在这样的数据特点和市场要求下，中国和美国各大公司和科研中心都在大力投入，研发下一代数据分析技术。但是，在这方面，美国还是有着3-5年时间的领先。

根据汪晓宇博士的分析，国内在科研上的眼光很高，水平层次力度都在，但是商业化不行，研发出来转到应用上和美国有一定差距。中国大部分公司对于大数据分析的概念还停留在“舆情分析”的阶段，但是美国已经跨越“舆情分析”和“情感分析”，进入到了“预测分析”阶段。

由汪晓宇博士一手打造的TasteAnalytics团队，就在进行“预测分析”技术的研发。它摆脱了传统的“舆情分析”和“情感分析”的框架，更进一步，把人们在社交网站和其他平台上产生的数据都收集起来，进行实时、全面地分析，帮助企业建立用户的立体形象，了解他们的品味和喜恶，从而提供预测性地判断。这听来似乎和传统的“推荐系统”、类Clickstream分析有些类似，但是实际上完全不同。

首先，传统的“推荐系统”会需要一个很长的建立过程，也就说，它需要很多强相关的、相似的历史数据，才有可能实现推荐功能。比如它只能根据你买电饭锅的行为，才能向你推荐其他厨具。

但是企业怎么能在一开始就知道，顾客想要买电饭锅呢？这就是“预测分析”的强大之处。它不需要这样的历史数据，而是直接通过人们在社交网络上的留言和在各大平台上留下的信息，来进行预测。也就是说，当你在社交网络上留下类似“好想在家做饭”的状态，系统就有可能已经知道你想买厨具了。

汪晓宇博士举例说，“预测分析”技术发展成熟的话，就会非常接近美国科幻电影《少数派报告》里的情景——它会根据你在网络留下的痕迹，来理解你的性格、行为、情绪，来建立一个随时更新的、立体的形象。无论是HR、企业、客服、公共机构，都可以根据这些信息来提供真正的前瞻性、个性化的服务。

其次，Clickstream无法解决冷启动的问题，而且很难精准到个人、到细节。Clickstream分析技术的实现，是通过不同的cookie，来追踪人们的点击，它无法解决的是冷启动过程中数据的缺乏。比如你第一次登陆优酷，没有任何观看记录，系统应该怎么进行推荐呢？而且，人们的误点击操作很有可能就被系统追踪下来，进行了错误的分析。

但是这对于“预测分析”技术就不是问题。通过对各大社交平台上的多重语义分析和叠加验证，一个人的具体形象已经建立起来：这个人比较保守，不喜欢暴力，最近正在谈恋爱……那么这时，向他推荐浪漫喜剧就会非常对味。

“我们在做的，就是在集合的范围上进行分析。”汪晓宇博士说，“以前的技术是告诉你们人们在‘说什么’，现在我们已经进化到人们在行动之前‘有什么感觉’。这个核心技术的突破，就能实现对于整个数据分析市场的革新变化。”

再次，“预测分析”比起传统的大数据分析方法，可以更好地实现人机互动。尽管人工智能非常火热，但是汪晓宇博士仍然指出了这项技术的局限性：它的可控性很差，没有依靠人的能动力。在他看来，大数据分析应该更好地利用人机互动的机制，来发挥最大功用。

汪晓宇博士介绍说，以前的数据分析技术，机器只能做到一半，到后面的时候还需要人来负责数据输入。但是现在他们在研究的“预测分析”技术，可以把大范围的用户数据总结集成在一起，自动给出结果。人和机器的互动，将主要在于洞察内涵、提供反馈，让机器知道人的倾向。这就是新型的人机互动先进所在。

“比如说，某个产品本来定位年轻人，但是机器通过收集数据进行分析，发现它在中年人之间更受欢迎，那么人就可以来调整产品的市场定位，做出加大在中年人群体中加大宣传的决策。这就是非常典型的人机互动。”汪晓宇博士说。