统的数据挖掘工具和BI系统存在很久了，通过各类报表展示，让管理层了解企业运营信息，过去的确帮助企业提高管理水平，达到了预期目的。
在大数据时代，企业需要的是实时数据，需要的是高效工具，需要的是决策支持和预测。传统的数据挖掘工具的性能和灵活性已经不能满足企业的需要，另外非机构化数据的应用也对传统数据工具提出了挑战。BI领域中的SAS，SPSS，TD等数据工具越来越被边缘化，R语言正在成为数据统计和可视化的新宠。
数据的时间价值正在得到重视，特别是金融企业，所有的业务部门都期望在最短的时间里，看到资金使用情况，客户交易情况，风险管控情况。企业越早了解信息，就会越早进行决策，时间就是Money。过去数据需求可能是T＋5或者T＋30，现在的数据需求往往是T＋1或者T＋0，数据实时性、准确性、相关度被提到了一个非常重要的地位。业务的需求已经很明显了，但是数据工具和人才却是一个很大的挑战。
中国200多家大数据企业，看到了大数据产业的曙光，看到了大数据产业的价值，同时也在经历着大数据企业的痛苦。大数据产业发展很快，市场正在逐步变大，但是其产业优势不明显，优势企业很少，数据商业化较慢，市场还不成熟，客户数据商业敏感度较低，缺乏高质量数据工具和人才。所有大数据企业内心的感受就是，站在了时代的风口，选对了方向和行业，但是发展壮大还是很难。200多家大数据企业正在努力耕耘着大数据产业，痛并快乐着。
以上是小编为大家分享的关于认清现实吧 中国大数据产业的痛点和困难的相关内容，更多信息可以关注环球青藤分享更多干货
价值之变：取代厂房设备 数据成企业最核心资产丨工业互联网3.0深调研
打破行业规则的后果：动了别人的蛋糕，别人肯定会报复的，我们遵守规则，因为规则可以带给包括我们自己以及他人便利，如果我们违反规则，也许可以带给我们一时的便利，但根据有人受益必会有人受损的定律，必然给其他人带来不便，但因为谁都可以违反规则，从长远来看，将会给所有人都带来不便，我们终将自食恶果。
中国大数据产业和企业的问题观察
在珠海伊斯佳无人车间的生产线上，一瓶瓶专属定制的护肤品鱼贯而出，值得一提的是，这些产品背面都贴了一个二维码，它就像“出生证明”，每到一个环节，机器扫描二维码，就立刻明白，需要用到哪些原料、每种原料是多少……
在这里，小小的二维码成为全场通行的语言，所有的行动都可以转换成数据，工厂从生产订单下达到产品完成的整个过程，数据推动优化管理。
数字化时代，数据被视为“新时代石油”，数字经济时代，推进数据资产化，成为了充分激发数据要素价值的重要方式。对企业来说，核心资产正在从过去的厂房、设备逐步转向对数据的挖掘。
南方日报版面
用户成为产品研发来源
在佛山德尔玛，平均每个月就有5-6款新品上线，研发团队的灵感不是在办公室“憋”出来的——各大电商销售平台的“差评”让德尔玛如获至宝——借助用户需求分析，找到新的研发契机。
当大数据累积起来，消费者不仅是产品的使用者，同时也成为产品的研发者和设计者。制造业也更加强调“以用户为中心”，坐在用户身边去倾听用户的声音。
即便是高度机密的 汽车 产品设计，一位 汽车 厂商负责人就谈到，过去，主机厂在推出下一代车型时往往非常保密，不给外界看造型，经销商伙伴也只有到了发布会，才知道车长啥样。如今，在整个产品研发中，车企也愿意让更多的人参与进来，不担心用户拍照泄密。
依靠海量的数据，以及大量的算法分析帮助决策，这是数据利用最大的变化。
拓斯达自动化事业部相关负责人张朋介绍，可视化平台通过对数据的深入分析，可以促进产线改善、管理提升。“比如，这个平台可以知道哪个工程师，何时接单、维修时长，甚至针对类似的问题，不同的解决方案、时长都不一样，还可以对这些方案拆解优化，经验可以沉淀总结下来，进而有针对性为不同工程师提供培训。”
