過去的2016年，政府、行業以及大眾對大數據的認知有了更進一步提升，但是大數據的應用落地及價值體現還是處在初級階段，大數據如何促進創新創業，帶來新的經濟增量，如何推動傳統行業轉型升級，如何實現商業價值在2017年將會受到更多關注，尤其是以大數據為基石的人工智能應用將會驅動著“AI+”的發展。
2016：數據新能源價值拓展從互聯網到傳統行業
阿里巴巴集團董事局主席馬云在10月份云棲大會上首次提到“五新”的趨勢，分別是新零售、新金融、新制造、新技術和新能源。而數據正是代表的新能源，過去的發展是基于石油和煤，未來的發展是基于新的能源，那就是數據，數據是人類第一次自己創造了能源，而且數據越用越值錢。
數據作為物理世界在虛擬空間的客觀映射，人、事、物都在被數據化，人與人、物與物、人與物之間瞬間就會產生大量的數據，數據成為新經濟的生產要素，如同工業時代的鋼鐵、石油。數據新能源只有在使用中才能不斷體現和衍生出價值，2016年我們看到大數據實踐從互聯網行業拓展到越來越多的傳統行業、政府部門的實踐。
1、政府部門著力推動大數據相關政策法規、機構及產業發展
自2015年9月國務院發布《關于促進大數據發展的行動綱要》，十八屆五中全會公報提出要實施“國家大數據戰略”之后，大數據相關地方和行業政策法規依次出臺。2016年1月15日，貴州省通過了《貴州省大數據發展應用促進條例》，這是中國首部大數據地方法規，將大數據產業納入法治軌道，以立法引領和推動大數據產業蓬勃發展。
截止2016年底，全國已有30多個地方政府部門出臺了大數據相關的政策文件，10多個地方政府專門設置了大數據管理部門，統籌推進大數據發展。目前全國已建或擬建的大數據產業園區超過10個。這些大數據產業主要分布在北京、上海等比較發達的地區，并已形成了較完備的產業鏈，產業規模也在不斷擴大，為相關企業向大數據產業迅速轉型奠定了良好基礎。
政府行業的信息化和數據化水平參差不齊，但作為國家大數據行動綱要的重要目標之一——政府和公共數據資源的開放共享是目前重要方向，將會大幅提升政府治理創新能力和決策水平，也有助于利用社會力量實現協同治理的目標。根據初步統計，截止2016年8月，我國共有19個地方政府部門建有數據開放平臺網站。但數據開放水平和政府數據價值挖掘還有待提升，不少政府部門認識到數據即權力，對于數據共享開放持保守的態度。
另一方面，信息化水平比較高的政府部門已經著手搭建統一的大數據平臺，比如海關、國稅總局等在探索依賴云計算技術建立統一的大數據平臺，提升部門內部數據的共享，打通信息孤島，提升政府治理能力和水平。交通部門與互聯網企業緊密合作，推動交通大數據的融合助力城市交通治理能力的加強。
2、大數據的落地與行業的互聯網化和信息化水平緊密相關
2016年，大數據加速在行業應用場景的落地，從互聯網行業向傳統行業的滲透進程加速。但總體來看，應用水平最高的是互聯網行業，在線實時的數據成為支撐互聯網行業業務的基石，圍繞著消費者進行個性化推薦和精準營銷成為最主要的應用場景：
比如，在2016年雙11期間阿里平臺上的千人千面服務使得每個消費者都可以擁有自己專屬的雙11就是典型的智能個性化推薦的應用場景，同時基于大數據的風險控制、貸款服務和信用應用也成為數據外部化應用的典型場景；
比如螞蟻金融的小微貸款和芝麻信用服務，依據阿里巴巴商家在平臺上的數據建立的信用風險模型讓商家可以獲得310的貸款服務（3分鐘申請，1秒鐘審批，0人工干預），個人的芝麻信用分數可以應用在大量的商業消費場景中；
比如租車、酒店住宿、婚戀、簽證服務等，同時也在幫助最高人民法院對“老賴”進行信用懲戒方面提供了新路徑。
金融和電信行業作為信息化水平較高的行業，不僅有大量的歷史數據積累，同時也越來越重視內外部數據的整合應用，從支撐業務、支撐決策，到營銷類應用和風險控制類應用，數據的價值在逐漸擴大，我們還看到電信運營商的信令數據可以為交通治理服務這樣的外部應用開始逐漸浮現和發展。
傳統制造業、物流、醫療、農業等行業在很多點的大數據應用方面也有突破，比如“大數據+工匠精神”對于制造業的轉型升級至關重要。而大數據的實時、感知和預測等特點確實可以為制造企業在降低成本，縮短生產周期，提升效率，細分產品定位，優化流程和決策等方面扮演重要的角色。
阿里巴巴目前也已經和徐工集團開始進行合作，希望利用阿里云上面的大數據能力，協助徐工建中國工業大數據平臺，實現“阿里云+徐工”=“中國的Predix”，在工業大數據平臺、應用及生態建設方面探索一條新路。
