外部的数据应用是属于跨域的数据应用，需要很强的专业性。这一工作既需要了解市场上各类数据的属性，也需要了解如何将数据加工才能满足行业的需求。并不是每个数据都能为行业的某个需求做出明显效果的；也不是经过一次的采购就能完成的事情。也许，三五年后，当外部数据种类稳定且成熟，行业内部自身的数据专家也可以主动地去选择外部的数据，依靠自身的力量完成与内部数据的融合，去满足业务的需求；但在今天，可能更多地还要依赖外部专业数据团队的帮助。
误区二：大数据是万能的
在外部数据应用的过程中，还有一个主要的误区就是对数据应用的不切实际的预期。要么是将大数据、人工智能神话，要么就对数据应用的过程缺乏耐心。
首先，大数据本身是一门技术，它与其他技术一样都有着它的局限；大数据不是万能的，但是数据思维是可以创造很大价值的。
其次，外部的数据产生的业务场景与行业不同，因而在使用的过程中，就要仔细甄别，不断调整。距离行业需求越近的数据质量越高，做出的产品就越好。但无论多近，外部数据始终是外部数据，其产生的环境与行业的需求大多不会100%契合，所以就需要专业数据团队的进行加工、处理，经过几个轮回的迭代才可能取得好的效果，要有足够的耐心。
误区三：有大量的数据就马上能产生价值
有很多行业用户，依靠多年的积累形成了大量的数据。他们认为有大量数据就能马上产生价值。先不说这些数据的维度和质量能产生多大价值，首先面对的是大量的数据格式混乱，数据字段不一致，要想发现其价值就如从杂草堆里挑出一根针。
对于大多数行业客户而言，首先都面临数据的归集与治理的工作，磨刀不误砍柴工。
无论是“大数据等于买数据”，还是对“大数据是万能的”，还是“有大量数据就能产生巨大价值”都反映了数据应用在大数据在行业的应用尚属初级阶段。
挑战
数据缺失
尽管大数据已经经历了五六年的发展，数据无论在维度上还是数量上都已经比几年前有了很大的改变。但是客观上讲，还没有达到质的飞跃。由于相关的法律建设没有完成，大量数据被滞留在少数流量入口处，形成了一个个数据的孤岛。还没有形成数据的有效打通、流转，更谈不上创造新的价值。
我依然坚持2017年初的判断，数据仅在局部市场，特定的场景已经成熟，可以为客户创造很大的价值。但还没有办法形成规模化市场，这是由于数据发展的成熟度决定的。
数据的缺失，并不能靠高明的算法弥补。这与统计模型，大数据还是人工智能都无关系。只能面对这一现实，去寻找先期成熟的市场，尽可能地立足现在的数据以及算法帮助客户解决他们的实际问题，创造价值，形成商业闭环；同时积极地关注其他市场的成熟。数据应用市场与其他早期市场并没有不同，都是由点及线，最后再到面的。这是个螺旋上升的过程，没有捷径可循。
数据思维的建立
与数据的缺失相比，一个更大的挑战在于数据思维的建立。我们正在经历一个从IT到DT的跨越的时代。大数据、机器学习、人工智能都是这一跨越中的工具。但不幸的是，很多用户甚至从业者还是沉迷于技术本身，把大数据等同于一个普通的技术，没有上升到数据思维。
数据思维绝不只是技术部门的事情，而是整体战略的问题。数据思维要渗透到每一个部门，每一个环节，用数据去辅助决策，让数据去重构业务流程，数据应用才能发挥其最大的价值。只有将数据思维贯彻到企业的每一个环节中，数据才能真正转化成生产力，数据的价值才能真正得以体现。
大数据技术是战术，而数据思维是战略。
2017年，产业格局越来越清晰。无论是数据服务平台提供商，还是数据解决方案提供商，都在正确的方向上走出了坚实的一步，其价值已经得到了各自市场的认可，进入了良性的循环。虽然，我认为大数据的真正高潮还未到来，短时间内还处于投入大于产出的局面，但曙光在前，已经在一个量变到质变的积累过程当中。随着技术和数据的进一步成熟，随着行业的深入，相信不远的未来（可能是2-3年）将会迎来数据时代的真正高潮！