“数字化的关键是通过数据预测整个生产情况，让我们知道哪些资源用对了，有哪些资源用错了地方，并把这些纠正过来，保证生产效率最大化。”广州实业里工CEO李卫铳说，如果不提升数字化，很多决策只能拍脑袋，“差不多就可以了”，数字化可以减少更多错误，这就意味着成功或者创新的概率就提高了不少。
树根互联联合创始人、CEO贺东东对此分析，工业3.0是流程驱动，而工业4.0是数据驱动；过去产业的进步，是物理化学知识的逐步积累，而现在，则要在总结大量Know-how（知识诀窍）基础上进行的提升，更加倚赖对数据增量的分析。
“如何既不丧失机遇，又不盲目决策”？中国工程院院士、中国互联网协会理事长、广东院士联合会创会会长邬贺铨强调，企业家过去更多靠经验，靠勇气，靠专业知识来判断，在数字化时代，还要靠数字和数据驱动，数字化转型是应对不确定性的最有效举措。
“师带徒”变数字化传承
当工业数据汇集成各种数据大屏、图表，制造业中经验传承也发生了变化，“数字化传承”正在取代“老师傅带徒”。
例如，过去员工离职了，客户数据可能就随之带走了，但现在通过数字化方式沉淀下来，客户资源依然留在了公司，新员工可以马上接手。
更关键的是，很多时候难以名状的经验，储存在老师傅的脑海里，如果老师傅退休或者跳槽，这些经验将不再为工厂服务；即便再有经验的老师傅，在面对越来越复杂的参数设置，也已经跟不上时代的节奏。
可能很多人不知道的是，玻璃制造行业在中国已有上千年 历史 。这个行业最大的痛点就是过多依赖于技术人员的经验传承，比如，影响配合料稳定性的因素中，关键一点是硅砂、白云石等原矿原料来源过于多元化，也就是说，每次的原材料都不一样的，但成品则要保证质量的均一稳定。从南玻集团的库存批次和原料种类来看，就有90000多种组合。
借助博依特数字化解决方案，老师傅的经验得以转化为数字语言，沉淀出一套工业软件。现在，南玻公司实现所有生产数据上云，减少数据传输过程的错误，一台电脑或手机即可实现生产数据远端在线监控，及时跟踪生产运行状况，生产掌控感更强。数据显示，原料及配合料的稳定率再提高近20%，产品合格率也大幅提高。
华南理工大学原校长刘焕彬分析，国外工业化时间较长，积累和沉淀了大量的经验性知识（know how），并通过一代一代的老师傅不断传承下来。相比之下，我国工业化时间较短，国内早期国企制造业对老师傅经验的积累和传承也不够重视，新兴企业则希望通过购买先进设备方向快速投入生产，因此，这也决定了我国企业的技术和经验的沉淀还有很长的路要走，现在则要更加重视对数据的分析。
数据优势助制造“弯道超车”
传统制造业生产流程中，数据作为一种衍生品而产生，大量的数据被白白浪费掉，但是在数字化时代，通过对数据的收集、存储、传输、分析等能力的拓展，数据的价值被充分挖掘，已经成为企业新的生产要素。
在制造业领域，“德国制造”往往是高端制造的代名词，但曾几何时，“德国制造”曾一度和中国制造一样，处于一个尴尬的地位，那就是低劣产品的代名词。
德国制造业的崛起，很大程度上可以从染料生产说起，原本一些工艺把持在“配方大师”手中，企业也只能对这些人唯唯诺诺，拿他们毫无办法，但随着现代化学体系的崛起，德国科学家和工程师在实验室中进行各种染料配色研究，催生了基础研究，也就摆脱了“配方大师”的束缚，德国制造一跃而起。
不同于以往生产方式的变革，中国及中国企业只被动接受了工业发展的成果，当下，原本靠老师傅传承的经验，也在数字化时代得到重构，中国借助庞大的数据优势，在制造业上也有了新的机会。
贺东东说，当前，企业最核心的资产已经从厂房、土地、设备转向为数据资产，通过对数据增量的分析，成为企业制胜的关键。比如更为完善的工业体系、更复杂的住宅居住环境，推动中国定制家居走在世界前列，倒逼广州大量中小定制家居企业纷纷引入国产机器人。这使得国产机器人有了新的迭代空间。
