互联网IDC圈12月19日报道：我们梳理了大数据（Big Data）的诸多缺陷，可以用三个关键词概括：连接模糊、粒度混淆、质量难控。而在万物互联、驱动力变革的时代，我们更需要数据治理导向下“开放、可度量、场景化”的全局数据（Omni Data）。
为什么需要开放？
数据融合的价值远远大于数据割裂的价值，但是大数据连接产生的三大连接问题使数据融合无法顺畅实现，造成了场景驱动的阻碍。打破连接问题，需要数据的“开放性”。
为什么应该是可度量？
从技术驱动到数据驱动到场景驱动，我们一直面对的重大问题有两个：若开放数据，开放哪些数据？这些数据的维度和界限是否能被度量？以数据为基础进行的数据应用驱动效果是否可量化可衡量？解决效果评估，需要数据的“可度量”。
为什么需要场景化？
不同的场景连接形成对客观世界的不同映像。不同映像的组合形成不同的体系。如果连接只发生在体系与体系间、映像与映像间，这种数据之间的互相印证还是只能支持模糊结论而非精确结果的。解决精准还原，需要数据的“场景化”。
全局数据可以解决？
YES，全局数据可以而且有义务去解决。全局数据是基于决策场景，从目前所有开放数据源中，采取质量管护安全管控的数据治理，即时采集即时处理分析，导向智能洞察和可衡量价值的数据平台世界观与方法论。
但全局数据并不意味“全部”，也并不需要“全部”。毕竟在任何体系内的数据抽取和沉积都只能是客观世界的映像，是客观世界的一部分，不可能做到全部。所以全局数据并不意味着打破所有体系，拉平所有数据，再进行数据的挖掘和应用。
事实上，数据体量再大，也无法直接产生价值，只有在以场景化应用导向下进行数据采集、治理，才能做到“质量可控、粒度可用、关联可信”， 而这正是全局数据解决的关键问题。
很显然，“场景”是全局数据的灵魂。而在全局数据时代，“人”虽然是场景的核心，但越来越多的“移动设备”成为沟通人与人、人与设备、设备与设备的沟通介质，为全局化的数据采集治理以及场景化的应用打下基础。
“场景”由“时间、空间、语义和语境”四个基本要素组成，但它也是一个相对动态的过程，包含了“场景构建、场景连接、场景洞察”三部分。
