一、我国大数据产业发展面临巨大挑战

一是大数据过度使用引起广泛重视。2018年以来，我国因过度使用大数据引发的热点新闻事件屡屡出现，主要包括：一是，利用打通数据关联用户各类信息带来重大安全隐患;二是，利用大数据进行用户画像导致的用户歧视现象屡见不鲜;三是，部分创意产业过分依赖大数据进行决策判断导致创新能力明显削弱;四是，企业间的违规个人数据流通引发信息泄露恐慌;五是，利用大数据进行内容推荐带来潜在隐患。

二是我国数据治理法律法规尚不完善。目前我国对政府部门、企业及其他组织保障数据安全的主体责任、具体要求缺乏系统性的法律认定。同时，我国尚未制定专门的个人信息保护法。此外，我国现有法律对当前日益繁荣的数字经济领域中数据共享、交易相关问题缺少明确规定，数据所有权、数据资产保护等法律问题的内涵和外延仍处于理论探索阶段，滞后于当前数据驱动型经济发展的法律保障需求。

三是传统企业数字化转型仍处于起步阶段。目前制造业等传统行业企业面临营收增长减速，盈利水平不断下降的巨大压力。制造业需以数字转型带动运营绩效提高已经成为业界的共识，但受限于传统的封闭式软件思维影响以及行业标准缺失，部分企业对数据安全问题仍持审慎态度。再加之业界并未对如何实现这一转型达成共识，在缺乏行业标准的情况下，企业在数据如何驱动业务发展、如何评估数据应用价值上仍面临困惑。据埃森哲研究显示，目前只有7%的中国企业数字化转型成效显著。

二、企业布局大数据的关键要素

当前，国家大数据战略实施已经到了落地的关键时期，大数据技术产业创新发展、大数据与实体经济深度融合、以及大数据安全管理与法律规制等方面都进入了攻坚阶段，未来大数据时代背景下数据资产管理升级显现，企业成功实践大数据转型亟待突破以下壁垒。

一是实现企业数据打通是发挥数据价值的首要条件。就大数据应用而言，数据单点分析价值有限，打通后的全局数据才能发挥根本价值。真正做到数据打通需涵盖以下四类数据：第一类经营类数据，如CRM、ERP等;第二类社会类数据，如企业运营、活动中产生的数据;第三类日志类数据，如用户的浏览足迹;第四类为企业外围数据，如行业第三方数据等。此外，企业数据打通不仅限于单纯的数据交换，还应结合数据和业务系统整合整体数据解决方案。

二是数据风险控制成为大数据应用的重要节点。伴随着大数据产业的快速发展，大数据安全威胁日益增多，数据泄露、数据买卖、数据被盗等事件频频发生。一般企业由于缺乏数据安全管理顶层设计和统一协调管理，控制风险的能力很难跟上风险提高的速度。目前非大数据企业纷纷布局，聚焦管理框架与技术实践标准化，创新打造第三方桥梁性平台，开展大数据管理咨询服务，通过整个工艺流程数据的分类分级去攻克数据安全问题。在核心数据的处理上，基本采用宏观上核心业务数据上私有云，外围数据上公有云的方式进行区隔。

三是大数据产品为企业发展注入新动能。未来真正颠覆传统企业的不是产品数字化，更有可能是数据产品。举例说明，今后消费者对产品需求进一步向“定制”化发展。对照企业需提升两方面能力：第一提供定制化的能力，第二对接消费者的能力。未来每一件产品，在生产之前就知道它的顾客是谁。柔性化生产=IT系统+管理优化(TPS+TOC)+设备(柔性化设备)+技术(互联网加大数据技术)+人才(复合型人才)，在B2B—B2C—C2C—C2B—C2F(消费者对工厂)的趋势中，以互联网为基础、由消费者直接驱动、通过柔性化生产实现个性化定制。

三、大数据产业未来发展模式探讨

大数据产业已经从野蛮生长阶段走进了稳健增长阶段，下一步如何引导产业进入有序、健康的发展快车道，是业界普遍关注的问题。经业内专家讨论提出，保障大数据产业发展应从以下几点入手：

1、规范数据交易模式

大数据作为未来商业的基础设施，几乎涉及到国计民生的所有行业，应以提升效率和保障安全为基础考量，尤其是数据交易的模式、范围和内容等亟待规范。考虑到国内大数据发展情况，当前首要问题是打击一小部分滥用用户数据，和无视数据安全的企业行为。但从整个行业发展来看，建议国家给企业一个相对灵活宽松的环境，在安全合规的基础上，宽松的环境更利于行业发展。

2、积极树立数据应用成熟行业标杆

深入挖掘数据应用的成熟行业标杆企业，引导其开放数据应用方法和案例，为行业树立发展示范。以数据应用比较成熟的电商领域为例，先由头部企业围绕电商生态进行数据技术与应用探索，沉淀出可供借鉴的方法论。在此基础上，建议从政府层面加以引导，将其转化为全行业通用的标准，为行业内数据应用提供范本。

3、探索新的数据应用模式

在保障数据安全下探索新的数据应w用模式，充分利用云计算、AI、大数据技术等融合优势，发挥大数据势能与价值。例如，通过建设数据服务的云端生态市场，实现企业对核心数据的管控，以及在安全环境下的多方数据源的有效融合，充分利用云计算的高弹性高吞吐等底层技术优势，实现一站式的数据计算、存储、管理与应用，最大化发挥数据价值。