2016年@@7月@@14号@@，首席数据@@官@@联盟@@在@@京发布了@@2016年@@《中国大数据@@@@企业@@排行榜@@》。本次@@发布的@@《中国大数据@@@@企业@@排行榜@@》由北京@@大学电子政务@@研究院@@、中国新一代@@IT产业推进联盟共同指导@@，由首席数据@@官@@联盟@@专家组依据大数据@@@@企业评价指标体系对国内大数据@@@@企业进行综合评定@@。与此同时@@专家组还总结出了中国大数据@@@@发展的@@10大趋势@@和@@5大挑战@@。此次@@@@《中国大数据@@@@企业@@排行榜@@》得到业界的大力支持@@，发布会由中华网@@、中关村智能硬件产业联盟@@、北京@@优智活孵化器协办@@。机械工业信息中心处长白涌如@@、北京@@大学电子政务@@研究院副院长杨明刚@@、北京@@理工大学大数据@@@@搜索@@挖掘实验室主任张华平@@、中铝公司信息管理部副总文欣荣@@、达晨创投投资总监窦勇@@、易金易@@（北京@@）资产管理有限公司@@CIO侯峰@@、海尔克路德机器人@@CTO王运志@@、北京@@信息化协会副理事长马小东@@、中华网创新业务总监熊锦华@@、China Hadoop Summit创始人何建军@@、宏碁电脑营销总经理黄峻涛@@、阳光信保数据@@开发部总理安光勇等领导和专家出席发布会@@。发布会由首席数据@@官@@联盟@@发起人葛涵涛主持@@，首席数据@@官@@联盟@@发起人刘冬冬代表主办方致词@@，活动上首席数据@@官@@联盟@@发起人@@、中国新一代@@IT产业推进联盟技术@@分委会秘书长鲁四海做了精彩解读@@。鲁四海为我们分析了中国大数据@@@@发展的@@10大趋势@@和@@5大挑战@@，以下是现场实录@@：
趋势一@@：首席数据@@官@@开始崛起@@
随着企业努力克服由变化带来的冲击@@，同时@@需要立足于数字化时代与竞争对手进行对抗@@，相信将有更多@@企业将关注@@重点放在@@新的高管职位@@——首席数据@@官@@（简称@@CDO）身上@@，而这类角色也将成为推动业务发展战略的中坚力量@@。国内企业陆陆续续开始设置首席数据@@官@@@@，有的企业已经设置了专职数据@@部门@@。
趋势二@@：可视化推动大数据@@@@平民化@@
无代码编写要求的应用已经成为企业需要重视的一种可行方案@@，旨在@@简化业务用户获取所需信息的流程@@。越来越强大的可视化工具将成为业务人员能够参与到大数据@@@@分析发挥其主观能动性的桥梁@@，可视化的发展为@@IT能力较弱的企业提供了应用大数据@@@@的一个有效途径@@。举个例子来说@@，给大家一张全国各省网民占比的表格@@，让大家在@@@@5秒内找出前三和倒数第三@@，估计是很难的@@，但是如果是给大家一个柱形图@@，估计一眼就看出来了@@。
趋势三@@：智能化嵌入@@
主要体现在@@两个方向@@，一是各类企业应用程序越来越多地直接嵌入分析能力@@，而且@@功能在@@不断地完善品@@。二是各种智能设备中@@“云@@+端@@”的大数据@@@@分析处理能力嵌入@@。比如@@现在@@每个手机上都会有个语音助手@@，它背后是大数据@@@@的平台@@的支撑@@。目前@@已经出炉的相当方案包括机器人@@、自动驾驶车辆@@、虚拟个人助手以及智能顾问等等@@，未来@@的我们所接触到的设备都会迁入大数据@@@@的分析处理能力@@。
趋势四@@：机器学习迎来上扬态势@@
未来@@，机器学习将成为@@“数据@@准备与预测分析工作的必要前提@@”。许多企业已将先进机器学习技术@@视为最重要的未来@@战略趋势@@。原因是大数据@@@@未来@@的发展一定是解决更多@@的实际问题@@，解决实际问题需要依靠更完善的算法模型@@，而这些正是机器学习的用武之地@@。
趋势五@@：开源应用加速@@
Hadoop生态的热度依旧不减@@，Spark正快速崛起@@。基于开源技术@@的解决方案也越来越完善@@，应用也越来越普及@@。基于开源的人才队伍也在@@迅速壮大@@。开源让更多@@的企业@@、组织能够快速的@@、低成本的迈进大数据@@@@这个门槛儿@@，快速的去尝试做些实验@@，进入到这个领域@@。
趋势六@@：数据@@服务逐渐形成规模@@
我认为有三个原因@@：一是我们不可能都做数据@@的矿工@@，没必要做重复劳动@@。二是数据@@未来@@一定是多维度的整合@@，这样才会产生最大的价值@@。但是多维度的整合就会有数据@@交易@@，交易的实质是服务@@，数据@@服务能比较好地解决安全@@、速度@@、时效等问题@@，而且@@是直接面向业务问题的@@，更能带动大数据@@@@的快速发展@@。三是越来越多的企业利用自己拥有的数据@@进行上层应用开发@@，提供增值的数据@@服务@@，如用户账号@@安全检测@@、用户可疑行为识别等@@。
趋势七@@：算法市场的兴起@@
