大数据解决方案需要分行业考虑。安晖告诉《中国电子报》记者，在行业领域不同、企业不同、业务不同时，由于所要分析的数据集合与分析挖掘的目标存在差异，所运用的大数据技术和大数据信息系统也可能有着相当大的不同。正由于与具体应用紧密联系，甚至是一对一的联系，才使得“应用”成为大数据不可或缺的内涵之一。同时，由于需要使用到一些通用型的软件和一些基础的分析模型，所以如果说解决方案可以分层的话，可以认为有通用层。而针对各行业领域、企业的个性化的软件、模型，则在此之上。
潘永花认为，国内厂商市场机会比较多的是针对垂直行业的解决方案，因为他们更了解中国用户的需求，将之融合到大数据解决方案中，才能体现出优势。对于通用工具市场，国内厂商可以选择某些窄众的领域，做出自己的特色，提高产品化的程度。虽然这个市场以外企的产品和开源软件为主，但是并不排除存在发展机会。例如数据可视化工具，国外就有创业型公司凭借该产品在美国成功上市的案例。
“国内厂商需要在产品化方面下工夫，而不能仅仅是将软件工具绑定在自己的解决方案中去销售。”潘永花强调。
从数据中心入手
那些急迫想建立数据资源体系的数据中心或信息中心是IT企业首选的大数据合作伙伴。
政府投资拉动智慧城市建设如火如荼，众多厂商也在智慧城市的机遇中获益颇多。如果说智慧城市的核心是什么，那么大数据处理应该是其中之一。大数据帮助政府部门或行业企业更好地做出决策，提升服务管理水平，让城市管理更加智慧。相对企业大数据精准营销市场的寡头发展趋势，由政府主导的智慧城市眼下机会似乎更多一些，这也是很多大数据厂商定位在政府行业市场的原因。
对于智慧城市的大数据市场，企业最先从何处入手?同方物联网应用产业本部总经理李小华告诉《中国电子报》记者：“政府部门都有数据中心或者信息中心，我们的第一对象就是数据中心或信息中心。根据其使命意识的深浅程度，我们将政府的数据中心分为两种类型：一种是意识到其承担的服务型政府的使命，认为需要用监测数据和分析结果来支撑管理和决策的数据中心，他们是我们首先要关注的对象;另一种是在这方面认识有差距的数据中心，我们目前主要是从理念上和他们做交流。”
大数据的信息资源十分庞杂，如何在这些庞杂信息中抽离出有用的信息?李小华透露，重要的是先建立一个数据资源体系，将数据分成层次，包括管理层的数据、决策层的数据，同时将数据和数据的相关性标注出来，不仅同形态的数据相关性需要加入，不同形态数据的相关性也应该加入，以此反映客观事物的相关性。有了这样的数据资源利用架构，再通过与管理、业务、社会的对接体系，形成数据资源体系，使数据能够真正在管理、决策、监测、评价、人的生活中产生价值。