一、数据挖掘的价值体现
任何数据分析或者挖掘的项目都不会直接产生经济价值和意义，分析出的数据结果既不能给企业直接带来一个客户，也不能帮助企业卖出一件产品。数据分析的价值体现在于业务部门根据分析结果制定相关的经营策略并贯彻执行。
二、大数据之困-通道
大数据之困-如何打通底层数据存储到上层数据服务的通道问题，讲成为制约大数据发展的关键因素。当越来越多的人意识到大数据的未来在应用的时候，这个问题也就越来越紧迫。
三、大数据金融-行业化运作
大数据金融行业化营销模式才是王道，单独的通过打项目的方式做项目会很累，是一种短视营销；立足行业、创立品牌、塑造形象、展示能力，客户才会找到你，项目才会水到渠成。
四、大数据金融实施切入
结构化数据的应用体系已经成型，无论是去IOE还是BI替换，都会面临固有体系的挑战。非结构化数据作为互联网应用的产物，将会是大数据金融应用实施的比较好的切入点。但是具体做什么，如何做？却是需要好好的思考。
五、大数据服务-来的真的有点快
之前的判断，大数据当前的方向在于计算平台和数据挖掘，未来的趋势在于数据服务，话落地尚未热乎，互联网企业的数据服务业务就开始上线了，来势凶猛啊。
六、大数据应用带来的行业革命
受限于传统技术的制约，各个行业整合一直是概念上的，伴随大数据的技术，行业整合的步伐加快了好多。已经有不止一家企业和我谈到行业整合，而且已经拥有了实际的原型产品，感觉大数据带来的行业革命马上就要到来了。
七、大数据之去IOE
某些大数据公司言必称去IOE，纯属扯淡。选错了对手并不可怕，可怕的是以救世主万能神的面目出现，却无法满足IOE所能实现的最基本的功能。大数据技术体系有其自身特点，IOE有IOE的应用场景，二者并行不悖，谁想干掉谁都是个问题。选择企业已有应用系统作为对手，是大数据应用推广最愚蠢的决定。没困难，制造困难也要上，是这个意思吗？
八、大数据实施之业务才是王道
业务才是王道，业务驱动的需求，才能够带来项目，作为传统金融业的IT部门是运维部门，本身产生项目需求的能动性不强，稳定为主。所以大数据实施推广的攻坚应该改放在业务部门，而不是技术部门。