“如果一个企业所有的决策真正进入到数字化状态，人为干预和偏差可以降到最少。”顺丰集团助理CEO兼首席战略官黄贇如是说。
【延伸】
打破传统行业壁垒
工业互联网激活数据价值
企业信息系统林立、数据平台汇聚的各具特色，让数据的挖掘成为难题。在陕西榆林，煤矿产业就面临数据壁垒的难题：数据采集缺少统一的行业标准，矿井之下，繁杂的设备，各信息系统间无法互联互通，各种生产设备接口不统一，俗称“七国八制”。生产实时数据没有统一格式、无法及时上传。
借助华为工业互联网平台，红柳林矿业从最基础的设备连接开始做起，再加上5G、AI、大数据等技术的应用，百米矿井之下逐步实现“万物互联”，陕煤红柳林矿业统一了大量的数据接口和数据格式。
在该公司副总郭奋超看来，系统“数据孤岛”也必然在应用中被逐步打破，“中国煤炭开采量约占全球的4/7，这么一个巨大的市场，如果国际设备供应商不肯开放数据协议，那自然就会有新的自主可控设备和工业互联网技术取代”。
博依特CEO李继庚也感受到，相比新药研发、化妆品等行业，配方是高度机密的，关乎企业的生死存亡，而流程型制造业领域，不同企业的“配方数据”其实都是相似的，比如同样是造纸，先发优势已然不明显，而企业要考虑的是，如何从生产效率入手，提高企业的竞争力，自然也愿意引入服务商来加强对数据的分析。
展望未来，伴随着数据的开放，将进一步释放更多价值。在一次广州市数字经济立法的调研会上，尚品宅配代表提出：定制家居要派人入屋量边边角角，比如高度、宽度等等，事实上最详尽的数据掌握在政府主管部门，如果把图纸开放出来，那么测量房子的工作就会大幅度缩减，工作量甚至可以降低到1/10。
【作者】 郜小平
南方产业智库
数据采集有什么难点?
中国大数据产业和企业的问题观察
大数据作为一个新兴的产业，一直在处于舆论的风口浪尖。就像互联网＋的概念一样，大数据被神话了，被送上了“宗教”的神坛。大数据企业总是有一个担心，生怕大数据被捧得的太高，将来可能会被摔的很惨。 2015年中国大数据产业的热度从贵阳大数据交易所开始，到9月国务院的2015第50号文《促进大数据发展行动纲要》进入高峰。 大数据论坛上，数据产品和解决方案被介绍的很多。数据给企业带来的具体价值、数据应用场景、大数据产业的痛点介绍的很少。中国大数据产业经历着很多痛苦，大数据产业前景很好，但是大数据企业却很难做大，很难实现质的飞跃。中国大数据产业的痛点和困难如下。 大数据企业众多而弱小，很难实现产业优势 中国大数据企业大概有200多家，将近60%集中在北京，以小微企业为主，年销售额达到十亿人民币的企业几乎没有。大数据产业处于春秋时代早期，各家诸侯割地而立，每家占领了一块小的细分领域，很难做大，都面临着同行的激烈竞争，有的领域例如舆情监控已成为红海。 大数据企业人数大多在几十人到几百人，少有千人以上的企业。没有一家大数据企业可以统领一个行业，没有一家企业占有细分市场10%的份额，没有一家大数据企业建立了行业标准，领导行业发展。
中国大数据产业处于极度分散状态，优秀的人才分布在不同企业，很难形成人才合力。各家企业规模小，很难在企业做深做大，很难利用大数据帮助企业实现业务提升。大多数企业的工具和数据很难满足企业整体的数据要求，中国的数据挖掘和分析产品也很难和国外的产品进行竞争。 大数据产业如果要形成产业优势，必须需要一批领军企业。参考国外大数据产业，中国在大数据基础架构，数据产品，数据工具、数据清洗和数据挖掘、数据分析、数据人才都需要产生一批标杆企业。每个领军企业都规模应该在千人以上，销售额应该在百亿以上，否则很难形成技术和人才优势，也很难利用大数据帮助客户实现业务提升。 贵阳大数据交易所《2015年中国大数据交易白皮书》提到2014年中国大数据市场规模为767亿元。