在2013年大数据全球技术峰会上电子科技大学教授周涛教授提出了大数据发展的三个阶段。
大数据1.0：企业利用自身数据对业务进行优化。比如老板要看的各种报表，各种CRM系统，这属于数据使用的最初阶段，当然也有企业不用数据。
大数据2.0：企业利用外部数据对业务进行优化。比如银行评估信用体系还会用到互联网行为记录，今日头条的推荐还会用到微博的数据。在互联网横行的这个时代，到处都在谈跨界，大数据的一个重要特性就是消除行业的壁垒，用数据连接各行各业。当前已出现数据交易，数据交换等各种商业现象。
大数据3.0：当数据交易，数据交换规模扩大化，相关法律法规趋于健全，处理分析数据的工具更丰富，企业都可以将内部数据包装成产品对外进行服务。比如百度上线的API STORE 就是数据交易的一种方式，上面有各种天气数据、金融数据、地理数据，按照使用频率进行付费。只是现在提供这些服务都是当前使用大数据比较前沿的企业，这个是有平民化趋势的，只要你有与众不同的价值数据就能变现。
个人比较认同这个大数据发展的趋势，大数据3.0时代实际上就是消除企业间的数据孤岛，让各式各样的数据可以协同发挥价值。搞清楚大数据未来发展方向，我们再来谈谈目前大部分企业面临的大数据困境--数据孤岛。
企业发展到一定阶段，出现多个事业部，每个事业部都有各自数据，事业部之间的数据往往都各自存储，各自定义。每个事业部的数据就像一个个孤岛一样无法(或者极其困难)和企业内部的其他数据进行连接互动。
我们把数据孤岛拆分成两类：物理孤岛和逻辑孤岛。
物理孤岛：数据物理上的孤立，各自存储，各自维护。这样就会出现重复造轮和资源浪费。每个事业部都需要维护一套存储系统，各个事业部申请的机器资源都是富足的，每个事业部都各自配备一个专门的负责人。每个事业部都把数据采集、存储这个活当成是一个累赘、苦活、脏活，因为他们的kpi不在这边。当需要进行跨业务的数据合作时，往往要进行大量的数据迁移、拷贝，大部分的人力资源都耗费在数据准备阶段。
逻辑孤岛：数据逻辑上的孤立，每个事业部都有自己的数据规范，站在各自角度对数据的理解和定义，往往会出现相同的业务id、用户id有不同的定义。当需要进行跨业务的数据合作时，往往会发现沟通成本极高。
企业内部的这种孤岛现象是普遍的存在的，特别对一些集团化企业孤岛效应更是明显。未来大数据的发展是要消除各行业的数据孤岛现象，创造出各种渠道、模式让数据协作的更好。不管从大时代的角度，还是从发挥自身数据的价值角度，我们都需要去积极改变这种孤岛现状。
消除物理孤岛：统一采集、集中存储、开放计算。
消除逻辑孤岛：制定数据规范、定义数据标准、建设维护元数据。
让数据：易采集、易存储、易理解、易处理、有价值！
我们将在后续的文章中介绍如何具体实战，消除企业内部的数据孤岛现象。
