技术不是大数据第一生产力，数据交易才能带来应用爆发

　　但实际上现在的商业选址是很粗放的。问题在于数据的交易环节没被打通，数据能力无法输出，导致需要用数据的人没有数据，甚至也不知道数据能带来什么价值。只有实现数据拼接，才会带来数据价值的裂变式增长。因此，未来的IT时代向DT时代的转变，关键在于打通高质量数据源的获取、提供和交易环节。

　　再加上数据获取困难、缺少数据采集意识造成的数据缺失，以及信息安全、信息归属权等敏感性问题，大数据仍然非常小众，看起来很高深，对于绝大多数人来说很陌生的。

 　大数据，大家首先谈到的都是数据挖掘和人工智能算法，或是hadoop的架构。认为“只要会写算法、实现架构就是大数据的全部”；但在应用实践中，华信智原科技人员发现阻碍大数据发展的最大瓶颈不是技术，而是高质量数据源的获取、提供和交易环节没有被打通。

　　以往如果一个人没有房产，没有固定职业，会被认为偿还能力低。而现在把社交关系、与他人资金来往、跳槽情况等等不同领域的数据整合，可能会发现有的人虽然没有房产，但租的是高档住宅；虽然没有固定的聘用方，但经常出没于CBD写字楼和高端消费场合，显然有相当的收入与偿还能力。数据的跨领域应用，对于拓展信贷、分期付款业务都有很高的价值。

　　打通交易环节，一方面能让没有数据的人用上数据，让数据在更多地方发挥价值；另一方面，数据拥有者有更多的途径去输出大数据能力，实现变现。数据的价值不会因为开放和应用而减少，相反，应用与数据的价值是相辅相成的，用得越多，数据越多；而所产生的数据，又会反哺更多的应用。

　　国务院2020年印发的《促进大数据发展行动纲要》明确了要统筹国家大数据资源，推动共享开放，释放数据红利。这里释放了一个积极的信号，表示数据资源将逐步放开，利好数据流动。

　　目前能够做大数据实践的，都是自身拥有大数据的部门或企业。最优质、最有价值的数据源往往掌握在政府、运营商、银行以及像BAT这样的大型互联网公司。高质量数据源拥有者总是缺乏开放的必要性和动力，甚至希望对数据进行垄断。但由于内部大数据应用的需求和场景往往较为单一，数据拥有者往往也没有很好的变现产品和手段。

　　生产大数据价值的原料是数据源本身，模型是工具。脱离了工具，数据源不会因此而失去价值，但脱离了数据源，模型的价值荡然无存。这就是为什么在黑市里面交易的是购房者、贷款者和企业主的个人资料，而不是数据挖掘模型。

　　模型的成功必须依赖于高质量数据源和对商业的理解能力。有没有数据，数据质量如何，这是最为前置的条件。要有数据才能够建模；模型也必须经过数据应用，才能促进其完善。其次，模型往往是要基于商业目标的，要思考如何用既定的数据解决现实商业问题，不是为建模而建模。一个模型质量和效果，从某种意义来讲，取决于数据源的运用、宏观的架构能力以及对于商业的理解，并不是技术本身。

　　成都五月花高级技工学校认为在保证信息安全的前提下，打通数据交易环节，会迎来数据应用的爆发。而基于整合数据的跨行业、跨领域数据应用创新，将会是大数据未来又一个风口。

　　假设我们要为一家高级女装店铺进行选址，现有的选址方法只能够告诉你周边的人流量，却不知道你周围到到底有多少真正的潜在客户。当我们借助运营商数据，把客户画像、位置信息等数据能力输出到这个场景中，便能依据周边人群的特征、年龄、消费力等数据，作出精准决策。

　　大数据行业很多新人，甚至业内多年从业者都有这个误区：认为算法、模型很重要。而我认为，即使技术达到世界顶级水平，它依旧不是大数据价值引擎，高质量数据源永远是最重要的价值来源。

　　再者，高质量数据源的跨行业、跨领域流动，必定会带来是带来应用创新。金融征信已经应用大数据进行创新。且看芝麻信用的数据来源，涵盖了在线购物、与他人资金往来、还信用卡、资金理财、公用事业费缴纳、房屋租赁或买卖、跳槽情况、婚姻状态、社交关系等。

　　但是，高质量数据源偏偏是需要流动和使用，才能激发其巨大的价值潜能。在封闭环境下，数据的价值并没有完全地发挥出来。以运营商数据为例，运营商数据不仅可以用于解决其自身的生产运营、精确营销等问题，在商业选址、城市商圈规划、制定企业营销策略等很多领域都大有可为。