这个数字看上去不错，估计其实真正和大数据工具和大数据产品相关的不足20%（业务价值提升）。大多数的经费都用于大数据基础平台（存储和计算）、咨询、报告等和业务价值提升相关度不大的领域。中国大数据市场销售额大多数集中在传统的IT企业例如IBM，Oracle，EMC，Intel，华为，联想等。真正大数据企业所有市场份额加起来可能就在百亿元左右。 中国大数据企业规模过小，领军企业缺少，行业过于分散，这些都是制约中国大数据产业发展的因素，也是产业做大的一个痛点。 外部数据是一个个孤岛，数据价值低 数据是大数据产业发展的基础，具有商业价值的数据可以帮助企业洞察客户、数字化运营、风险管控、精准营销、预测和决策等。具有商业价值的数据和商业分析真正能够帮助企业提升业务，创造出新的价值。 中国的大数据市场还不成熟，很多大数据企业拥的数据都是片段的数据，很难形成完整的，具有商业价值的数据。大数据市场的数据质量和企业的数据需求有较大的差距。外部数据大多处于孤岛状态，数据之间很少流动和整合；孤立、不流动、没有整合的数据很难帮到企业，很多需要数据的企业不得不从多个大数据企业采购数据，效率很低，采购来的数据价值不高，数据整合的难度较大，数据采购的整体费用过高。 大家都看到了数据分散的弊端，于是很多地方都建立了大数据交易市场，帮助大家进行数据交易和数据采购。由于缺少法律保护，很多企业不太想在交易市场进行数据交易，往往还是采用一对一的数据交易，这种交易方式可以保护交易双方的利益。具有商业价值的数据还在开发中，大数据交易市场，缺少大量可以进行交易的数据。大数据交易市场这种商业模式，还需要用很长的时间去证明。 中国质量最好的数据在金融行业、BAT、电信运营商，这些企业比较谨慎，很难向外部输出数据。这三大行业自身的主营业务也不在数据，其数据产品生产和输出的愿望也不强烈。政府的数据正在逐步开放，但是其数据质量、集中度、输出方式等多存在很大多挑战。在中国大规模的数据开放，至少需要3年时间才能达到商业应用要求。 大多数企业客户，对数据商业应用敏感度低
大多数企业对数据有需求，但是其对数据商业敏感度很低。对数据商业应用的场景以及数据技术了解很少。即使是数据商业敏感度较高的银行，至少要沟通三次以上，其才能够建立起数据价值理念。其他行业例如制造业，房地产业，零售业，他们的数据商业敏感度更低。甚至万科的王石也大声疾呼，不要和房地产业谈大数据应用，房产行业数据还不全，很多还是手工数据。于是某个领先的电商开始帮助万科进行数据规划建设，研究大数据在房地产行业的应用。
已有的大数据企业商业案例中，大部分都是大数据企业主动去找客户谈合作，为企业提供数据产品、数据工具或数据技术，目的是帮助企业提升业务。但是这种商业模式很累，市场很难被引爆，被动的数据商业应用，往往和业务结合较弱，无法迅速帮助企业利用数据提升业务，同时也无法解决业务发展瓶颈。
大数据产业的发展，不仅仅是大数据企业自身的事情，也是各家企业自身的事情。企业客户也应该依据业务需要，主动到市场寻找数据和解决方案，提升数据商业敏感度，从业务场景出发，寻找具有价值的数据。 大数据技术和产品同业务结合深度不够 市场上所有大数据企业和客户都面临一个难题，就是数据解决方案同客户业务结合的深度不够，数据对业务整体推动效果不如期望，这也是大数据产业爆发的一个痛点。由于外部数据质量、企业用户数据敏感度、企业管理方式、商业数据人才等问题，大数据解决方案很难和业务深度结合。 大数据核心价值就是揭示事务发展规律，帮助企业利用数据进行科学决策。目前大数据的商业应用领域主要集中在数据采集、数据存储、数据计算、用户画像、精准营销等领域。大数据最具商业价值的预测和辅助决策功能并没有被充分利用。特别是在重大战略决策方面，大数据的作用并不明显。