人工智能(AI)，大數據(big data)和云計算(cloud computing)三大技術被認為是當今互聯網爭奪的關鍵點。而三大技術中中爭議最多的在于大數據技術，被夸大的效果和局限性的應用，很可能會讓大數據成為ABC三大技術中最先掉隊的一個。

01 ABC的格局

2010年，工業(yè)和信息化部與國家發(fā)改委聯合發(fā)布《關于做好云計算服務創(chuàng)新發(fā)展試點示范工作的通知》，云計算元年開啟。

2013年，阿里巴巴副總裁徐子沛提出該年當屬中國大數據元年，而這一觀點也得到了業(yè)界的普遍認同。

人工智能元年?沒有人知道什么時候會到來，但是總有一天會爆發(fā)。

云計算技術從一點孤星閃爍，到如今萬家燈火通明的局面。云計算產業(yè)的拉動已經造就了多個大型互聯網企業(yè)的再次爆發(fā)，強如軟件巨頭微軟也已經在近幾年全力轉型云計算并且大獲成功，Azure也讓這家稱霸互聯網超20年的巨頭綻放了第二春。而即便是沒有入局云計算的企業(yè)，也多為云計算技術的受益者?？梢哉f云計算的力量在如今已經達到了鼎盛，而且未來依然有發(fā)展的空間。

02 發(fā)展人工智能幾乎成為互聯網行業(yè)的口號

人工智能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(fā)展的AI智慧程度已經達到了如此的境界。從監(jiān)督學習到自主學習，人工智能的發(fā)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，而更可怕的還在于，人工智能現如今的狀態(tài)遠談不上成熟，未來第一大技術送給人工智能相信不會有太多人質疑。

相比之下，大數據就面臨了一個很尷尬的局面。起步雖說比云計算略遲，但好在發(fā)展夠迅猛，在去年大數據風頭正勁，阿里云方面提出2016年是萬億大數據產業(yè)元年，各類大數據處理平臺、處理技術紛紛呈現，大數據產業(yè)在各個行業(yè)應用，乍看之下并不存在任何問題。

但大數據的發(fā)展雖然足夠強悍，卻遠不能與AI和云計算相提并論。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 大數據的歡樂soon

大數據產業(yè)的爆發(fā)速度可謂極快。從2013年進入我國到現如今的萬億產業(yè)，這一技術用短短的幾年迅速搶占熱點并且發(fā)展成為全行業(yè)所關注的焦點，不可謂不成功。而大數據的成功有其必然性，也有時勢造英雄的運氣。

04 大數據：先有云算后有天

大數據的成功與云計算發(fā)展后計算力的提升有直接關系。大數據的第一特點就是大，大數據的大通常會被人誤解，于是小學生統(tǒng)計蘇軾詩詞短短幾十萬字都敢稱為“大數據”實在是貶低了這一技術?！按蟆钡奶攸c是要大到用常規(guī)手段無法統(tǒng)計的程度，而常規(guī)手段無法統(tǒng)計就需要借助云的力量，計算力的提升的大數據進行的基礎保障。

幫助數據變廢為寶。大數據直接解決的一個問題就是企業(yè)的廢棄數據問題。在大數據技術出現前，數據的重要性就已經引發(fā)了企業(yè)的重視，但問題在于，數據分揀和處理技術不足，企業(yè)空有數據卻不能轉化為生產力和收益點，而數據存儲成本又高，只能遺棄。大數據成果解決了這一點難題，幫助企業(yè)把自己原有的金子擦去灰塵，綻放光彩。

05 順風順水的大數據遇到了好時機

大數據遇到了開放的市場。這一點或許普通用戶很難意識到，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。我國的市場復雜程度較高，因此往往能夠予以新生技術發(fā)展的土壤，大數據在我國的迅速開展也得到了政策和技術的多層面的保障。

政策支持提供通道，云計算幫助提供基礎，市場需求提供養(yǎng)料，大數據迅速發(fā)展達到巔峰。但是，這并不代表大數據的問題可以就此掩蓋，相反，越是不被注意，大數據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(yī)，但蔡桓公不聽，直到神仙難救，是有救而不自救。而大數據的問題顯然沒有那么深，但卻同屬于越拖越差的頑疾。

大數據的頑疾一：大數據價值被夸大，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數據企業(yè)正在敗壞大數據的行業(yè)形象。大數據的應用確實可以達到提升企業(yè)業(yè)務效率和決策效率的目標，但遠沒有部分企業(yè)所吹噓的那么神。

07 不僅搖不到錢，還得砸錢

大數據并不是搖錢樹，絕不能秒用變現。相反，大數據是一個變現較慢的技術，從大數據部署應用到影響決策，從決策部署實施到產生效果，整個流程周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(yè)能對大數據還剩下多少好感呢?

