大数据的树形结构决定管理者需要对于数据源的包容性和开放性

你在某个域是数据权威，但在另一个域往往还没入门，因为数据带着天然的业务属性，所谓无业务不数据，但真的是这样吗?

对于数据管理人员，如果将数据当成资产，则理解资产是第一要务，现在人工智能，机器学习很热，但再好的算法，也不如一个好的数据。

举个例子，我们举办的一次建模大赛中发现有个地市找到了一个数据，即基于信令切换可以判断是否换成WIFI上网，这可以较为准确的判断是否是异网宽带用户，而这个数据其实早已经躺在我们的平台上了，仅仅因为这个数据不属于传统的领域，我们的数据管理人员还不熟悉，但大家都知道，靠算法去判断一个异网用户是多么艰难。

重剑无锋，大巧不工，大数据的精髓往往在于去做那些朴实无华的事情，就好比我们以前理解B域数据那样，要通过不停的问，不停的取，不停的修，最终我们对于数据的理解才能达到一个新的境界，直到足以挖掘出这个数据的全部潜力，这才是企业级数据管理团队存在的价值。

树形结构