索菲亞在探索C2B的實踐過程中，數據對于其規模化和個性化的平衡起到關鍵作用。索菲亞認為自己不是家具制造企業，而是一家大數據企業。在調研時我們發現，索菲亞有強大的科技團隊，超過400多人，而其中300多人是在做數據加工。索菲亞利用大數據提升客戶體驗，提高交付效率，減少差錯和庫存，基本可以做到零庫存水平。在索菲亞的前端需求到后端的生產系統中，數據的共享、聯通和流動是實現訂單準確地從需求端傳遞到生產制造和采購端的關鍵。
3.數據商業化面臨諸多挑戰
雖然在2015到2016年，不少地方政府主導成立了數據交易所，一些商業化的數據交易平臺也上線運營，但目前基于數據的全新商業模式依然還處在探索的初級階段，數據交易、交換及服務的商業化面臨諸多挑戰，比如應用場景和價值不易標準化，數據定價及資產評估問題，安全和隱私的問題，政府數據開放的速度較慢問題等。
作為新能源，數據是越用越有價值，但也正是如此，同樣的數據在某個場景下價值很大，在其他場景下可能沒有價值，數據的應用場景和價值不容易標準化，就如同挖金子的初期一樣，真正賺錢的還是賣鐵鍬的，如今還沒有到真正賣金子的時候。
數據與工業時代的商品有截然不同的屬性，工業時代的商品是實體物品為主，基于一定成本的原料生產后，基于工廠相對標準化的大規模生產模式生產出來；而目前的數據應用水平和程度有限，數據標準化程度很低，無法按照傳統的商品銷售模式進行銷售。
工業時代的商品經歷了上百年的發展之后，已經形成了大家都認同的標準化定價模式，比如基于物權的定價模式，基本上是成本加上品牌定價；而數據的權屬問題目前還是個大難題，傳統物權、知識產權等都存在不適用的部分，同時數據產生的邊界成本基本為零，因此目前從數據加工的成本和基于數據加工衍生出的服務出發，以API或數據集的方式銷售給用戶是一些在嘗試的模式，比如以數據堂、聚合數據為代表的第三方數據服務公司正在采用這樣的模式，還有以DaaS(Data as Services)的云服務模式提供給用戶使用，但總體規模和盈利模式都遠不成熟。
2017：大數據支撐AI+加速落地
016年的AlphaGo和年底的Master通過人機大戰讓人工智能成了盡人皆知的概念，但外在的人機大戰背后是內在的數據+計算+算法能力的崛起，正是這三個因素讓誕生了60年之久的AI在今天再度成為熱點。筆者曾經聽一位從事機器學習領域研發的資深專家講，猛然在2016年才意識到自己原來從事的是AI行業，以前從來沒有意識到。可見AI的熱度并非憑空產生，是多年的技術發展到一定階段的結果。
2017年，大數據的發展有以下幾個主要趨勢：
1、數據+算法+計算能力加速AI+落地
云計算技術的日臻成熟和成本的降低奠定了大數據發展的技術基礎，深度學習算法的興起和發展使得計算+數據+算法三者支撐的人工智能走下神壇。
伴隨著大數據時代的到來，多來源、實時、大量、多類型的數據可以從不同的角度對現實進行更為逼近真實的描述，而利用深度學習算法可以挖掘數據之間的多層次關聯關系，為人工智能應用奠定了數據源基礎。目前的人工智能應用場景都是以大數據作為基礎的，比如在搜索、推薦、語音交互等場景中已經有了不少成功實踐。
2.基于數據融合和外在價值的探索會誕生新商業模式
目前大數據比較成熟的場景是包括個性化推薦和營銷類應用，以及風險控制、信用評估類應用。我們看到，大數據產品技術及解決方案的創新比較清晰，開源技術基礎上的創新和服務是主要方向，但圍繞著數據本身的新商業模式還在探索過程中。
2017年，基于數據融合和外在價值的創新模式會誕生新的商業模式，企業內外數據、線上線下數據融合產生化學反應，基于數據的創新模式給我們無限想象空間。
3.大數據開始重構傳統工業和制造業的價值鏈
傳統企業和行業用戶已經開始圍繞著數據進行業務流程重構和再造，以數據為核心開始嘗試業務創新模式，比如C2B/C2M模式實質是以消費者數據為核心倒逼傳統產業的升級轉型。2017年傳統工業和制造業會更多地關注數據如何驅動主要傳統產業的解構、重構和再造，基于數據的傳統產業轉型升級成為主流。
4.圍繞著數據權屬、個人信息保護、跨境數據流動的相關政策法規標準出臺
2016年《網絡安全法》的出臺引起了社會上對數據安全相關領域的強烈關注，2017年數據權屬、個人信息保護以及跨境數據流動相關政策法規標準會逐漸完善，推動《網絡安全法》的落地實施，促進我國大數據的健康有序發展。
正如前面所講，數據權屬的界定目前也需要有相應的法律規范出臺他，它對于基于數據的創新創業影響巨大。過往幾年中基于數據買賣的地下灰黑產業非常猖獗，帶動了消費者個人和國家對個人信息保護的關注，但目前來看我國個人信息保護相關的法律規范尚不完善，目前只在一些法律中有零散規定，仍然存在效力層級低、法律法規協調性弱、保護內容片面等立法不足，有待于加強和完善。
同時，互聯網使得數據的跨境流動變得普遍，我國越來越多的企業在通過互聯網成為全球化企業，數據本地化和跨境數據流動的問題會日益凸顯。大數據產業發展呼喚政策法規標準的快速跟進。
