一、 跨行业数据合作背景
国务院副总理马凯，曾经在2015贵阳国际大数据产业博览会中提到：
融合是大数据的价值所在，应大力推动大数据与产业融合，面向工业、交通、物流、商贸、金融、电信、能源等数据量大的行业领域，开展数据开发和交易，充分挖掘大数据的商业价值，促进产业提质增效升级。
另外，《大数据时代》的作者舍恩伯格，在该书中也提到一个观点：“大数据不是随机样本而是全体数据”。
无论是从国家*部门还是领域专家都不约而同的提到数据需要融合，数据融合才有价值。
二、 为什么需要数据融合？
其中最重要原因是用户数据的割裂性，无法全面勾勒用户全貌。比如你的购物数据在京东天猫、通话数据在移动电信、交易数据在银行金融、社交数据在腾讯微信、搜索数据在百度等等。
数据的割裂性导致对用户的认识比较片面，可能做出错误的决策。比如：现在京东与头条的“京条计划”就是数据合作的一个案例，就是你在京东搜索的物品，会不定时在浏览今日头条中呈现，增加购买率。这里有个缺陷是如果已经在淘宝购买的物品，但还是会出现页面，导致用户体验感知下降。
数据融合的另一个价值就是新规律新价值的发现。比如以前用户信用主要基于是否有历史借贷违约，但很多人无借贷关系数据，如何评定。芝麻信用就创新的融合上网数据、身份特征、行为偏好、社交关系等生活属性数据，来侧面刻画用户的信用。这就是数据融合价值。
不同行业数据的融合，具有互补性和完整性，将有效提升数据内涵价值。
三、 数据融合的三种方式
数据融合的方式从交互程度来讲，可分为数据组合、数据整合和数据聚合等三个层次，由低到高，逐步实现数据之间的深度交互。
层级一：数据组合由各方数据的简单组合形成，能够全貌客户用户特征。该数据融合产生的是物理反应，数据属性本质没有改变。如一份征信报告，有交易数据，有通信数据，有购物数据等，简单的拼装而成。如下图：
层级二：数据整合由多方的数据共同存在才能够实现产品价值。该数据的融合产生的是化学反应，有价值产生。如：黑名单，通过金融数据和通信行业数据共同才能判断是否黑名单。如该用户有异常金融行为，在加上该用户频繁换手机和停机次数多，基本可判断黑名单用户。
层级三：数据聚合（核反应）由双方数据聚合孵化产生出新的产品，新模式。如：分期贷款。通过大数据风控能力，不仅减少审核流程，而且也能进行贷中监控和贷后管理，还能够对失联用户进行定位和催收，是一揽子计划。
四、 面临需要解决的问题
同样数据融合并不是一件容易的事情，需要解决数据壁垒，数据标准，数据安全等问题。其中较重要的三个问题是：
问题1：数据安全问题
如何保证数据安全，保护客户隐私？客户知情权。如何保障符合集团或公司规定的数据变现要求？数据不出库。
问题2：市场定价
市场定价市场价格如何确定？基于成本OR基于需求？市场的最终定价权由谁主导？多方数据提供者，听谁的话？
问题3：利益分配
利益分成如何界定各方数据价值和分层比例？
这些都是数据融合时遇到的实际问题，也是在数据创新时必须要解决的。