大資料概念到今天，炒作的最高風口已經過去了，根據Gartent釋出的HypeCycle曲線，大資料已經處于炒作頂點之後的衰退期。
HypeCycle曲線
而從HypeCycle曲線定義的階段來看，越過炒作頂點的技術，通常被認為已經滿足了技術可行性，進入了可實用的階段。
是以，對于大資料項目來說，技術上已經沒有什麼太大的問題了，無論從軟體還是從人員來說，該填的空也都填得差不多了，剩下就是看整體項目建設中該考慮如何落地的問題。
項目如何實施，第一步應該怎樣走？為什麼這樣走？怎麼樣才算成功？
大資料不缺情懷，汗牛充棟的大資料情懷之作，讓大家打足雞血，甚至産生宗教崇拜情節——不用大資料的都是邪教，應該綁起來燒死：
技術上也不缺：各種Hadoox權威指南，Sparx權威指南……啥的書，也能夠壘成書山了，但是恰恰漏掉了大資料整個項目應該如何實施的？
安裝軟體工程的模式，最重要的就是三個字“裡程碑”。（說起這三個字，想到蝦神才畢業時候做項目的經曆，動辄就是裡程碑發版本，加班加得頭發一把把的掉……差點就聰明絕頂了）。
在一個機關内部，如何實施一個大資料項目？如何确定這個項目是成功還是失敗了，業界有個主流的觀點，認為大資料項目的裡程碑，應該在下面三個關鍵點上面：
第一個節點稱之為：系統輕載，通俗說起來，就是輕裝上陣：
衆所周知，當一個系統運作到一定時候，系統中會存儲大量的曆史資料，而資料庫在通路由1萬條記錄組成的表的效率，和通路由1億條記錄組成的表的效率，那是完全不在一個數量級上的。
曆史資料的存放一直是個很大的問題，特别是電商、銀行這種，需要進行永久性存儲業務資料的企業來說，代價一直是很高昂的。
是以這個節點，是很多企業的“剛需”，而對于我們空間資訊技術相關的企業來說，暫時還沒有那麼大的“痛楚”，那麼這個階段的剛需，就是“資料化石”的激活了。
地理資訊相關的企業（或者應用機關）通常會收集很多很多的資料，而且還會做很多資料的處理——這樣導緻了一個問題，在收集過程中，或者處理過程中，會生成非常多的過程資料（比如我見過的一個機關，在對矢量資料進行處理的時候，一天甚至能發出100多個版本）。
這些資料，要麼因為存儲空間不夠或者認為意義不大，而直接丢棄了，要麼就存儲在了錄音帶機或者冷備硬碟上僅用于曆史存檔。而這些曆史存檔資料又因為技術上的“不可（不友善、不能快速）”通路，變成了所謂的資料化石。
這些資料化石裡面，保留了無數的有價值的資料，舉個簡單的例子：
某上司突然過來問：我記得當年（五年前），xx在做xx區域的時候，曾經出過一個專題圖，誰那還有?然後大家一陣雞飛狗跳，（幾小時 or 幾天後）好容易在哪個灰塵20cm厚的倉庫廢品堆裡面把那個專題挂圖給找出來了。上司看過之後，嗯，不錯，這幾個地方重新改一下，再做一版拿給我……
這種情況，大家的表情肯定是：
五年前昙花一現的專題圖成果（已經列印成了挂圖），我去哪找原始資料啊？
大資料平台的建構，在第一階段，就應該是解決這樣的一些問題。
那麼第二個階段是什麼呢？
第二個關鍵點，就是形成應用的閉環。
軟體企業開發軟體（或者項目），業務機關使用這些軟體（或者應用），那麼在使用的過程中，自然會生成大量的資料，這些資料有的是工作過程中産生的（業務資料、工作記錄……），也有可能是軟體運作産生的（記錄檔、系統日志、維護日志……），這些資料，一旦收集起來，對軟體廠商下一步軟體開發提供建議。
如果能夠對整個軟體運作進行監控，那麼很容易的擷取所有功能子產品的使用者操作資訊，包絡使用習慣、操作步驟，使用頻率等等，後期就能夠針對這些内容進行更精準的優化。
那麼對于政府或者所謂公共服務性質的機關呢？比如國土部門可以通過對某些查詢的頻率（比如那些表格的哪些字段，何種查詢方式，需要何種結果），來決定資料庫的優化政策；或者針對兄弟部門服務需求或者上級上司提出的要求（彙總資料、制作專題圖等其他業務需求），來優化整個系統的功能設計。
說到這裡，其實很多的實際應用場景與産品經理的設計是有沖突的。下面可以給大家舉個小例子：
程式員在做彙總查詢功能的時候，通常會按照資料計算引擎的模式，給出極高精确度的結果，比如要統計某個區域内的地塊類别彙總，程式員設計的方式是滑鼠在地圖上一拉框，系統就會自動去計算這個區域内所有地塊資訊的累加和，最後給出的來的結果精确到小數點後面6位數……
但是随着資料體的變大，這種操作可能會非常非常慢……比如要統計整個長江流域的非農業用地面積，可能就需要幾個小時設定幾天的時間。
如果有一天，上司過來問你：從xx路到xx河，一共有多少畝農用土地？如果你花1小時後告訴上司，一共有44萬3652.173畝……和你花三分鐘就直接告訴上司，有44萬3千多畝，甚至1分鐘之後，就告訴上司，一共有40多萬畝。那麼你覺得上司會對哪個結果更滿意？
因為上司并不是要你給出一個精确到小數點後N位的答案，他問你的時候，可能隻需要一個大概的數字，與他現在正在進行考慮的某件事，形成一個決策資料鍊，是以，40多萬這個答案，和小數點後3位這個精度，完全沒有差別，而對響應時間要求非常高……一個小時以後，你的答案說不定已經沒有任何意義了。
那麼這種犧牲精度提高響應速度的場景，在實際的應用中多不多？這就仁者見仁，智者見智了。
最後一個關鍵點，就是所謂的資料變現，也就是大家經常說的“這東西能賣錢麼？”
資料變現做為一個遠景目标，也是很多決策者和架構師們在考慮的問題。
目前資料變現不一定指的是盈利，因為空間大資料有大量的使用者是政府部門，是以變現就分為經濟價值和社會價值兩個部分。
經濟價值就不說了，目前因為國内特殊情況，有些還處于探索階段，比如資料的交換（買賣）。
根據國外的一些發展，未來資料變現在經濟上可能有如下的發展：
1、資源買賣。通過原始資料的買賣産生經濟價值。目前國内處于有錢沒地方買，但是如果未來能夠放開，那麼資料交易的市場将非常龐大。從科研到教學，從社會生産生活，到宏觀趨勢研究，如果能夠通過合理的價格來擷取資料，那麼對提供方和需求方都是一個重大的利好。
2、資料産品。通過資料來生産各種産品，比如醫務工作者，對大醫院病例與治療方案的需求，相應的組織就可以針對醫療資料進行産品化（去除掉各種隐私、敏感等相關的資訊）之後，可以對相應的機構提供。
3、專業分析服務。通過資料模組化，可以提供各種專業的服務，比如投資、旅遊、購物等。
4、軟體和人才，這個就不用說了。
而政府相關的部門，可能更在乎變現的社會價值。
比如交通管理部門，通過對LBS資料的分析，能夠對城市的交通管理決策更加優化。