大數據的頑疾二：對藥不對癥，低端難生存。大數據產業(yè)雖然現如今在進行全面化、全產業(yè)的推廣，但不可忽視的一點就是，大數據對低端產業(yè)并不友好。這一點并不難理解，低端產業(yè)數據量本身并不大，分析需求低，分析結果對企業(yè)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

而高端產業(yè)中，真正有需求的企業(yè)往往可以自成一脈。比如像阿里、騰訊此類巨頭企業(yè)，數據量過大，數據需求旺盛，因此不太可能選擇不同的大數據產品——一為數據安全，二為長期打算。所以，此類企業(yè)自己研發(fā)大數據技術或產品會更合適，而這種各自為戰(zhàn)的局面就可能造成大數據行業(yè)最不愿看到的情況，孤島化產生。

09 采據東籬下，悠然見難關

大數據的頑疾三：數據采集難度被低估。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，許多大數據產業(yè)的技術提供方都會側重于大數據的處理、管理和分析等流程，而在數據采集方面只是進行簡單的埋點等代碼方式解決。這種方法在互聯網行業(yè)可以一用，但在大數據推廣到其他行業(yè)之后就會受到嚴重的限制。

10 數據采集：要錢還是要全

在非互聯網行業(yè)數據采集時，企業(yè)往往會選擇易采集的數據，并非全面數據，這就是第二層問題，采集成本的限制。要收集多角度全面化的數據就需要增加采集投入，而不增加就會造成數據分析準確性降低，增加則可能讓效益成本比更低，兩難的境地讓大數據頗為尷尬。

大數據的頑疾四：隱私與安全成枷鎖。如果只是采集到數據就能一次性的使用，那么成本的投入也屬于可接受范圍。但問題在于，大數據的流動性較強，數據變化頻繁，普通的數據一般三個月就會面臨失效和滯后，而重新采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，大數據在頻繁和多次采集時隱私問題就成為無法避免的一環(huán)。強如谷歌搜素采集用戶數據也需要用戶同意才能進行，但不同意的用戶怎么統(tǒng)計呢?這一大類用戶會不會成為導致“幸存者偏差”的一環(huán)呢?但如果強行獲取這部分用戶的數據，這些數據的所有權是誰的呢?

而且，一旦涉及用戶隱私直接相關的就是安全問題。企業(yè)采集到用戶的數據建立大數據庫，大數據庫價值斐然是黑客攻擊的焦點，而一旦數據失竊，到時候受傷最直接的卻并不是企業(yè)而是用戶，又有哪家企業(yè)能夠確保自家的數據庫絕對不會泄露數據呢?

12 大數據恐不再“大”

大數據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。隨著大數據在不同行業(yè)的深入開展，大數據的問題還會持續(xù)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數據的未來發(fā)展。

13 DT時代數據依然為先，但可能不大了

在DT時代，數據量依然在爆炸呈指數型增長，每個用戶、每個企業(yè)都能產生大量的數據，而數據的處理手段也在不斷的“傻瓜”化，便捷化。每個人都能應用數據，都能處理數據，這一點相信一定會在技術的研發(fā)中實現，但問題在于，這些數據真的對每個人都有價值嗎?

一個企業(yè)可能花費數十萬把整個公司近十年的數據拿來分析一遍，然后交給決策者，決策者看后欣然決定：“沒錯，我們下一步要做人工智能!人工智能一定能賺錢!”但是，這些決策真的需要大數據來提供幫助嗎?即使這家企業(yè)確實做了人工智能，也實現了增長，那么功勞真的應該歸給大數據嗎?這家公司能稱之為數據驅動型增長企業(yè)嗎?

大數據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信息。信息是無價的，觀點是無價的，但這個無價也可能真的就是一文不值。

14 大塊頭才要大數據

大數據在未來依然會強大，依然會是政府、公共事業(yè)、交通、航天等各種大型機構的必需品。可是對于普通企業(yè)以及普通員工來講，一張Excel表格也許就能解決問題，那么何必非要動用“核武”級別的大數據處理技術呢?在未來，數據依然重要無比，企業(yè)產生數據，分析數據，運用數據，可數據處理將會趨向常規(guī)化，而不會像大數據一樣轟轟烈烈。

未來，ABC之中的Big Data可能會卸下Big的頭冠，給Data讓位。數據才是大數據的核心，也是發(fā)展的核心，但這一切還需要考慮企業(yè)能否接受，和是否需要。