李正海：是的，发展大数据，需要确立大数据的重点任务，这些重点任务往往也是有关联关系的，不同性质的单位，采取的重点任务也会不同，因此从大数据的产业布局方面来综合选择大数据的重点任务。大数据基础设施，对于大数据的运营支撑单位，例如电信企业、移动、电信、联通这样的，实现数据存储、网络建设是关键，而对于华为中信这样的企业，如何提升网络设备、客户终端是关键，而对于大型企业，构建自己的数据中心、内部安全网络是关键。而对于中小企业，如何学会使用基于云的基础设施成为重点。大数据应用技术，对于掌握大数据的公司，例如金融、电信、医疗等等，自身可以利用大数据进行分析应用，需要培养自身的人员队伍，但是毕竟大数据是个非常专业的领域，利用大数据技术促进政府治理、企业发展、升级改造是很多单位并不具备的实现，从产业布局看，例如亚信这样的企业可以有巨大发展机会，而很多中小型企业，利用大数据技术与大型单位合作，选择细分领域，也会有很多发展机会。大数据相关产品，随着经济全球化，互联网发展把世界变成了地球村，大数据的发展如火如荼，核心就是很多细分领域因为这种全球市场也变得有经济规模了，因此发展大数据产品获得了很多投资机构、天使的青睐，而且结合很多地方政府治理、惠民服务、企业发展的细分需要，也有大量的空白需要填充。
大数据云平台，大数据不是一个独立单位的业务，真正做好大数据，需要有一定的数据规模，这种规模不仅体现在数据量上，更体现在数据维度，数据时效，乃至数据质量等多个方面，针对地区、行业、供应链的大数据云平台，实现数据的统一的存储、集成、共享、分析应用，才会获得相应的价值。但是我们的建议是这种平台不再是传统的单中心模式，而是分散中心模式，但是这种中心也不是过度颗粒细分的，而需要一定的规模，例如笔者反对铺天盖地的数据交易中心，但是如果各地政府，结合自身的资源，例如实现结合行业的多数据中心则是合理的。基础理论研究，中国的大数据事业已经上升到国家战略，但是我们国家的原创性是不足的，而在中国巨大的人口红利下，中国的高校、研究机构有了很好的弯道超车的机遇，各单位组建有规模的力量，针对细分领域进行基础理论研究，例如算法、模型扥，并加强科技成果转化，也会对大数据的发展起到重要作用。模式创新，这里的模式对于企业是商业模式，对于政府是治理模式，服务模式，这种模式不再是单点的优化、改进，而需要全组织、全流程、全生命周期来系统化创新，在多点进行突破，从而保证最终的结果优化，这种模式下，就需要物联网、互联网、云计算、大数据的协同应用，从而实现作业、流程、经济价值、管控、决策的协同优化，提升顾客体验、满足人民生活需要。
鲁四海：我是做技术的，所以我特关心在顶层设计中是不是应该要去确定要采用哪些关键技术？
李正海：要的，大数据是个系统工程，做好顶层设计需要多方面考虑，而这些方面也需要进行顺序排列，确立权重，笔者认为文化与制度、数据处理相关技术、数据标准、安全隐私四个方面十分重要。文化与制度、组织建设在大数据领域需要上升到技术层面，这种话题的核心是针对大数据应用，如何量化管理单位的相关文化、制度，保障大数据相关人员的水平、综合能力以及其发挥的绩效，通过量化管理思维的锻炼、用数据说话的习惯养成，需要很多技术支持，在这个领域有所突破对于大数据工作的开展有画龙点睛的意义。数据处理相关技术，涉及大数据流程的各项单元业务，如大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据检索、大数据可视化、大数据应用、大数据安全等。基础技术方面包括语音识别、图像、视频识别、文字语言分析、人工智能、机器学习、数据挖掘等等；在基础设施方面的物联网、云计算、服务器、智能能源等等；在应用方面智能制造、智慧城市、智慧生活等。在产业链方面则包括解决方案、公共云平台、政府PPP服务等。数据标准，实际上这个数据标准需要泛化，不仅指数据本身的标准，也包括数据的作业标准、数据的应用标准，例如术语定义、统计方法、基础数据、知识库、模型表达、算法，各种系统的接口规范、自动化处理规范、互操作规范，结合人的认知规范、交互规范、行为指导规范；数据的质量、交易、产品、安全保密等。数据安全，数据涉及个人隐私、商业秘密、国家安全，需要在安全与应用之间取得平衡，可以从数据存储、数据传输、数据应用多个层面进行规划。不仅仅是保障数据的丢失、被窃、篡改，更要考虑如何实现数据的脱敏，实现数据的安全存储、灾难控制、日常管理，制定相关的管理制度，法律法规，从而在安全的基础上，实现大数据事业的发展。