由中国管理科学学会大数据管理专委会、国务院发展研究中心产业互联网课题组联合编撰的《中国大数据应用蓝皮书2017》日前出版。该蓝皮书旨在描述当前中国大数据在相关行业及典型代表企业应用的状况，分析大数据应用中存在的问题和制约其发展的因素，并根据当前大数据应用的实际情况，对其未来发展趋势做出研判。

制约大数据发展的往往不是大数据本身，而是大数据应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动……因此，推动大数据应用的发展，需要对不当的行业管理模式进行改革，对既有利益格局进行调整。

大数据应用助力产业升级

从现实情况看，大数据现在有个很大的矛盾：数据产生了很多，应用得很少。即数据的爆炸式增长和还处在朦胧状态的、甚至还没有上路的应用之间的矛盾。所以，我们需要思考怎么将数据的互补性和集成效应利用起来。

不论是市场的数据，还是政府的数据，现在都没打通，打通之后也未必用得好。问题的关键是，得有一个框架——认清想解决什么问题，而且对该问题本身有很好的理解，从而形成一个理解和解决问题的框架。将数据装配到框架中一个合适位置，数据方才有意义。

数据开放了，有了数据源；有好的框架将数据装进去，解决了问题，这样就创造了价值。创造价值后就有人买单。创造价值，是大数据应用的根本。

大数据应用是一种创新，有其自身的规律，我们务必要尊重创新的规律，为大数据应用留下更大的发展空间。这就涉及到如何处理好政府和市场的关系等问题。此外，大数据应用既是创新，就存在一定的风险，就非常有必要对各行业大数据应用策略和现状进行研究。

不可忽视大数据的复杂多样性

大数据是一种资源，它具有决策有用性、功能多样性、应用协同性、可重复开采性和安全风险性。了解掌握这几个特性，对大数据应用者而言极其重要。

现在很多研究金融大数据的，就利用自己所拥有的数据，来研究金融风险存在的一系列问题。这是利用了大数据具有的决策有用性，所有数据只要分析它的决策就是有用的。但忽略了大数据的功能多样性、应用协同性、可重复开采性和安全风险性，但这几个特性对大数据应用者来说不可忽视。而要兼顾这些特性，往往超出了在金融部门长期工作的一些研究者所具有的知识范围。比如说，把银行数据和实体经济的数据放在一起来研究金融风险问题，肯定会比只用金融数据来研究金融风险要准确得多，可以预测到很多银行家所预见不到的情况。在此情况下，实体经济数据也成为金融大数据的有效组成部分。

总之，大数据的应用是非常具体的。从目前状况看，大数据的炒作期已经结束，而围绕大数据的相关科学研究和商业应用刚刚起步。大数据只有与具体应用领域紧密结合，才能获得更大的发展。

大数据应用须做顶层制度设计

汽车行业产业链较长，既涉及产品、制造，又涉及服务和使用，所以汽车领域的大数据应用，链条也较长，应用范围很广。

由此，我们是不是可以把汽车制造和使用以及服务看成一个体系，通过大数据或信息化的技术和手段，比如平台，来实现从“制造+服务”的效率最优？汽车行业目前提出三个智能，一是汽车产品的智能化，多指智能网联汽车；二是汽车制造的智能化；三是智能服务或是智能出行，类似基于滴滴、Uber这样的平台。三者借助的支撑性技术具有共性：都是基于数据的采集、传输、存储、处理，在汽车生产、使用的各个环节，提升效率。

回到大数据应用，大数据已成为生产要素的一种，与人力、资本同等重要。大数据应用当下最需要的是顶层设计，是制度设计。比如大数据的确权，它归属谁？它的所有权怎么界定？它的使用权怎么界定？它在交易流转过程中所有的制度怎么设计？没有这样一套清晰的制度体系，数据孤岛、数据共享等难题在所难免。

大数据应用一方面要挖掘最为广泛的应用场景，挖掘基于应用场景的商业价值，另一方面要深入到行业、深入到产业，让大数据更加“接地气”，中科点击作为行业大数据应用专家，经过长期的探索与实践，总结出了一整套标准化、流水线式打造分行业大数据应用平台的创新模式，16大任务包，196个任务节点，100天就可以完成一个大数据应用平台的开发与上线，真正让大数据融入到传统行业的血液中去，促进传统行业的价值重构以及商业模式的重塑，最终实现转型升级和创新增值。