“由于不同类型的企业生产经营方式不同，大数据在应用于不同企业生产经营过程中产生了多样化的应用场景，也助力不同类型企业实现提质增效。”在人人都知道大数据，却又说不清大数据的今天，清华大学经济管理学院教授、清华大学中国经济社会数据研究中心主任许宪春对此做出了解答。他说，农业企业主要是通过大数据对农作物进行精准化生产管理，制造业企业则将大数据贯穿产品方案设计、生产加工以及售后服务全流程，零售餐饮类企业主要是实现线上企业的精准营销，生鲜、餐饮的即时配送，交通出行类企业则利用大数据优化用户出行体验，提升服务效率和质量。他以辽宁大连的大杨集团举例说，该企业作为全球最大的西装定制企业，创造性运用3D技术进行量体裁衣，用户通过3D技术进行远程扫描，相应的数据就可以传送到工厂进行生产。这一模式既可以应用于企业采购端，也能够应用于生产端、客户端，实现全链条智能化，既提供了高效智能的客户体验，又提升了产品适应市场需求的能力。此外，滴滴出行依托大数据和算法智能调度司机，增加需求密集地区的供给数量，提升司乘之间的供需匹配效率。

大数据是信息化发展的新阶段，推动大数据技术产业创新发展，要构建以数据为关键要素的数字经济，运用大数据提升国家治理现代化水平，运用大数据促进保障和改善民生，切实保障国家数据安全。

尽管如此，企业应用大数据仍面临一系列技术、人才、安全等方面的问题。许宪春表示，数据来源分散庞杂、标准不一是最大的挑战。比如，制造业企业生产线上设备不互联、企业各部门之间应用等信息化管理软件不同，无法实现有效的跨部门整合，容易产生信息孤岛。此外，大数据相关标准仍处在探索期，安全规范存在空白，缺乏行业统一标准和规范。“随着大数据不断深入各行各业细分领域，仅靠企业自身进行管控会带来较大安全风险，像金融、服务业涉及客户信息等隐私数据对于大数据安全要求更为严格。”他强调，不同企业类型处于大数据应用的不同阶段，电商平台企业在这方面已经较为成熟，服务业、农业和制造业尚处在发展阶段。由于企业性质不同，部分企业不愿意共享数据也会间接阻碍数据共享流通。

“海量数据对传统IT基础设施带来了容量和流动性的挑战，而大数据系统研发、应用开发、可视化等方面的人才短缺更加制约了企业大数据应用的发展，使其无法适应更新迭代的市场需求。”许宪春说。

对于以上问题，许宪春表示，目前，最重要的是加强大数据标准体系建设，加大整合开发力度，建立规范化的传输协议和数据格式，统筹考虑各领域大数据标准和需求。对于数据采集环节，应充分发挥工业互联网、物联网在数据采集方面的优势，推进重点领域工业互联网、物联网的建设部署，提升实体经济各行业各领域数据采集的范围和质量;对于数据传输环节，加快推进5G等网络基础设施建设，以网络通信能力的持续优化促进数据传输速度的提升;对于数据存储环节，应加大力度推进云存储的创新发展和应用，提供空间支撑;对于数据分析、应用环节，应推进大数据中心建设。同时，加强企业信息化规划，推进企业信息化顶层设计建设，加快培养掌握大数据技术并结合企业实际应用场景的复合型大数据人才。