大數據作為壹個新興行業，壹直處於輿論的風口浪尖。就像互聯網+的概念壹樣，大數據被神話了，被送上了“宗教”的神壇。大數據公司總有壹種擔心，怕大數據被捧得太高，以後可能會跌得很慘。
2015年，中國大數據產業的熱度從貴陽大數據交易所開始，在9月國務院50號文《促進大數據發展行動計劃》中達到頂峰。相信在10的烏鎮互聯網大會上，大數據會是壹大熱點。
在大數據論壇上，介紹了很多數據產品和解決方案。數據給企業帶來的具體價值，數據應用場景，大數據行業的痛點很少介紹。中國大數據產業經歷了很多陣痛，大數據產業前景很好，但是大數據公司很難做大，很難實現質的飛躍。中國大數據行業的痛點和難點如下。
1大數據企業多而弱，難以取得產業優勢。全國大數據企業200家左右，近60%集中在北京，以小微企業為主，年銷售額十億元的企業很少。大數據行業處於春秋前期，各路諸侯割地而立。各家都占據了很小的細分領域，很難擴張，都面臨著同行的激烈競爭。壹些領域，比如輿情監測，已經成為紅海。
大數據公司的數量大多從幾十家到幾百家，千人以上的公司很少。沒有壹家大數據企業能夠引領壹個行業，沒有壹家企業的市場份額達到10%，沒有壹家大數據企業建立行業標準，引領行業發展。
中國大數據產業極度分散，優秀人才分布在不同企業，難以形成人才合力。每個企業的規模都很小，很難在企業內部進行深化和拓展，也很難利用大數據幫助企業實現業務提升。大多數企業的工具和數據很難滿足企業整體的數據需求，中國的數據挖掘和分析產品也很難與國外產品競爭。
大數據產業要想形成產業優勢，必然需要壹批龍頭企業。參考國外大數據產業，我國需要在大數據基礎設施、數據產品、數據工具、數據清洗與數據挖掘、數據分析、數據人才等方面產生壹批標桿企業。每個龍頭企業要有1000人以上的規模，100億以上的銷售額。否則難以形成技術和人才優勢，難以利用大數據幫助客戶實現業務提升。
貴陽大數據交易所《2015年中國大數據交易白皮書》提到，2014年中國大數據市場規模為767億元。這個數字看起來不錯，估計實際上和大數據工具、大數據產品(商業價值提升)相關的不到20%。大部分資金用於大數據基礎設施平臺(存儲和計算)、咨詢、報告等與商業價值提升不密切相關的領域。中國大數據市場的大部分銷售額集中在IBM、Oracle、EMC、Intel、華為、聯想等傳統IT公司。真正的大數據公司的市場份額加起來可能在100億左右。
中國大數據企業規模太小，龍頭企業缺乏，行業過於分散。這些都是制約中國大數據產業發展的因素，也是產業做大的痛點。
外部數據是孤島，數據價值低的數據是大數據產業發展的基礎。具有商業價值的數據可以幫助企業洞察客戶、數字化運營、風險管控、精準營銷、預測和決策。具有商業價值的數據和商業分析，才能真正幫助企業提升業務，創造新的價值。
中國的大數據市場還不成熟，很多大數據公司掌握的數據都是碎片化的，很難形成完整的、有商業價值的數據。大數據市場的數據質量與企業的數據需求差距很大。大部分外部數據處於孤島狀態，數據之間很少流動和整合；孤立的、不流動的、不整合的數據很難幫助企業。很多需要數據的企業不得不向多個大數據公司購買數據，效率低下，購買的數據價值不高，數據整合困難，數據采購整體成本過高。
大家都看到了數據分散的弊端，所以很多地方都建立了大數據交易市場，幫助大家進行數據交易和數據采購。由於缺乏法律保護，很多企業不願意在交易市場進行數據交易，往往采用壹對壹的數據交易，這樣可以保護交易雙方的利益。有商業價值的數據還在開發中，大數據交易市場缺乏大量可以交易的數據。大數據交易市場的商業模式還需要很長時間來證明。
國內最優質的數據在金融行業，BAT和電信運營商，謹慎，難以輸出。這三個行業的主業都不是數據，生產和出口數據產品的欲望並不強烈。政府數據逐漸開放，但在數據質量、集中度、輸出模式等方面存在諸多挑戰。國內大規模的數據開放至少需要三年才能達到商業應用的要求。
3大多數企業客戶對數據業務應用程序的敏感度較低。大多數企業都需要數據，但對數據業務的敏感度很低。對數據業務應用場景和數據技術知之甚少。即使是對數據商業敏感度很高的銀行，也要至少溝通三次，才能確立數據價值的概念。其他行業，如制造業、房地產和零售業，對數據業務的敏感度較低。就連萬科的王石也大聲疾呼，不要和房地產行業談大數據應用。房地產行業的數據還不全，很多還是手工數據。於是壹家領先的電商開始幫助萬科進行數據規劃建設，研究大數據在房地產行業的應用。
