2014年12月12-14日，2014中国大数据技术大会暨第二届CCF大数据学术会议在北京圆满落幕。大会立足国际化的视野，分享了海内外大数据技术的发展趋势;从技术与实践角度探讨“大数据生态系统”、“大数据技术”、“大数据应用”、“大数据基础设施 ”等新技术应用和实践经验;通过创新大赛和培训课程等特色活动，解密大数据创业热点，分享行业实战经验。

会上，记者针对大数据行业应用落地以及大数据领域人才培养等问题对多为专家进行了采访。

数据可信性及性能创新问题成落地难点

当前，大数据技术的发展早已不再停留于概念普及阶段，更多的企业用户密切关注起落地问题，尤其是行业用户，更期望大数据能够为行业发展带来较大的助推力。但现实情况却远没有大家期望中的乐观，大数据技术的行业落地依旧困难重重。那么大数据技术在行业落地方面，就国内外而言到底有那些方面的难点和挑战？

对此，Co-Founder and CEO of Conviva张晖表示，大数据与人工智能两者有共同的特点，即大家期望值非常高，但同时对其定义不清晰。大数据相比数学，数学非常严禁，其重复度、可信度很高。但大数据恰恰不同，其类似黑箱难以理解，且达到的结论就是可视化、诚信度、可信度都非常难。这是大数据要解决的问题，也是其存在的致命问题。大数据技术的落地既是挑战一个挑战也存在着机遇。

而在CCF专家委员会秘书长程学旗看来，张晖教授所涉及的问题恰恰是从数据科学的范畴思考问题，即到底数据科学的问题性确定性以及数据的复杂性到底怎么定义？这是目前非常不确定的。但这不确定性和复杂性恰恰引发大家关注大数据的价值和魅力，而并非大家想象的利用了就能发现价值，这是大数据的难点和科学所在,也是大数据科学的价值所在。

而从技术工程角度，大数据落地难的地方实际上还是数据共享问题，但这并非宽泛的数据共享，CCF同国家相关部门和业务部门之间并不单纯是技术研究没有数据，搞公司和做产品没有业务结合，恰恰是各公司业务部门之间缺乏分享。如果我们把城市相关技术能够比较好的关联起来，在此基础上进行合理决策，城市规划方面还是可以实现超前发展的。然而，因为各委办局的行业部门数据没办法整合到统一平台，这也构成了是大数据落地工程上的难点问题。

而第二个技术难点问题就是性能问题。现如今进行大数据分析，产生Hadoop之类的并非任意团体和机构都可开展。要想进行数据分析，并将数据挖掘产生的价值发挥出来，立足性能角度，新的计算机体系结构设计、网络设计是否已经解决还存在问题。另外，国内的科研机构这着力进行此类研究的相对比较少。这个系统性的创新也是最难的。

交叉性特征决定人才培养更应高起点

面对汹涌的大数据浪潮，人才匮乏已成为摆在所有企业面前的迫切问题。那么未来大数据人才培养到底应该朝着那些方面发展呢？

在中国人民大学信息学院院长杜小勇看来，当前业界均有较为普遍的认知，即未来大数据人才需求量将剧增。为此，国内相关高校也展开了深层次的探索。但立足大数据本身，归根到底这项技术更多具备一些交叉性的功能特性，需要知识面更为全面的群体才能真正发挥价值。因此，业界目前统一的观点表示，大数据人才的培养还需从研究生阶段开始培养。

卡耐基梅隆大学教授邢波认为，纵览国内或公司内部大数据工作，展现在我们面前的更多现象是作为数据的享用者，但在方法论和工具开发方面深入涉及的较少，究其原因，培养此类人才的难点需要人才支持，需要数据和算法上的支持。因此，大数据人才培养本科阶段并非不好，而是该阶段培养难度较大，且这一层面的人才积累不够，知识面缺乏一定的丰富性。