随着5G、云计算、人工智能、物联网、大数据等数据信息技术的迅速发展，全球数据流量呈几何级增长的态势。《中国大数据白皮书（2020）》显示，2020年全球生产的数据量将达到47ZB(1ZB=10亿TB=1万亿GB)，到2035年将达到2142 ZB；中国产生数据量将达到全球数据量的五分之一。

　　大数据的智能分析成为新一代信息技术融合应用的结点，比起坐拥庞大的数据信息，能够掌握对含有意义的数据进行融合和智能化处理的技术似乎更重要。有学者指出，数字化社会一旦形成，生活中的一切都可以基于数据来描述，这些描述出来的信息将成为智慧成长和决策判断的依据。

　　社会数字化的形成仍需一定的时间，大数据智能分析要达到我们梦想的高度，紧跟大数据技术发展，更应当注重当前数字化背景下，大数据智能分析的特性以及所需具备的能力，从而为大数据智能分析发展注入源源不断的活力，将更多不可能变为可能。

　　2014年中国就开始在布局大数据发展，之后出台了一系列促进大数据发展的措施，国内业界和民众对大数据认知也从“膜拜”“新鲜”“玄乎”等认知觉醒。大数据的价值点在于其在垂直领域和场景的应用，通过应用，将不同的多源大数据进行打通，在融汇和发展过程中，体现其成长和挖掘价值。因此，我们应赋予大数据智能分析以下“六性”，从而为其注入内涵和生命力。

　　与单一来源数据智能分析相比，大数据实现了集多端口、多行业、多来源的综合性数据融合，在数据来源、数据结构、产生时间、使用场所、代码协议等方面具有较大的差异性。

　　大数据技术能够打破信息孤岛困境，打通信息流通动脉，盘活数据潜在价值，推动各行业、部门之间形成统一高效、互联互通的数据和资源共享布局。

　　以大数据为核心的多源数据融合，进一步提高数据内容的系统性，确保数据来源的完整性和可靠性。

　　大数据实现了多源数据多端口接入，同时垂直领域的应用需求嵌入不同多源数据融合处理技术，是个“技术活”。

　　依托权威、合法、多源的一手数据资源，进行多源数据智能分析结果的展示内容、发布数据具备权威性，具有一定的指导意义。

　　大数据智能分析能够有效地补充传统单一来源数据分析手段的缺陷，通过数据清洗和处理技术，加之合理的建模，充分挖掘和掌握运行规律，具备较强的前瞻性。

　　可以说，大数据智能融合发展的“六性”，相互补充，互为存在，差异性和共享性是大数据智能分析的“秉性”；准确性和技术性是大数据智能分析的“手段和方法”；而权威性和前瞻性赋予了大数据智能分析更多的“未来”属性。

　　目前，市场上有不同类型的大数据智能分析公司，也有各种类型的大数据智能分析应用平台和管理平台，各有特色，各有千秋。以数据为元素的大数据智能分析，是大数据技术的核心要素，是垂直领域创新应用的典范和落脚点。提升大数据智能分析的应用服务能力，让大数据变得“高质量、易使用、有价值”，需要以下六个方面的能力。

　　只有实现对大量不同结构的原始数据准确、实时的采集，并实现对不同结构数据的融合标准化处理，才能保证大数据智能分析的源头“正本清源”。

　　数据挖掘和算法将集群、分割、孤立的分析，通过内部探讨和挖掘，通过各类工具，能够从文档、照片等非结构数据中提取智能数据信息，解决好数据量和速度的问题，成为大数据智能分析的内核助力。

　　数据挖掘算法让数据分析能够更好的理解数据，通过建模对数据挖掘结果进行可预测性的判断尤为重要。可以说，预测分析能力是大数据智能分析的本身要义。

　　通过对不同平台、不同结构、不同类型的有效智能管理和实践，从而构建合理的不同类型的数据库，是进行大数据智能分析的关键。

　　数据可视化是大数据智能分析最基本的要求，通过可视化可以直观的展示数据，让数据动起来，让数据自己说话。

　　数据产业发展至今，数据分析技术已不再是护城河。未来数据是竞争要点，应用场景是关键，当务之急是技术服务化、服务平台化、平台产品化，让智能分析技术尽快实现商业化落地。

　　未来，大数据将在数字化转型的社会中发挥更大的作用和价值，智能分析尤为关键和重要。清晰理解大数据智能融合发展的六个特性，掌握大数据智能分析的六个能力，透过大数据智能分析，把控行业发展的脉搏，掌握竞争主动权，才能更好的“谋定而后动”。

　　关键词

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。