大數據企業現有的商業案例中，大多是主動與客戶談合作，提供數據產品、數據工具或數據技術，幫助企業提升業務。但是這種商業模式很累，市場很難引爆。被動的數據業務應用往往與業務結合較弱，無法幫助企業利用數據快速提升業務，同時也無法解決業務發展的瓶頸。
內部人員對業務需求有著深刻的理解。他們缺的是市場數據和消費者反饋，缺的是數據分析方法和工具。業內人士應該成為大數據業務應用的主力軍，參與壹些行業活動，主動從需求中尋求數據和解決方案。移動互聯網時代，商業競爭策略非常明確，壹是快，二是用數據做決策。
大數據產業的發展不僅是大數據企業自身的事，也是每個企業自身的事。企業客戶也要根據業務需求，主動在市場中尋找數據和解決方案，增強數據的商業敏感性，從業務場景中尋找有價值的數據。
4大數據技術和產品與業務結合的深度不夠。市場上所有的大數據企業和客戶都面臨著壹個難題，那就是數據解決方案與客戶服務的融合深度不夠，數據對業務的整體推動效果不如預期，這也是大數據行業爆發的壹個痛點。由於外部數據質量、企業用戶數據敏感度、企業管理方式、業務數據人才等問題，大數據解決方案難以與業務深度融合。
大數據的核心價值是揭示交易發展規律，幫助企業利用數據進行科學決策。目前大數據的商業應用領域主要集中在數據采集、數據存儲、數據計算、用戶畫像、精準營銷等領域。大數據最具商業價值的預測和決策功能沒有得到充分發揮。尤其是在重大戰略決策中，大數據的作用並不明顯。企業的產品開發、市場戰略、戰略決策仍然依賴於過去的精英決策和經驗主義。未來社會只有兩種企業，壹種是利用數據發展的企業，壹種是不註重數據淘汰的企業。
大數據企業要想發展成為行業領先的企業，必須放棄短期利益，深入客戶運營，了解客戶的數據、業務和業務需求。同時用數據去了解客戶，了解市場，了解業務場景。數據與業務深度融合的核心是掌握正確的數據、正確的方法和正確的工具。業務人員要懂數據，技術人員要懂業務。復合型數據人才是數據業務的關鍵。業務人員掌握數據技術的門檻很高，而技術人員了解業務的門檻很低。復合型人才傾向於從技術型人才的培養入手。
企業的數據人才和大數據企業的數據人才需要互相學習，了解對方的環境和需求，在同壹個平臺上進行對話和交流。數據團隊需要深入了解業務場景及其背後的規律，從業務出發，從場景出發，從數據出發，將大數據解決方案與業務深度結合，用數據推動業務發展，發揮大數據預測規律的核心價值。
5專業的數據挖掘工具和人才缺乏傳統的數據挖掘工具和BI系統已經存在很長時間了。通過各種報表的呈現，管理層可以了解企業的經營信息，這在過去確實幫助企業提高了管理水平，達到了預期的目的。
大數據時代，企業需要實時數據、高效工具、決策支持和預測。傳統數據挖掘工具的性能和靈活性已經不能滿足企業的需求，非機構數據的應用也對傳統數據工具提出了挑戰。BI領域的SAS、SPSS、TD等數據工具日益邊緣化，R語言正在成為數據統計和可視化的新寵。
數據的時間價值正在被重視，尤其是在金融企業。所有的業務部門都期望在最短的時間內看到資金的使用，客戶的交易，風險的管理。企業越早了解信息，就越早做出決策，時間就是金錢。以前的數據需求可能是T+5或者T+30，現在的數據需求往往是T+1或者T+0，數據的實時性、準確性、關聯性已經提到了非常重要的位置。對業務的需求很明顯，但是數據工具和人才是壹個很大的挑戰。
國內200多家大數據公司看到了大數據產業的曙光和價值，也在經歷大數據公司的陣痛。大數據產業發展迅速，市場逐漸擴大。但其產業優勢不明顯，優勢企業少，數據商業化速度慢，市場尚不成熟，客戶數據商業敏感度低，缺乏高質量的數據工具和人才。所有大數據公司的內心感受都是，已經站在了時代的風口，選對了方向和行業，但還是很難發展壯大。200多家大數據公司都在努力培育大數據產業，痛並快樂著。
以上是邊肖為大家分享的關於認清中國大數據行業痛點和難點的相關內容。更多信息可以關註全球常春藤分享更多幹貨。