说到大数据，不妨用NBA做个比喻，NBA明星有巨星、超巨的说法，对于大数据而言，曾经是超巨，现在最多就是一个巨星，已经远离了超巨的行列。对于NBA而言，导致这样的落差，伤病是一个主要的原因，那么对于大数据而言，原因是什么呢?
有人说是Hadoop、Map/Reduce，所谓成也萧何，败也萧何。大数据技术因Hadoop、Map/Reduce而兴起，但是Hadoop、Map/Reduce太复杂，也影响了大数据的应用推广，Hadoop、Map/Reduce是名副其实的“拖油瓶”。
但是在专业人员的眼中，“拖油瓶”另有其主。
网易数帆有数产品总经理余利华指出：从大数据底座、到数据中台、再到数据应用，每个链路都需要更好的打磨才能服务好客户，才能够达成实际业务中“人人用数据、时时用数据”的目标，真正发挥数据生产力。以数据中台为例，如今各个节点、系统的数据聚合成本越来越高，甚至拖慢了应用交付，与此同时，数据应用对实时数据的需求日趋增多;非结构化数据理解也需要更多技术手段支撑。
针对大数据应用现有的问题，网易数帆旗下网易有数发布了全新的全链路数据生产力平台2.0，推出了DataOps、逻辑数据湖、实时数据引擎、机器学习平台等技术工具和解决方案。
与传统瀑布流式开发方式相比，DataOps引入DevOps的思想，在开发、测试、部署阶段过程中就对接有关数据，迭代式更新，针对不同阶段的数据需求，提供一个跨越全流程的自动化开发工具。
从效果上看，网易云音乐使用DataOps对上线前代码的风险进行有效排查，自动运行测试，使得数据质量问题下降了接近90%，平均需求交付周期从5天下降到2.5天，效率提升100%。
“逻辑数据湖”核心价值就是统一源数据信息、数据标准和数据源，同时兼容遗留系统，支持Oracle/MySQL/Vertica等7类系统，实现数据的统一开发和统一治理，是一种物理分散、逻辑统一的数据中台。
余利华指出，在不要求数据迁移的前提下，逻辑数据湖实现了数据中台集中管理。
针对实时数据的使用需求，网易有数发布了实时数据湖引擎Arctic，在全链路的数据应用节点上，网易数帆也分享了自己多年的实战经验，推出了有数机器学习平台，去帮助企业理解及处理各种结构化和非结构化数据。
可以说，网易有数全链路数据生产力平台2.0从专业角度指出了目前大数据应用的问题。
实际上，不管是什么拖累了大数据应用的推广，对于用户而言，数据应用创新的需求是始终高涨的，以电商为例，无论是管理层，还是股东投资方，都希望能够随时看到销售情况、以及货物的销售情况、需要补货的情况，传统的报表方式是没有满足需求，就需要各种大数据技术的加持。再例如物流行业，物流效率非常重要，有用户想到的方法就是将数据应用和企业微信进行对接，榜单、排名等一目了然，极大提升了企业的管理效率。
所以，对于企业来说，大数据“拖油瓶”争论并不重要，企业关注还是解决应用的问题，这里的问题有大有小，有些用户数据系统众多且标准不一，面临的紧迫问题是不同系统之间的数据治理问题，就需要数据中台的解决方案，对于创新企业和中小企业而言，数据应用创新的需求更加迫切，能够解决问题的方案就是好方案。大数据生态有20多个功能模块，相关的开源项目层出不穷，如Hive、HBase等，不管它们称为数据仓库、列式数据库，还是大数据，只要能够解决问题，都是值得推崇的。
因此，大数据真正的“拖油瓶”并不是某个具体的产品技术，真正的“拖油瓶” 是跟不上技术发展的步伐，大数据需要我们能够真正理解数据的价值，并结合实际需要巧妙加以应用。
