标准
——标准规范打破创新壁垒
环境污染防治是一种典型的跨行业、多类型的大数据综合业务应用。标准规范的不统一，使得系统和系统之间难以“对话”或“对话”的成本很高（要开发很多转换接口），数据难以真正流动起来。
目前，在环境保护部的组织下，业务方面已经出台了多个业务标准和规范，如《环境空气质量监测规范（试行）》、《环境空气质量评价技术规范（试行）》、《环境空气质量指数（AQI）技术规定》、《环境空气质量预报预警方法技术指南》、《大气颗粒物来源解析技术指南》等，这在一定程度上使业务实现了标准化。
但环保数据的标准化还面临着较大挑战，如当前环保业务应用的数据类型就高达几十种，来源于不同的数据生产部门，其组织管理方式、标准、参考体系也各不相同，给环境大数据的快速形成与综合应用提出了挑战。
因此，很多地方存在这样一种情况，虽然很多数据已经集中到了“数据中心”，但还是难以快速形成应用和分析，原因就在于这些数据来自于不同部门，遵循了不同的数据标准，这些标准在各部门内部数据组织管理上发挥了积极作用，但它们往往划分方式不统一，尺度不统一，编码不统一，给环境大数据的跨部门检索、整合与共享带来了困难。要使得数据真正能够相互关联，实现多源异构环境大数据的一体化组织方法，打破创新壁垒，统一的数据模型和数据标准必不可少，也是现阶段环保大数据要迫切解决的瓶颈之一。
融合
——认知计算提升创新价值
大数据不等于大量数据，也不等于很多种数据。大数据的魅力在于数据之间的关联、融合，从而找出新的洞察，为决策提供科学依据。大气污染防治过程中，每天会遇到大量的数据，以空气质量预报预警为例，就要综合气象背景场数据、地面气象观测数据、空气质量实测数据、卫星数据、交通数据等。这些数据简单放在一起，并不能给出一个科学合理的预报结果，只有通过模型（无论是数值预报模型还是统计预报模型）将这些数据融合在一起，才能得到真正预期的结果。因此，数据简单堆在一起不会创造更多价值，必须将数据与数据进行融合，才会达到1＋1＞2的效果，创造更大的价值。
以卫星遥感数据的融合为例，区别于现有基于专业人员主观判断的“看图说话”式的卫星数据分析方式，它可以自动识别海量的卫星数据，以机器学习的方式，将数据自动融入到模型的大数据客观分析中，对地面站点数据实现交叉验证，填补或修正地面数据在空间连续性、稳定性和准确度上的不足；另一方面，它可以动态监测各类污染源的实时变化，从而动态更新排放清单，获得更加准确的空气质量预测结果。
大数据是一种新的思维方式，在环境保护尤其是在环境污染防治中，大数据创新应用的重要性也日益突出。科学认识大数据，提高数据意识、发展数据精神、理解数据实质，从环境大数据中发现新知识、创造新价值、提升新能力、形成新业态。用开放的态度实现创新思维，用共享的模式激发创新活力，用标准规范打破创新壁垒，用认知融合提升创新价值，促进环境管理创新。