最近兩年在做人工智慧、大資料、區塊鏈的技術研究，在這裡分享下我的認知供參考：

大資料之所以叫大資料不是因為資料量要求大，更是資料模型資料演算法維度的大，一般都是錯誤的理解大資料就是資料量大。

最近兩年我去全國超過100家的大型企業、政府進行調研，雖然很多機構上了大資料平臺和資料中心，但是大家基本是資料量的大，說的簡單都是建立了資料倉庫把資料儲存了下來，但是沒有把資料的價值發揮出來，資料模型缺失、資料維度特別是商業維度嚴重缺乏。

隨著網際網路人工智慧的發展，資料量的累積特別的快，很多企業、政府都面臨資料量很大但是價值不足的矛盾，個別企業更是對現有的資料沒法利用成了資料垃圾。

人工智慧效率的提升需要把資料模型和應用場景、商業價值進行高效匹配，並且透過深度學習的方法不斷修正資料指標達到提升效率的目的。

但是目前大部分企業的資料基礎都比較差，只有原資料的累積，資料儲存前沒有標籤歸類，資料行為沒有追蹤，資料模型演算法幾乎都沒有，傳統的IT系統都是儲存資料後清洗的模式，導致很都資料垃圾。更有甚至由於前期沒有資料追蹤，儲存的系統的很多資料都假資料，比如錄入的系統的資料不真實，被人工篡改，採集收到干擾等等。

未來大資料要和人工智慧結合更好的為產業發展服務，需要區塊鏈幫助大資料實現資料儲存的標籤化、資料流向追蹤、資料價值轉移的資產化、資料加密、資料商業指標建設、資料模型演算法的深度最佳化。