教育部分别于2016年2月和9月公布新增大数据本科和专科专业，国内高校纷纷成立大数据研究机构或大数据学院。然而，仅仅依靠体制内是远远难以满足我国大数据产业对人才需求的。首先，体制内培养人才尚属起步和探索阶段，人才培养需要3-4年的周期，体制内向产业界规模性输送大数据人才大约在2019年到2020年；其次，体制内的招生受到名额限制，现有体制下的招生名额远远低于市场需求；最后，正如北京大数据研究院院长鄂维南院士所提到的，国内大数据学科的发展依然比较落后。“这种落后是多方面的，不仅是观念上的落后，还包括培养体系上的落后。举个例子，大数据分析涉及到的最重要的两块是统计和算法。而要让做统计的老师重视算法，让做算法的老师关注数据，这需要时间和努力。”
可以说，大数据的人才培养是全程实践性的，需要以数据为核心、以问题为导向开始实践性教学，这也意味着必须在大数据人才培养上进行创新和改革，加强体制外大数据人才的培养，把人才教育、科研创新和市场化、产业化结合在一起，否则培养的人才可能会和市场需求脱节。
客观：数据价值不易标准化
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，数据的商业化仍面临诸多挑战，如应用场景和价值不易标准化，从而引发数据定价及资产评估难的问题。
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，其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，是由成本加上品牌定价决定。
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。数据的权属问题还是个大难题，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，总体规模和盈利模式都远不成熟。