2016年，大資料整個行業也發生了很多重要的變化，我根據自己的觀察，簡要地分析下2016年大資料行業發生的四個重要變化的理解：
大資料的下半場
在2016年，王興說，互聯網已經進入了“下半場”，互聯網人口紅利的時間已經過去了，需要對使用者的深耕細作獲得更多的收入和利潤。過去的一年裡，也湧現了很多不同行業不同技術的大資料公司，從輿情分析到資料平臺，從產品使用者分析到金融風險評估，每一家公司都看上去有獨門絕技。
但是在資本寒冬的影響下，大資料也進入了它的下半場：大資料從人人都喊大資料，開始進入到企業實用階段；投資人從看團隊、看產品進入到看收入看客戶的階段。收入和增長成為大資料公司融資下半場的門票，而打贏下半場兩個核心圍繞業務理解和核心演算法逐步展開。
易觀CTO郭煒
準確業務的理解、抓住痛點可以確保大資料不是空中樓閣，説明企業解決實際問題從而獲得高額收入。
而演算法的門檻是繼大資料獲取、資料平行計算之後新的技術門檻。大資料結合現在被炒的火爆的AI演算法，在互聯網、零售、金融等很多領域建立起各領域的資料模型，隨著資料反復驗證，資料模型將會越來越精准，在行業中擁有行業理解、資料和演算法反覆運算能力的公司逐步立於不敗之地。
大資料和開源
在2016年提到大資料，不得不提開源的問題，2015年底Greenplum開源，2016年年初Tachyon更名Alluxio成立商業公司，Kylin也成立了商業化公司Kyligence，還有很多過去開源的大資料元件都相互效仿紛紛商業化。一方面，開源的確在大資料普及過程當中功不可沒，另一方面，開源在企業大資料應用過程當中添加了非常多的不確定性。每個企業的管理者都很難為不確定的結果買單，因此開源元件的商業化是一個市場轉化的必然。
但是，大多數開源元件在中國都會遇到當年軟體在中國售賣的難題，客戶總認為硬體值錢、軟體不值錢。解決方案是軟體需要集成方案一起售賣，只不過新時代下集成商越來越難做，具有大資料集成能力的公司和團隊還是太少。
當然，令人欣慰的是，華人在大資料開源元件和商業化過程當中影響力越來越大，像Kylin一樣的Apache金牌項目在未來也會越來越多，也希望國內企業和政府給國內大資料企業更多的機會，讓中國的大資料企業能走向世界。
傳統公司的“互聯網化”和互聯網公司的“傳統化”
在2016年，互聯網 的概念依然火爆，很多傳統公司在想著怎樣利用互聯網這個工具增加自己的收入或者估值。而另一個方面，從我的觀點來看，互聯網公司卻在逐步的“傳統化”。互聯網公司初期的紅利得益於新一代互聯網技術的發展，萌生BAT這樣以產品技術為驅動的巨無霸的公司。
但是隨著新興技術的成熟，一方面，每個“技術驅動”的公司都在用自己的技術搭建類似的業務平臺，重複製造車輪；另一方面，重複製造車輪的開發者也在企業內部遇到了成長瓶頸。最近從大互聯網公司出來的大資料和周邊技術創業者屢見不鮮，利用在互聯網公司海量資料處理的經驗給其他公司提供服務成為VC最常見的case。
和我交流的創業者都知道，我個人非常歡迎這種“組團”的服務，我認為無論是否是互聯網公司，一個企業應該做最擅長的技術部分而不是一攬子都做，過去因為技術不成熟只有自己摸石頭過河，技術元件成熟之後完全可以拿來主義。
因此，在易觀核心技術是圍繞在資料獲取、接收、平行計算和演算法方面，周邊的運維監控、查詢引擎我們都在積極尋找合作夥伴來加快易觀整體的產品技術的研發進程。如羅胖的跨年演講中提到，適合的分工協作，從小講為企業和個人節約時間，從大講為整個人類節約時間。我持有不要重複造輪子的理念，讓企業內專業的技術人員可以更多的分配到更適合的工作上去。
大資料將走向何方？
在2016年，我一直思考這個問題。過去在我的概念裡，把（大）資料，分為1．0，2．0，3．0幾個階段：
1．0階段是企業ERP／CRM時代，主要面對的是企業內部的結構化資料，使用者主要是公司管理層，大部分數據解決方案是BI、A－CRM一類的解決方案；
2．0階段是互聯網的大資料時代，主要以使用者網路行為非結構化的log為主，使用者不僅僅是公司管理者，也包括了線上的使用者，資料解決方案包括推薦引擎、個性化行銷、欺詐識別等；
3．0階段是IoT／O2O階段，通過智慧的採集設備，將使用者線下的行為軌跡，生理健康特徵等採集起來，解決方案包括線上線下結合的客群畫像分析、網點／交通／城市規劃、定向行銷等。
下一個資料應該走向何方呢？我在2016初步有一個結論，從1．0的交易流到2．0的線上行為軌跡流，到3．0的線下行為軌跡流，資料距離消費者距離越來越近，對業務的影響也越來越大。從種種跡象表明，未來資料4．0時代將會是使用者意識流的資料分析。