尽管作为大数据专家与布道者，但车品觉看待大数据的态度非常理性。车品觉直言，很多数据科学家在科研上非常专业，但在商业分析和经营分析上做的很差，这是非常常见的。

车品觉告诫企业主：机器分析做得好的公司，不代表数据分析做得好；非结构性数据处理得好的公司，不代表结构性数据也能处理很好；数据分析做得好的公司，不代表商业智能做得好；而商业智能做得好的公司，不代表生意就能做得好。

车品觉呼吁，企业千万不要把大数据当成万能的解决方案，不可迷信大数据。因为企业大数据的全过程应用会包括数据处理、算法、产品以及具体业务，这一连串的应用是相辅相成，缺一不可的。

比如底层的数据采集没有做好，那么上层的应用必然会出问题。“数据不稳定，深度学习也就不会起作用。”

与此同时车品觉指出，现在很多公司欠缺的并非数据采集与处理的能力，而是思考能力比较落后。

他以目前火热的无人车行业为例：

“比如未来的无人汽车，一辆车可能会有3000个传感器，背后的厂家有几十个，甚至是不同国家的厂商。那么这样一个无人车，你怎么让数据稳定、跨境数据合规传输、进行数据采集与数据分析等等？这些都是非常现实的问题。IoT的发展，其实正在打破我们当前的大数据业务思路，因为它确实非常复杂。简单的数据和算法不能代表AI。”

车品觉表示，自2010年大数据概念被提出之后，在最初的3年中，很多公司都是在做结构化数据。从2013年开始，有些公司便尝试使用机器学习处理非结构化数据，这就带来了很大的变化。

例如现在的杭州智慧城市，我们可以将人们走动的影像变成数据，而数据就是决策的依据。

他直言，要想解决一个问题，相关的数据越多，解决问题的精准度就会越高。但他提醒，我们必须注意其中包含准确与不准确的概率。

“现在很多医疗项目没有完全应用大数据和AI，其中就是概率的问题。大数据有时会有潜在的风险。”

在“企业究竟需要多少数据量才能解决问题”这个观点上，车品觉形象的用“拼图”对数据量进行了解释。

他认为，如果我们只有一块拼图，那么很难了解到拼图完整的图像。但当拼图足够多时，我们不需要很复杂的算法，也能解决问题。所以企业要了解自己掌握的数据是否达到了关键的临界点。

车品觉表示，人们总是很想知道发生了什么，为什么会发生，未来可能会发生什么，如果发生了我们怎么做？

其实这些问题一直都是BI想要解决的。第三方数据可以辅助企业进行决策，但企业主就需要先了解这些数据拼图有多少是集中的，有多少是离散的，有多少数据与自己的问题相关。不弄清楚这些则会南辕北辙。

“比如高层管理者和中下层管理者要处理的问题一定是有差别的。中下层管理者可能更关注目前的问题，而高层管理者则需要考虑几年之后的企业发展。那么高层管理者需要的数据量一定会远远大于中下层管理者。”

最后车品觉表示，从公司的发展来说，一家成功的企业发展都不会逃过这8个步骤：

1.关注决策的过程。加强数据分析能力；

2.建立数据资源，整理数据标准；

3.形成管理规范，建设数据管理平台；

4.建立海量数据的深入分析能力；

5.建设外部数据的战略储备；

6.建立数据的外部创新能力；

7.推动自身数据的开放与共享；

8.数据产业的战略布局。

他直言，前3点都是传统意义上各家企业都能做的。第4点是企业成功与否一个分水岭，能否建立海量数据的深入分析能力非常重要。企业要适时引入高级的外部人才，才能在未来的竞争中占据优势。