大多數投身于大數據產業的公司，事實上都只是參與了其中某個環節。王叁壽認為，完整的大數據產業鏈包括數據源、大數據硬件支撐層、大數據技術層、大數據交易層、大數據應用層、大數據衍生層。匯聚在一起形成大數據產業的完整循環鏈條，每個層面又都無限向外延伸，形成了大數據產業的內聚和外延。

　　

　　大數據強大的內聚力

　　大數據產業具有強大的內聚力和外延性，如何理解這一點?

　　一方面，大數據吸引海量的、弱相關數據產生聚合，可以在硬件、軟件的支持下，針對金融、醫療、農業、工業、能源、交通、物流、零售等多領域實際需求，設計出“接地氣”的應用場景，服務于市場需求;另一方面，以大數據租賃、基金、信托、期貨、托管等多種形式，實現大數據在更大范圍內的流通。從而再向外延伸，數據源服務商將產生更多諸如大數據培訓、咨詢、數據處理外包等增值服務。

　　“大數據”，可以被理解成海量、弱相關數據內聚摩擦的一個動態過程。

　　自上世紀50年代發展而來的信息控制技術革命，提供了日益增長的碎片化的數據信息。越來越多的機器設備安裝了連續測量和報告運行情況的裝置，計算機產生的數據包含了使用者在發電郵、發短信、寫微博等行為過程中產生的有趣信息，而音頻、視頻數量龐大，同樣結構松散。大數據技術讓這些海量的碎片內聚在一起，觸發新的價值。這正符合大數據發生作用的首要要求——海量數據源必須是無序的，分散的。

　　王叁壽認為，鑒于大數據的這一內聚力屬性，大數據公司對數據源儲量的保有情況，一定程度上直接決定了大數據公司在整個產業中的市場競爭力。九次方大數據正是領先于市場早早認識到這一點，逐步確立了大數據資產運營的領先優勢。

　　大數據的外延性

　　大數據產業外延性表現在，在數據源、技術支撐層的基礎上，實現數據交易、數據應用、乃至超越大數據產業本身，實現更多衍生的價值。

　　舉例來說，無論是政府數據、行業數據還是企業數據，通過大數據硬件支撐匯聚在一起，通過大數據技術進行處理，實現應用后最終再回歸到各個行業，衍生為更多形態，如大數據金融、互聯網理財、O2O、電子商務、人工智能、機器學習等。

　　由于大數據為解決問題而生，為應用而生，所以大數據應用層一直以來都是產業鏈上的重要組成部分。據王叁壽介紹，九次方大數據目前已經實現了大數據與醫療、金融、通信、能源、交通、農業等30余行業的結合。隨著大數據產業與傳統產業建立交集，舊有的產業痛點開始找到新的解決方案。比如，精準扶貧大數據能夠提升扶貧精準度;交通大數據能夠緩解擁堵難題并提供最佳解決方案;網格化大數據使社會治理網格化成為現實;食藥監大數據也讓難以攻克的食品藥品監察變得即時可行……

　　除此之外，在硬件支撐層、技術層、交易層、應用層、衍生層等層級，仍具一定的外延性。比如，硬件支撐層涵蓋了大數據采集設備、傳輸設備、存儲設備、大型機、一體機等設備：無人機、機器人、GPS已經變成大數據采集工具;單就傳輸設備而言，就包含了無線傳輸設備、光傳輸設備、互聯網設備、移動通信網、遙感衛星等外延項。

　　王叁壽認為，中國大數據產業各環節良性循環互動，發展迅猛，到2020年，整體規模將超萬億元高點，中國大數據產業生態圈也在逐步形成中。