发展趋势篇丨大数据浪潮中，走在前面机会更多！

来源：数据猿 原文链接： http://www.datayuan.cn/article/10220.htm

本篇《大数据系列》文章是数据猿推出的主题为《大数据的2016，我的2016》2016—2017年度大型策划活动的征文部分。在2016年底征稿期，活动就受到了100+大数据领域内知名企业的高度关注，收到了36位业内领袖的投稿，并入驻成为数据猿专栏专家。

为了方便大家更系统的阅读，小编对这36篇文章进行了分类，本文是《大数据的2016，我的2016》之发展趋势篇！

在2月16日的落地活动部分，数据猿联合中欧国际工商学院以及腾讯直播举办了“中欧微论坛|数据猿·超声波——以数据思维 拥抱智能时代”活动。

一、阿里数据经济研究中心秘书长潘永花：抓住机遇，把握2017年大数据发展的四大趋势

2016年可以明显感受出来，大数据被更加重视起来，尤其是政府、行业以及大众对其认知有进一步的提升，但大数据应用的落地还不够到位，仍处于初级阶段。

未来年我们更应该多加思考，大数据如何带来新的经济增量，如何推动传统行业转型升级，如何实现商业价值……

2017年，大数据将有四大发展趋势，要想在大数据的浪潮中更胜一筹，需要抓住每一次机会：

1、数据+算法+计算能力加速AI+落地

云计算技术的日臻成熟和成本的降低奠定了大数据发展的技术基础，深度学习算法的兴起和发展使得计算+数据+算法三者支撑的人工智能走下神坛。

多来源、实时、大量、多类型的数据可以从不同的角度对现实进行更为逼近真实的描述；深度学习算法可以挖掘数据之间的多层次关联关系，为人工智能应用奠定了数据源基础；以大数据为基础的应用场景（搜索、推荐、语音交互）已经有了不少成功实践。

2 、基于数据融合和外在价值的探索会诞生新商业模式

目前大数据比较成熟的场景是包括个性化推荐和营销类应用，以及风险控制、信用评估类应用，但围绕着数据本身的新商业模式还在探索过程中。

2017年，基于数据融合和外在价值的创新模式会诞生新的商业模式，企业内外数据、线上线下数据融合产生化学反应，基于数据的创新模式给我们无限想象空间。

3.   大数据开始重构传统工业和制造业的价值链

2017年传统工业和制造业会更多地关注数据如何驱动主要传统产业的解构、重构和再造，基于数据的传统产业转型升级成为主流。

4 、围绕着数据权属、个人信息保护、跨境数据流动的相关政策法规标准出台

目前来看我国个人信息保护相关的法律规范尚不完善，目前只在一些法律中有零散规定，仍然存在效力层级低、法律法规协调性弱、保护内容片面等立法不足，有待于加强和完善；随着中国全球化企业数量的不断增加，数据本地化和跨境数据流动的问题会日益凸显。

2017年数据权属、个人信息保护以及跨境数据流动相关政策法规标准会逐渐完善，推动《网络安全法》的落地实施，促进我国大数据的健康有序发展。

原文链接： http://www.datayuan.cn/article/10011.htm

二、中关村大数据交易产业联盟副秘书长张涵诚：2017年，政府、企业发展大数据的“新动作”

2016年对很多大数据企业来讲，很煎熬，但成长也很快。数据技术、思维、解决问题的方案，已经成为每一个行业和各种业务职能领域重要的生产因素和变革力量。在对于2017年大数据的发展，笔者做了以下预测：

1、政府将出台大量关于大数据发展的法律法规，各地方对于大数据招商引资工作将全面铺开，政府开始尝试发展数据API经济模式；

2、企业的数据产品将增加，会催生一批大力发展专业的数据咨询服务公司；

3、数据交易为时过早，数据加工过于分散，做行业数据运营商是数据服务企业的出路。

4、基于物联网传感器的数据采集应用将增加成为新的投资热点（用传感器收集数据很重要）

5、大数据驱动智能自助服务快速发展；

6、企业缺少好的架构师，分析师缺乏竞争力；

7、越来越多的企业将招募数据经纪人；

8、企业开始思考如何建立CDO，CDO需求增多。

原文链接： http://www.datayuan.cn/article/9872.htm

三、DataEye CEO 汪祥斌：游戏行业或将率先进入数据买量时代

2016年整个游戏行业崛起了一股买量的潮流，一些主流广告平台的采量正代替应用市场成为游戏持续获得用户的主要手段。而在2017年，买量成本将还会有更大幅度的提升，竞争会比2016年更加激烈。数据驱动买量将深刻体现在以下几个方面：

1、用户画像的刻画以及数据精准匹配后，大幅降低用户成本。但目前面临两个问题：数据的有效利用率很低；数据噪音大。

2、买量效率的大幅度提升。如何有效运用数据、利用数据分析与挖掘大幅度提升效率将成为买量下一阶段PK的重要一环

3、试错成本（对新渠道的摸索所付出的成本）将大幅度降低。在2017年成本大幅上涨的背景下，试错的成本也将会非常之高 。利用数据的分析与挖掘降低自身的试错成本是一种非常好的策略。

原文链接： http://www.datayuan.cn/article/9984.htm

推荐阅读：

《大数据的2016，我的2016》之误区篇

《大数据的2016，我的2016》之营销篇

《大数据的2016，我的2016》之技术篇

《大数据的2016，我的2016》之人工智能篇

《大数据的2016，我的2016》之应用篇