我们知道数据@@本身没有意义@@、不会有价值@@。它的价值在@@于把一些数据@@通过一定的算法模型进行分析之后能够解决某一个或者某一类的问题@@。但是法的开发难度非常大@@，随着时间推移企业将意识到很多算法与其自行开发@@，不如通过市场购买@@，而后直接向其中添加数据@@即可@@。
趋势八@@：互联网@@、金融@@、健康保持热度@@，智慧城市@@、企业数据@@化@@、产业互联网@@将成为新的增长点@@
互联网@@、金融@@、健康领域依然是大数据@@@@应用的前沿领域@@。同时@@智慧城市@@大数据@@@@应用越来越多@@，智慧城市@@已经进入高速成长期@@，大数据@@@@是智慧城市@@建设的核心内容之一@@，比如@@智慧城市@@的运营中心它的一个落脚点也是在@@大数据@@@@的融合和利用上面@@。随着企业数据@@化@@发展@@，产业互联网@@雏形已现@@，基于产业互联网@@的大数据@@@@应用正快速发展@@，产业互联网@@在@@很多地方已经开始试点@@，把一个产业链上的企业数据@@整合在@@一起去优化这个产业的发展@@。自建大数据@@@@平台@@或采购外部数据@@服务提升自身竞争力已成为共识@@，越来越多的企业进行实施阶段@@。
趋势九@@：大数据@@@@创业呈现海归潮@@
很多大数据@@@@企业创始团队成员都有海外背景@@，随着国内大数据@@@@产业的迅速发展@@，选择回国创业的高端@@人才越来越多@@。将国外先进的技术@@与国内庞大的市场相结合@@，被普遍看好@@。比如@@PTmind（北京@@铂金智慧网络科技有限公司@@）是由海归郑远博士与薛理伟博士共同创建的市场营销大数据@@@@智能检测平台@@@@公司@@，公司目前@@服务于全球@@5万多家企业@@；Gausscode Technology（北京@@高科数聚技术@@有限公司@@）由海归程杰博士在@@美国创立的一家提供大数据@@@@应用@@，智能可视化和决策平台@@的企业@@；Taste Analytics（北京@@斯图飞腾科技有限公司@@）由海归汪晓宇博创在@@美国创立的实时动态@@、图像可视化兼具非结构化数据@@分析能力的综合智能数据@@分析企业@@……
趋势十@@：产业生态逐渐完善@@，产业链协作持续升温@@，“瀚沙现象@@”出现@@
《促进大数据@@@@发展行动纲要@@》驱动产业生态快速发展@@，产业分工也越来越细@@，技术@@、产品@@、服务的整合越来越重要@@。通过联盟形式进行技术@@融合@@、服务整合是大数据@@@@产业链协作的重要方式@@，包括首席数据@@官@@联盟@@在@@内的联盟得到快速地发展@@。同时@@，我们也注意到大数据@@@@产业链的协作已经出现@@了更深度整合的模式@@——超级合资公司模式@@，代表性的就是今年@@成立的瀚沙科技@@，由大数据@@@@产业链不同环节的@@8家知名企业共同投资成立@@，旨在@@实现技术@@@@、产品@@和服务的深度整合@@，打造一站式的大数据@@@@解决方案@@，业界称为@@“瀚沙现象@@”出现@@。
挑战一@@：大数据@@@@行业发展良莠不济@@
我国大数据@@@@仍处于起步发展阶段@@，在@@“万众创新@@，大众创业@@”的大环境下@@，大量的大数据@@@@企业不断涌现@@，但企业发展良莠不济@@。
挑战二@@：大数据@@@@创新@@、创业盲目@@
企业在@@创新@@、创业过程@@，由于缺乏对大数据@@@@产业链的认识@@，出现@@许多跟风扎堆的情况@@，没有有效发挥自身优势@@，造成巨大的资源浪费@@。创新的时候@@，我们往往会看到一些标杆出来@@。通俗来讲@@，看到人家风光@@，没有看到人家背后受罪的时候@@。往往一窝蜂跟去的时候就会发现全是坑@@，而且@@ “此去华山一条道@@”，满满的全是竞争对手@@。因此我们做这个排行的初衷就是为大家梳理一下@@，哪些行业@@、哪些板块@@、哪些领域是什么样的状况@@，精确的找到自己的优势方向@@，去做创新和努力@@。
挑战三@@：投资盲目@@
霍华德@@.马克思说过@@“投资者们明确达成的广泛共识差不多都是错的@@”。究其原因是资本在@@选择大数据@@@@项目@@、企业的时候@@，由于没有客观的评价标准@@，同时@@也缺乏对产业链的整体认知@@，导致投资市场追逐热点@@，存在@@一定的盲目性@@，大大降低了资本对大数据@@@@行业发展的正向推动力@@。
挑战四@@：监管的盲目性@@
目前@@，监管层很难对大数据@@@@企业和机构进行有效的监管以及正确引导@@，要为大数据@@@@发展打造一个良性的生态环境就比较困难@@。其核心原因是对大数据@@@@企业的识别评价缺乏标准和规范@@。
挑战五@@：大数据@@@@项目建设盲目@@
由于人才缺乏@@、大数据@@@@咨询@@服务还没有发展起来等原因@@，用户很难对大数据@@@@项目有全面的认识@@，容易受到厂商的左右@@，导致建设内容的盲目@@；由于缺乏对产业的整体认识和大数据@@@@企业评价标准@@、方法@@，所以在@@大数据@@@@服务商选择上也存在@@一定的盲目性@@@@。
