传统制造业、物流、医疗、农业等行业在很多点的大数据应用方面也有突破，比如“大数据+工匠精神”对于制造业的转型升级至关重要。而大数据的实时、感知和预测等特点确实可以为制造企业在降低成本，缩短生产周期，提升效率，细分产品定位，优化流程和决策等方面扮演重要的角色。
阿里巴巴目前也已经和徐工集团开始进行合作，希望利用阿里云上面的大数据能力，协助徐工建中国工业大数据平台，实现“阿里云+徐工”=“中国的Predix”，在工业大数据平台、应用及生态建设方面探索一条新路。
索菲亚在探索C2B的实践过程中，数据对于其规模化和个性化的平衡起到关键作用。索菲亚认为自己不是家具制造企业，而是一家大数据企业。在调研时我们发现，索菲亚有强大的科技团队，超过400多人，而其中300多人是在做数据加工。索菲亚利用大数据提升客户体验，提高交付效率，减少差错和库存，基本可以做到零库存水平。在索菲亚的前端需求到后端的生产系统中，数据的共享、联通和流动是实现订单准确地从需求端传递到生产制造和采购端的关键。
3、数据商业化面临诸多挑战
虽然在2015到2016年，不少地方政府主导成立了数据交易所，一些商业化的数据交易平台也上线运营，但目前基于数据的全新商业模式依然还处在探索的初级阶段，数据交易、交换及服务的商业化面临诸多挑战，比如应用场景和价值不易标准化，数据定价及资产评估问题，安全和隐私的问题，政府数据开放的速度较慢问题等。
作为新能源，数据是越用越有价值，但也正是如此，同样的数据在某个场景下价值很大，在其他场景下可能没有价值，数据的应用场景和价值不容易标准化，就如同挖金子的初期一样，真正赚钱的还是卖铁锹的，如今还没有到真正卖金子的时候。
数据与工业时代的商品有截然不同的属性，工业时代的商品是实体物品为主，基于一定成本的原料生产后，基于工厂相对标准化的大规模生产模式生产出来；而目前的数据应用水平和程度有限，数据标准化程度很低，无法按照传统的商品销售模式进行销售。
工业时代的商品经历了上百年的发展之后，已经形成了大家都认同的标准化定价模式，比如基于物权的定价模式，基本上是成本加上品牌定价；而数据的权属问题目前还是个大难题，传统物权、知识产权等都存在不适用的部分，同时数据产生的边界成本基本为零，因此目前从数据加工的成本和基于数据加工衍生出的服务出发，以API或数据集的方式销售给用户是一些在尝试的模式，比如以数据堂、聚合数据为代表的第三方数据服务公司正在采用这样的模式，还有以DaaS（DataasServices）的云服务模式提供给用户使用，但总体规模和盈利模式都远不成熟。
2017：大数据支撑AI+加速落地
2016年的AlphaGo和年底的Master通过人机大战让人工智能成了尽人皆知的概念，但外在的人机大战背后是内在的数据+计算+算法能力的崛起，正是这三个因素让诞生了60年之久的AI在今天再度成为热点。笔者曾经听一位从事机器学习领域研发的资深专家讲，猛然在2016年才意识到自己原来从事的是AI行业，以前从来没有意识到。可见AI的热度并非凭空产生，是多年的技术发展到一定阶段的结果。
2017年，大数据的发展有以下几个主要趋势：
1、数据+算法+计算能力加速AI+落地
云计算技术的日臻成熟和成本的降低奠定了大数据发展的技术基础，深度学习算法的兴起和发展使得计算+数据+算法三者支撑的人工智能走下神坛。
伴随着大数据时代的到来，多来源、实时、大量、多类型的数据可以从不同的角度对现实进行更为逼近真实的描述，而利用深度学习算法可以挖掘数据之间的多层次关联关系，为人工智能应用奠定了数据源基础。目前的人工智能应用场景都是以大数据作为基础的，比如在搜索、推荐、语音交互等场景中已经有了不少成功实践。
2、基于数据融合和外在价值的探索会诞生新商业模式
目前大数据比较成熟的场景是包括个性化推荐和营销类应用，以及风险控制、信用评估类应用。我们看到，大数据产品技术及解决方案的创新比较清晰，开源技术基础上的创新和服务是主要方向，但围绕着数据本身的新商业模式还在探索过程中。