大数据行业与其它行业有何不同之处？

大数据发展有何限制？

如何解决根本性的人才短缺？

科研怎样才能真正解决企业问题？

全网首发完整笔记

“ 科技引领的创新，容易市场化”

大数据是我最看好的平台之一。它和其它行业最大的不同是技术创新和产业化之间的无缝连接。我举两个例子：

第一个例子：指纹数据。

指纹技术应用已经经历了多年发展，上世纪70年代北京大学一位院士就做了非常重要的奠基工作。近几年随着机器学习的发展，为指纹技术的提升提供了可能。指纹数据技术，会随着数据量的不断增加，效果越来越好。就像AlphaGo，随着数据量增加，每个月效率都在不断提高。

指纹本身就是很特殊的图片，有很明显的特征。针对特殊图片，使用特殊的技术方法处理，会使技术很快走向市场，目前这项技术已经在公安部做的大数据指纹库里得到了直接应用。

第二个例子：Alpha Go与李世乭的围棋赛。

围棋比赛是人类最具智力的比赛，现在机器下围棋比人下得更好。Alpha Go的技术除了大数据外，还包括强化学习和深度学习。

强化学习领域发展至今有几十年的历史，我也一直关注。但没想到深度学习在这么短的时间内有了这么大的变化，目前虽然应用还是在比赛领域里，但在金融、医疗各方面都有很好的应用背景和应用前景。虽然市场实现角度目前还没到达到那一步，但是前景是很清楚的。

这说明科研创新的产物很容易市场化。

Alpha Go取得的成绩，对人工智能领域也产生了很大推动。人工智能领域同样有几十年的历史，一开始有段时间是在走下坡路，现在因为Alpha Go人工智能重新焕发出了无穷的潜力。

这部分我想强调两点:

一是“大数据”与“互联网+”,这两组概念依赖的推动力量不同；

“互联网+”发生的时候已经有了互联网技术的基础，技术拿来用就好，所以做市场才有可能做得比人家好。在互联网+这个领域的创新主要是商业模式的创新，从阿里巴巴就可以看出来。但是大数据不一样，大数据领域现在还没有一个成熟的技术路径，所以更需要由技术创新推动。

第二是大数据行业相对门槛较高。

虽然大数据在中国很热，到处都在提及大数据，到处在做大数据，但大数据行业相对技术门槛比较高。虽然目前还看不到这个情况，但等尘埃落定以后技术门槛就会体现出来。

“ 学科前沿问题来自于市场 ”

中国尤为如此。

中国人口多，语言、文化都与别国不相同，因此我们在大数据行业中具有一个得天独厚的优势，我们不需要模仿别人，只要把自己的问题解决好了就自然而然走到了行业前沿。

我们解决好中国最富有挑战性的大数据实际问题，我们自然走到科学的前沿。

“ 大数据行业面临的人才困难 ”

一定要从学科建设角度发展大数据。

学校是培养人才最重要的场所，人才进企业当然很好，但是人才的再造血功能就没有了，所以不是长久之计。大数据这个目前火热的行业，如果不解决人才培养这个问题，过几年会变成痛点。如果不能解决学科建设问题，人才培养问题，大数据的持续发展是做不下去的。

学科建设角度大数据涉及很多学科，像基础学科包含：数学科学、计算机科学、统计；应用学科有金融、医疗健康、交通、社会学等等的这里有很多学科交叉的领域。作为交叉学科有另外一个困难，我们国家缺乏交叉学科发展的环境。学科评估也对交叉学科不鼓励，这是对交叉学科非常大的困扰。

我们主要目的是要依靠创新创业的机制来破解人才的问题，以“空间”换“人才”。大数据人才是痛点。在美国，普林斯顿大学找人才也是非常困难的，像谷歌这样的企业也要不惜花重金找网络人才。在中国最大优势就是中国大数据市场非常大，以市场空间可以吸引到人才。

“ 大数据共享机制 ”

数据共享并不是简单的问题，涉及到的问题很多，安全、隐私等等，需要通过打造大数据平台的方式探索数据共享的机制。这里最重要的是产学研的结合，学校与企业可以建立联合实验室，让科研真正解决企业的实际问题。现在大数据企业很多，但大部分企业技术含量并不很高。

这些企业现在虽然可以凭借谁的嗓门大，让别人听见就能融到资，但过了一段时间后，很明显还是要有技术门槛的企业才能够生存。

15年前的美国已经证明了这一点，互联网泡沫中市值很高的公司，随着泡沫破灭，尘埃落定以后，生存下来的还是像谷歌、思科这样技术领先型的公司。高校与企业共建实验室的模式就是旨在帮助企业找到自己的技术核心优势，建立自己的技术门槛。

谢谢大家！