大資料發展很有潛力，因為大資料技術是順應時代和科技發展的產物，國家對大資料的重視程度也在不斷提高，加快傳統行業改造提升，推動資料開發，加強共建共享。

雖然題主這個說法很有問題，但是我確實正在做這方面的業務。

首先，存在的問題是，大資料不存在線上線下一說。對標的永遠是場景、需求……這些指標。

我自己是廣告營銷人出身，11年的時候感覺到大資料的巨大潛力，開始學習相關知識。15~16年的時候，開始引導公司轉型，將資料應用和市場營銷相結合。這之前，阿里巴巴已經向世界證明了電商的威力，零售商、代理商已經節節敗退。

然而我看到一個問題，線上線下融合是必然趨勢，但在當時，並沒有看到線下有任何融合的動作。其實到今天，絕大多數側重線下的實體企業也沒有做好，甚至很多都沒有意識到這個問題。線上以輕量化、流量、轉化率一類指標為生命線的思維，線上下並沒有得到重視。

這裡呈現出一系列的問題來，為何線上不能往線下精準導流？為何線下不能實現資料化管理？資料資產的價值如何體現？15~16年的時候我覺得這是個巨大的市場。

當然，放到今天，一句“新零售”似乎可以解釋一切了。所有企業都在躍躍欲試，對標阿里做出各種嘗試。但是，並不是所有的企業都是阿里。我的意見是，阿里巴巴一家世界頂級的資料公司，定位不同，不可參考。

於是，在很多企業的迷茫和無措的照貓畫虎中，美團點評、滴滴出行這樣的平臺也開始紛紛露頭，提出新的行業解決方案，開始切線下這塊巨大蛋糕。而線下企業呢？別的地方我不知道，就說山東（尤其是青島），啥也沒做，真的，啥也沒做。不創新，不改變，就等著用現成的東西。這些公司，都沒有什麼未來。

首先，答案是肯定的，線下大資料是有潛力的，而且潛力非常大。

要想搞清楚線下大資料的潛力，首先應該瞭解什麼是線下大資料，以及線下大資料將有哪些應用前景。

所謂的線下大資料是指脫離網際網路環境所產生的資料，或者是網際網路只參與了其中的一部分環節的情況下所產生的資料，這個資料量是非常龐大的，而且線下大資料對於使用者行為的分析將更加精準，獲取的使用者行為意願也更加明確。

大資料中曾經有一個著名的案例就是透過線上大資料進行流感預測，大資料技術透過統計使用者搜尋流感藥物的情況來判斷流感的發生，結果要比線下的防疫部門早整整兩週的時間，這就是線上大資料的價值。兩週的時間可以讓防疫部門完成很多部署，也會讓醫院更加從容的應對就醫高峰。

但是從另一個角度來看，線上大資料注重的是趨勢性的預測，針對於具體的使用者來說，準確率並不高，簡單的說就是搜尋流感藥物的人未必就得了流感，但是如果到藥房購藥的使用者則患上流感的可能性就非常高了，而這個就是線下大資料的範疇了。所以，線上大資料注重趨勢，而線下大資料則更注重精準。

線下大資料的採集要比網際網路採集方式更加複雜，這也是線下大資料發展的一個壁壘，目前大部分的解決方案是透過智慧硬體展開的，透過智慧硬體加後端資訊系統完成線下大資料的處理方案。

隨著物聯網建設的逐漸完善，未來線下大資料將與線上大資料進一步融合，從而構建出全場景的大資料應用。線下大資料的應用場景將從目前的線下精準營銷逐漸向廣大服務領域拓展，從而構建一個智慧化的線下場景。

最後，廣大的傳統行業將有大量的線下大資料應用場景，因為傳統行業的資料具有嚴格的使用邊界要求，所以未來產業網際網路階段，線下大資料加邊緣化處理將是一個重要的應用場景。