人工智慧（AI），大資料（big data）和雲端計算（cloud computing）三大技術被認為是當今網際網路爭奪的關鍵點。而三大技術中中爭議最多的在於大資料技術，被誇大的效果和侷限性的應用，很可能會讓大資料成為ABC三大技術中最先掉隊的一個。

01 ABC的格局

2010年，工業和資訊化部與國家發改委聯合釋出《關於做好雲端計算服務創新發展試點示範工作的通知》，雲端計算元年開啟。

在這裡我還是要推薦下我自己建的大資料學習交流qq裙： 957205962， 裙 裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入，大家都是軟體開發黨，不定期分享乾貨（只有大資料開發相關的），包括我自己整理的一份2018最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴
 

2013年，阿里巴巴副總裁徐子沛提出該年當屬中國大資料元年，而這一觀點也得到了業界的普遍認同。

人工智慧元年？沒有人知道什麼時候會到來，但是總有一天會爆發。

雲端計算技術從一點孤星閃爍，到如今萬家燈火通明的局面。雲端計算產業的拉動已經造就了多個大型網際網路企業的再次爆發，強如軟體巨頭微軟也已經在近幾年全力轉型雲端計算並且大獲成功，Azure也讓這家稱霸網際網路超20年的巨頭綻放了第二春。而即便是沒有入局雲端計算的企業，也多為雲端計算技術的受益者。可以說雲端計算的力量在如今已經達到了鼎盛，而且未來依然有發展的空間。

02 發展人工智慧幾乎成為網際網路行業的口號

人工智慧技術一直被認為是離現實頗遠的一種，但是2016年，谷歌用一盤棋把世人驚醒，原來悄然發展的AI智慧程度已經達到了如此的境界。從監督學習到自主學習，人工智慧的發展就像坐了火箭一樣不斷攀升，能夠涉足的領域也日益增多，而更可怕的還在於，人工智慧現如今的狀態遠談不上成熟，未來第一大技術送給人工智慧相信不會有太多人質疑。

相比之下，大資料就面臨了一個很尷尬的局面。起步雖說比雲端計算略遲，但好在發展夠迅猛，在去年大資料風頭正勁，阿里雲方面提出2016年是萬億大資料產業元年，各類大資料處理平臺、處理技術紛紛呈現，大資料產業在各個行業應用，乍看之下並不存在任何問題。

但大資料的發展雖然足夠強悍，卻遠不能與AI和雲端計算相提並論。就像BAT三巨頭中，百度雖強，可與阿里騰訊畢竟不是同一等級的體量。

03 大資料的歡樂soon

大資料產業的爆發速度可謂極快。從2013年進入我國到現如今的萬億產業，這一技術用短短的幾年迅速搶佔熱點並且發展成為全行業所關注的焦點，不可謂不成功。而大資料的成功有其必然性，也有時勢造英雄的運氣。

04 大資料：先有云算後有天

大資料的成功與雲計算髮展後計算力的提升有直接關係。大資料的第一特點就是大，大資料的大通常會被人誤解，於是小學生統計蘇軾詩詞短短几十萬字都敢稱為“大資料”實在是貶低了這一技術。“大”的特點是要大到用常規手段無法統計的程度，而常規手段無法統計就需要藉助雲的力量，計算力的提升的大資料進行的基礎保障。

幫助資料變廢為寶。大資料直接解決的一個問題就是企業的廢棄資料問題。在大資料技術出現前，資料的重要性就已經引發了企業的重視，但問題在於，資料分揀和處理技術不足，企業空有資料卻不能轉化為生產力和收益點，而資料儲存成本又高，只能遺棄。大資料成果解決了這一點難題，幫助企業把自己原有的金子擦去灰塵，綻放光彩。

05 順風順水的大資料遇到了好時機

大資料遇到了開放的市場。這一點或許普通使用者很難意識到，但相比之下，中國的市場是全球最有活力的市場，也是最大度的市場。我國的市場複雜程度較高，因此往往能夠予以新生技術發展的土壤，大資料在我國的迅速開展也得到了政策和技術的多層面的保障。

政策支援提供通道，雲端計算幫助提供基礎，市場需求提供養料，大資料迅速發展達到巔峰。但是，這並不代表大資料的問題可以就此掩蓋，相反，越是不被注意，大資料的隱患就越根深蒂固。

06 君有疾，不治恐深

扁鵲見蔡桓公的時候，一在腠理，二在肌膚，三在腸胃，都有法可醫，但蔡桓公不聽，直到神仙難救，是有救而不自救。而大資料的問題顯然沒有那麼深，但卻同屬于越拖越差的頑疾。

大資料的頑疾一：大資料價值被誇大，投入產出比遠不能讓人滿意。這一點頑疾是典型的人禍，換句話說就是有小部分的大資料企業正在敗壞大資料的行業形象。大資料的應用確實可以達到提升企業業務效率和決策效率的目標，但遠沒有部分企業所吹噓的那麼神。

