换句话说，要构建未来的东西不再是一个库，可能是一个湖。湖里必须要有方式，鱼在哪里、水草在哪里，要不然的话这就是一个数据沼泽，虽然数据都在里面，但是捞很痛苦，捞一把有虾、有鱼、有泥巴、有水草，还要再进行过滤分析。所以，Data Lake是我们必须要面对的。
分析，是层层递进的。从分析到报表，到指引，做预测、做决策，再到指导你的行动。认知的过程，建构在Data Lake的基础上，再做一些基本的分析，可能会做一些预测的分析，这个过程中间还有自学习的机制，从数据的生成大数据的被分析，到数据用来做预测、做推断，到数据用来做决定，再到数据自我学习，这是完整的循环。
这样描述的过程，会使人觉得这听起来像是“人”的过程。从冯诺依曼体系产生到现在，大家追求的就是怎么让机器做得像人，但比人做得更快，AlphaGo就是比人做得更快，它的心理不受时间限制，人还会受到限制。
从系统角度来讲，就具体的某些单向指标来说，以暴力方式构建的系统已经远远超过人了，但整体上还比不过人，尤其是感知、学习、预测、适应、模式识别等等。在语意之间能够来回翻转，这个层面还远远赶不上。目前的方向是朝着认知，朝向构建人脑的模式。人可能走100步它要走10亿步。
再往下更复杂的，在构建一种关系的时候。股票、公司和投资方，和它的下家行业，以及它的竞争对手等，这么复杂的一个关系，如果不构建出来，这样的金融大数据的服务肯定只能提供一个查询，不超过万得。接下来，认知公司进来以后你就会OUT了。要把这个关系建立起来，因为这些关系是很动态的，常常在我们回溯的时候是找不到，因为按照行和列描述数据的方式无法做到。Graph Database可能是一个很好的模式，Graph Database可以描述清楚大量复杂的关系。
举个例子，某些数据中的一条，大家看这么几个数据，每天的扫描影像个数120个Million，是中国的某一个客户，这个数量相当于Facebook一天的数据量，它的照片量，我们认为只有像Facebook这样的或者百度这样的才有大数据，其实企业里面很多都有。不用管它怎么产生的。把它放到峰值上去，会发现它每秒钟是10万个影像，10万个影像不仅仅是10万个交易。每个影像它有若干的描述性的数据，每个影像还有相关的东西结合在一起。这10万个影像对后台来说有数据库存起来，交易是10倍的。换句话说每秒钟是100万，这个数据是非常大的。Facebook现在的峰值更大一些，当时也就是10万到50万的样子，现在可能能做到100万。
换句话说，我们看到在金融领域的大数据，如果放到峰值的角度来考虑，一定是非常庞大的数据。为什么要考虑峰值？传统分析的时候就会听到说一天多少数据。治水跟治数据是有很相通的地方，最近武汉的大水，武汉大水过来武汉市三年前有一个投资计划投了130亿，说能够处理15个东湖水的量，如果当初我来审核这个项目的时候，我会问这15个东湖水的数量是一天过来？还是一个月过来？还是在十分钟过来？这是不一样的，在数据层面，现在金融服务器上来了，全国的散户都来找你了，1亿散户投资人要来找你，你能够处理吗？你怎么处理？这相当于说15个东湖的水在十秒钟之内经过武汉，你能够处理吗？这是非常简单的我们需要面对的数据的问题。你有这样的数据在那儿的时候，每秒钟10万，相当于100万的数据每秒钟要处理的时候，底下的平台通过什么方式建造？买IBM主机没问题，任意扩展。但是这个成本付不起。如果用最便宜的机器，最便宜的机器一台肯定处理不了，就得是非常庞杂的集群，这个集群是分布式的，每台机器都有可能失败，雅虎每天的硬盘都有数千个坏掉，硬盘要坏掉数据只有一份肯定死了，怎么处理底下的东西，归根到最后，最终的总量，这个数据要存15年，最终总量就是100多个PB。以前讲PB是非常大的数了，Hadoop讲说我们能够做PB的数据那是大数据了，可是你看看像这样一个机构，它可以达到几百个PB，如果存15年它的总量能够到达1.3个Trillion，这是万亿级的数据。最近几年我们跟客户沟通，把他的数据用峰值的方式进行分析以后，我们发现，包括它的总量，所以你构建一个系统，有很多具体的细节需要去不断地考虑，也有一些现成的技术处理这个事情，但是首先得对所面对的这个数据要有深入、充分的了解，你一定得知道峰值是什么情况，两头的峰值，数据进来的峰值以及数据出去的峰值，数据进来的峰值就是说你的数据源从哪里过来，它每秒钟大概在什么时候达到峰值，有可能最大的峰值是什么？数据出去是说你的使用者在你这儿查询，在你这儿做分析，它大概的使用情况是什么？所以这两头你都要搞的清楚，数据总量准备存多久，存15年以上，你的硬盘寿命只有3年，之后你的硬盘是不停的换，还是量不断增加，硬盘不停的换，还是会把一些冷数据放到特殊的地方去，类似这些问题你都在这个过程中间要进行考虑。