今天我想和大家分享的是， 實際上從大資料到資料被應用中間有巨大的鴻溝， 我們今天絕大部分做的大資料它相當於“煤礦”， 而擁有這些大資料人相當於“煤礦主”， 但煤礦真正運用裡精細化中的絕大部分是今天的大資料行業不能夠提供的。
阿裡巴巴、京東、聯通、移動、銀聯都有資料， 包括我們一些規模很小的企業都有大資料， 如果我們把自己的使用者資料經過挖掘、清晰、處理都可以變成資料來源， 所以不同的行業中間可以產生很多的資料來源。 真正的大資料其實不是單一來源的資料， 阿裡的資料即使非常大， 理論上來說其實不是大資料， 因為大資料真正的要義不是規模， 而是多源。 大資料有一個標誌， 就是當所有資料都開放的時候， 這個多中繼資料才被視為大資料的開端。
今天我們很多的公司都擁有資料， 但是它是不開放的。 因此我們一個城市裡面有很多“煤礦主”， 但是卻沒有形成真正的大資料行業。 今天的共用單車就十分明顯， 每一輛共用單車都有一定的資料， 但是一個城市裡面它一定會出現單車過剩， 我們南京就出現單車過剩， 我們幾乎所有的城市都是單車過剩的，
今天我們真正遇到的問題就是現在的資料時代變成了由過去很小的資料孤島變成一個很大的資料孤島的時代。 其實這是我們今天體制模式中間不可行的地方， 因為資料中間要經過處理才會變成各行各業所需要的東西， 在軟體行業中很多的軟體都集中在“礦”那一側， 但是我們缺少精細挖掘和精細加工的軟體， 從而變成各行各業所需要的東西。
當然， 這不只是一個問題更是一個機會， 機會便是我們如何使得越來越多可能的資料來源在匯融中間成為各個行業中可以使用的產品， 這就是我們今天要分享的大資料的決策能力。 這個決策能力要改變一種模式， 過去所謂資料決策的使用是我們擁有了資料， 然後資料研究者會按照自己已經看見的東西編寫報告， 這些報告是充滿主觀解讀的報告， 資料在寫報告的過程中間本身就已經被扭曲了，
我是做大資料調研出生的，現在的資料結果其實大部分都是行為痕跡。今天絕大部分大資料給大家呈現的都是現狀，現狀我去淘寶了，但是淘寶其實淘了半天也就是這些東西，我們想要的理想的東西在淘寶裡是找不到的。例如我想找到最好的那條內褲，關於最好的內褲就有兩種不同的選擇。第一種叫“萌”路線，第二種叫“英雄“路線。今天實際的產品中“萌”路線的產品很多，“英雄”路線的產品很少。在我們一萬四千多種生活品類裡面“萌”的產品已經有60%左右，而“英雄”路線只有3%左右，這就是理想和現實的巨大空白。例如在當今時代85後市場中間帶有遊戲風格和不帶遊戲風格的就各占50%，但是如果你的消費群體是95後，帶遊戲風格的產品應該是要占85%。實際上，我們今天供95後產品中間帶有遊戲風格的產品總量只有2.5%。所以當今市場的產能過剩是舊式的產能過剩，而新一代產品產能不僅不過剩，其實它還是不足的。今天我們要為這些年輕人去塑造新的產品，我們就需要能實行自動化的智慧去實現。
今天我們所說的“OEPA”就是指生活方式中的機會分佈、現成的供應品牌分佈、潛在的需求分佈、更新的解決方案提供這四個部分。要能夠智慧化的提供解決方案，就需要我們用不同的模組把模型和演算法轉變成為軟體。這些軟體化的智慧模組包括了“品牌DNA-精准客戶”、“DNA覓客”、“精准產品”、“產品密碼”、“精准佈局”、“拓業地圖”、“從精准到精益”這幾個方面。這些模組在不同行業之間可以交錯組合，使用者和行業應用者可以根據自己的需求選擇不同的模組組成自己所需要的自動化、精准、快速的解決方案。
其實大資料不是我們的目的，通過資料智慧成為一個行業應用這才是我覺得今天大資料發展的核心和方向。這也是我們很願意和軟博會的參與者和軟體行業中的同行共同去努力、合作的方向。
本文來自袁岳博士在南京軟博會開幕式上的分享
我是做大資料調研出生的，現在的資料結果其實大部分都是行為痕跡。今天絕大部分大資料給大家呈現的都是現狀，現狀我去淘寶了，但是淘寶其實淘了半天也就是這些東西，我們想要的理想的東西在淘寶裡是找不到的。例如我想找到最好的那條內褲，關於最好的內褲就有兩種不同的選擇。第一種叫“萌”路線，第二種叫“英雄“路線。今天實際的產品中“萌”路線的產品很多，“英雄”路線的產品很少。在我們一萬四千多種生活品類裡面“萌”的產品已經有60%左右，而“英雄”路線只有3%左右，這就是理想和現實的巨大空白。例如在當今時代85後市場中間帶有遊戲風格和不帶遊戲風格的就各占50%，但是如果你的消費群體是95後，帶遊戲風格的產品應該是要占85%。實際上，我們今天供95後產品中間帶有遊戲風格的產品總量只有2.5%。所以當今市場的產能過剩是舊式的產能過剩，而新一代產品產能不僅不過剩，其實它還是不足的。今天我們要為這些年輕人去塑造新的產品，我們就需要能實行自動化的智慧去實現。
今天我們所說的“OEPA”就是指生活方式中的機會分佈、現成的供應品牌分佈、潛在的需求分佈、更新的解決方案提供這四個部分。要能夠智慧化的提供解決方案，就需要我們用不同的模組把模型和演算法轉變成為軟體。這些軟體化的智慧模組包括了“品牌DNA-精准客戶”、“DNA覓客”、“精准產品”、“產品密碼”、“精准佈局”、“拓業地圖”、“從精准到精益”這幾個方面。這些模組在不同行業之間可以交錯組合，使用者和行業應用者可以根據自己的需求選擇不同的模組組成自己所需要的自動化、精准、快速的解決方案。
其實大資料不是我們的目的，通過資料智慧成為一個行業應用這才是我覺得今天大資料發展的核心和方向。這也是我們很願意和軟博會的參與者和軟體行業中的同行共同去努力、合作的方向。
本文來自袁岳博士在南京軟博會開幕式上的分享