07 不僅搖不到錢，還得砸錢

大資料並不是搖錢樹，絕不能秒用變現。相反，大資料是一個變現較慢的技術，從大資料部署應用到影響決策，從決策部署實施到產生效果，整個流程週期很長而且變現效果未必就能盡如人意。高昂的投入，被吹的天花亂墜的預期，和平庸甚至讓人失望的結果，三者的夾擊下企業能對大資料還剩下多少好感呢？

大資料的頑疾二：對藥不對症，低端難生存。大資料產業雖然現如今在進行全面化、全產業的推廣，但不可忽視的一點就是，大資料對低端產業並不友好。這一點並不難理解，低端產業資料量本身並不大，分析需求低，分析結果對企業的指導意義也小，因此需求度本就低。

08 有錢自己搞，沒錢我不要

而高階產業中，真正有需求的企業往往可以自成一脈。比如像阿里、騰訊此類巨頭企業，資料量過大，資料需求旺盛，因此不太可能選擇不同的大資料產品——一為資料安全，二為長期打算。所以，此類企業自己研發大資料技術或產品會更合適，而這種各自為戰的局面就可能造成大資料行業最不願看到的情況，孤島化產生。

在這裡我還是要推薦下我自己建的大資料學習交流qq裙： 957205962， 裙 裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入，大家都是軟體開發黨，不定期分享乾貨（只有大資料開發相關的），包括我自己整理的一份2018最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴

09 採據東籬下，悠然見難關

大資料的頑疾三：資料採集難度被低估。這種問題是來自兩個層次的，第一層面是技術提供方的低估，許多大資料產業的技術提供方都會側重於大資料的處理、管理和分析等流程，而在資料採集方面只是進行簡單的埋點等程式碼方式解決。這種方法在網際網路行業可以一用，但在大資料推廣到其他行業之後就會受到嚴重的限制。

10 資料採集：要錢還是要全

在非網際網路行業資料採集時，企業往往會選擇易採集的資料，並非全面資料，這就是第二層問題，採集成本的限制。要收集多角度全面化的資料就需要增加採集投入，而不增加就會造成資料分析準確性降低，增加則可能讓效益成本比更低，兩難的境地讓大資料頗為尷尬。

大資料的頑疾四：隱私與安全成枷鎖。如果只是採集到資料就能一次性的使用，那麼成本的投入也屬於可接受範圍。但問題在於，大資料的流動性較強，資料變化頻繁，普通的資料一般三個月就會面臨失效和滯後，而重新採集時則會面臨全新的局面。

11 盼我瘋魔，還盼我孑孓不獨活

同時，大資料在頻繁和多次採集時隱私問題就成為無法避免的一環。強如谷歌搜素採集使用者資料也需要使用者同意才能進行，但不同意的使用者怎麼統計呢？這一大類使用者會不會成為導致“倖存者偏差”的一環呢？但如果強行獲取這部分使用者的資料，這些資料的所有權是誰的呢？

而且，一旦涉及使用者隱私直接相關的就是安全問題。企業採集到使用者的資料建立大資料庫，大資料庫價值斐然是黑客攻擊的焦點，而一旦資料失竊，到時候受傷最直接的卻並不是企業而是使用者，又有哪家企業能夠確保自家的資料庫絕對不會洩露資料呢？

12 大資料恐不再“大”

大資料的這些頑疾存在已經有一定的時間了，但真正付諸解決，獲得成效的頗為少見。隨著大資料在不同行業的深入開展，大資料的問題還會持續揭露，屆時是否能夠提供能解決問題的方案將有可能關乎大資料的未來發展。

13 DT時代資料依然為先，但可能不大了

在DT時代，資料量依然在爆炸呈指數型增長，每個使用者、每個企業都能產生大量的資料，而資料的處理手段也在不斷的“傻瓜”化，便捷化。每個人都能應用資料，都能處理資料，這一點相信一定會在技術的研發中實現，但問題在於，這些資料真的對每個人都有價值嗎？

一個企業可能花費數十萬把整個公司近十年的資料拿來分析一遍，然後交給決策者，決策者看後欣然決定：“沒錯，我們下一步要做人工智慧！人工智慧一定能賺錢！”但是，這些決策真的需要大資料來提供幫助嗎？即使這家企業確實做了人工智慧，也實現了增長，那麼功勞真的應該歸給大資料嗎？這家公司能稱之為資料驅動型增長企業嗎？

大資料目前面臨的就是一個這樣的問題，砸出去的是真金白銀，收回來的卻只是卻只是一群可能有用的資訊。資訊是無價的，觀點是無價的，但這個無價也可能真的就是一文不值。

14 大塊頭才要大資料

大資料在未來依然會強大，依然會是政府、公共事業、交通、航天等各種大型機構的必需品。可是對於普通企業以及普通員工來講，一張Excel表格也許就能解決問題，那麼何必非要動用“核武”級別的大資料處理技術呢？在未來，資料依然重要無比，企業產生資料，分析資料，運用資料，可資料處理將會趨向常規化，而不會像大資料一樣轟轟烈烈。

未來，ABC之中的Big Data可能會卸下Big的頭冠，給Data讓位。資料才是大資料的核心，也是發展的核心，但這一切還需要考慮企業能否接受，和是否需要。