企业的产品开发，市场策略，战略决策还是依靠过去的精英决策和经验主义。未来社会只有两类企业，一种是利用数据发展的企业，另外一种是不重视数据被淘汰的企业。 大数据企业如果想发展壮大，如果想成为行业领先的企业，其必须放弃短期利益，深入到客户的运营中去，了解客户的数据，了解客户的业务，了解客户的商业需求。同时利用数据了解客户，了解市场，了解业务场景。数据和业务深度结合的核心是掌握正确的数据、正确的方法、正确的工具。业务人员要懂数据，技术人员要懂业务。复合型数据人才是数据生意的关键，业务人员掌握数据技术的门槛较高，但是技术人员了解业务的门槛很低，复合性人才倾向于从技术人才培养开始。 企业内部的数据人才和大数据企业的数据人才需要互相学习，了解对方环境和需求，在同一个平台上进行对话和沟通。数据团队需要深入了解业务场景和背后的规律，从业务出发，从场景出发，从数据出发，将大数据解决方案同业务深度结合，利用数据推动业务发展，发挥大数据预测规律的核心价值。 专业数据挖掘工具和人才缺失 传统的数据挖掘工具和BI系统存在很久了，通过各类报表展示，让管理层了解企业运营信息，过去的确帮助企业提高管理水平，达到了预期目的。 在大数据时代，企业需要的是实时数据，需要的是高效工具，需要的是决策支持和预测。传统的数据挖掘工具的性能和灵活性已经不能满足企业的需要，另外非机构化数据的应用也对传统数据工具提出了挑战。BI领域中的SAS，SPSS，TD等数据工具越来越被边缘化，R语言正在成为数据统计和可视化的新宠。 数据的时间价值正在得到重视，特别是金融企业，所有的业务部门都期望在最短的时间里，看到资金使用情况，客户交易情况，风险管控情况。企业越早了解信息，就会越早进行决策，时间就是Money。过去数据需求可能是T＋5或者T＋30，现在的数据需求往往是T＋1或者T＋0，数据实时性、准确性、相关度被提到了一个非常重要的地位。业务的需求已经很明显了，但是数据工具和人才却是一个很大的挑战。 中国200多家大数据企业，看到了大数据产业的曙光，看到了大数据产业的价值，同时也在经历着大数据企业的痛苦。大数据产业发展很快，市场正在逐步变大，但是其产业优势不明显，优势企业很少，数据商业化较慢，市场还不成熟，客户数据商业敏感度较低，缺乏高质量数据工具和人才。所有大数据企业内心的感受就是，站在了时代的风口，选对了方向和行业，但是发展壮大还是很难。200多家大数据企业正在努力耕耘着大数据产业，痛并快乐着。
以上是小编为大家分享的关于中国大数据产业和企业的问题观察的相关内容，更多信息可以关注环球青藤分享更多干货
1、数据量巨大
任何系统，在不同的数据量面前，需要的技术难度都是完全不同的。
如果单纯是将数据采到，可能还比较好完成，但采集之后还需要处理，因为必须考虑数据的规范与清洗，因为大量的工业数据是“脏”数据，直接存储无法用于分析，在存储之前，必须进行处理，对海量的数据进行处理，从技术上又提高了难度。
2、工业数据的协议不标准
互联网数据采集一般都是我们常见的HTTP等协议，但在工业领域，会出现ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等等各类型的工业协议，而且各个自动化设备生产及集成商还会自己开发各种私有的工业协议，导致在工业协议的互联互通上，出现了极大地难度。
很多开发人员在工业现场实施综合自动化等项目时，遇到的最大问题及时面对众多的工业协议，无法有效的进行解析和采集。
3、视频传输所需带宽巨大
传统工业信息化由于都是在现场进行数据采集，视频数据传输主要在局域网中进行，因此，带宽不是主要的问题。
以上就是关于认清现实吧 中国大数据产业的痛点和困难全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
