在最近做數字化項目的過程中，不管是和客戶交流還是看一些項目的技術方案，都發現有一個曾經很火的概念，突然很少出現了。

不錯，這個概念就是“大數據”（Big Data）。

大數據這個詞曾經引領了數字化轉型的第一波潮流，讓人們覺得數據中蘊含著大量的寶藏。對于數據來說，the more, the better，幾乎成為行業鐵律。

暫且不談那個經典的“啤酒尿布”的例子，光5V這個概念就已經成為千萬數字化廠商的堅定價值信條。

于是，很多技術創業項目開始沉迷于對海量數據進行收集和開發，大規模地投入到建設算力中心，建設存儲中心，打造監測平臺等事項中。

然而，在實踐過程中，人們發現“大數據”的價值遠遠沒有達到預期的水平，就像互聯網出現的早期一樣，人們開始滿懷期待，但是并不知道如何變現 ...

僅僅追求數據的規模，并不會讓人們從中得到更多的“實惠”。

同時，由于數據質量良莠不齊，與業務相關性差，導致“大浪淘金”的數據分析模式，浪費了大量的人力物力。

“大數據中，蘊含了跨業務、跨場景的用戶商業洞察，有利于精準決策和業務創新。” 這句話雖然是大數據精神的內核，但是并不好落地。

絕大多數企業，只掌握供應鏈上的一個環節，很難做到跨域關聯。

如果想通過整合廠商的數據資源來開拓新場景，數據服務成本以及和數據服務關聯的商務成本，都是不可低估的。

例如，在支付行業，銀行交易數據和消費側數據如果想達到業財合一，需要服務商、商戶、支付機構多方協調，業務推進十分困難 ...

因此，大數據的實踐思路一般只適合互聯網原生企業，因為這些企業更容易從平臺側逐漸輻射到供應鏈的兩端。

從數據量的角度，平臺側數據量更大，在關于數據融合需求的博弈方面，具有更強的話語權。

反之，對于絕大多數企業，都是非平臺型企業。要么只負責生產，要么只負責銷售。

想要實現跨域的大數據場景，既缺乏專業能力，也缺乏資金方面的有效保障。

當前，還有一種思路是基于開源的大數據來進行“數據場景”強化。這個思路后來驗證也行不通，或者說“投入產出比”不高。

開源的大數據在數據質量上很低，同時與業務的相關性差，這就意味著單位數據投入產出的業務價值非常有限——數據價值密度低。

盡管在學界一直對于開源大數據的建模和分析比較癡迷，營造了一種開源數據價值含量更高的假象，其主要原因還是在于“拿不到”產業數據。

在這種情況下，更多的傳統企業開始反思，應該聚焦于將數據挖深、做透，而不是單純地追求數據規模的大。

如果大數據不能帶來直接有效的價值，那么對于企業來說是負債，而不是資產。

基于上述的這些討論，并不是說大數據不重要，而是說大數據并不適合每一個數字化企業對數據資產的投資。

數據的獲取渠道，已有數據和所需數據的比例，數據的治理效率和開發效率，都是應該慎重考慮的決策門檻。

與其盲目拓展新的數據，去探索難以得到驗證的未知規律，還不如在現有的業務架構中把現有的數據資源規整、加工、治理，先滿足當下的業務需求。

換句話說，大數據是一個數字化企業發展到比較高級階段的任務，對于數字化基礎還不夠強的傳統企業或中小企業，還是應該以傳統數據分析任務為中心開展數據方面工作。