大多數投身於大資料產業的公司，事實上都只是參與了其中某個環節。王叄壽認為，完整的大資料產業鏈包括資料來源、大資料硬體支撐層、大資料技術層、大資料交易層、大資料應用層、大資料衍生層。匯聚在一起形成大資料產業的完整迴圈鏈條，每個層面又都無限向外延伸，形成了大資料產業的內聚和外延。
大資料強大的內聚力
大資料產業具有強大的內聚力和外延性，如何理解這一點?
一方面，大資料吸引海量的、弱相關資料產生聚合，可以在硬體、軟體的支援下，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，服務於市場需求;另一方面，以大資料租賃、基金、信託、期貨、託管等多種形式，實現大資料在更大範圍內的流通。從而再向外延伸，資料來源服務商將產生更多諸如大資料培訓、諮詢、資料處理外包等增值服務。
“大資料”，可以被理解成海量、弱相關資料內聚摩擦的一個動態過程。
自上世紀50年代發展而來的資訊控制技術革命，提供了日益增長的碎片化的資料資訊。越來越多的機器裝置安裝了連續測量和報告執行情況的裝置，計算機產生的資料包含了使用者在發電郵、發簡訊、寫微博等行為過程中產生的有趣資訊，而音訊、影片數量龐大，同樣結構鬆散。大資料技術讓這些海量的碎片內聚在一起，觸發新的價值。這正符合大資料發生作用的首要要求——海量資料來源必須是無序的，分散的。
王叄壽認為，鑑於大資料的這一內聚力屬性，大資料公司對資料來源儲量的保有情況，一定程度上直接決定了大資料公司在整個產業中的市場競爭力。九次方大資料正是領先於市場早早認識到這一點，逐步確立了大資料資產運營的領先優勢。
大資料的外延性
大資料產業外延性表現在，在資料來源、技術支撐層的基礎上，實現資料交易、資料應用、乃至超越大資料產業本身，實現更多衍生的價值。
舉例來說，無論是政府資料、行業資料還是企業資料，透過大資料硬體支撐匯聚在一起，透過大資料技術進行處理，實現應用後最終再回歸到各個行業，衍生為更多形態，如大資料金融、網際網路理財、O2O、電子商務、人工智慧、機器學習等。
由於大資料為解決問題而生，為應用而生，所以大資料應用層一直以來都是產業鏈上的重要組成部分。據王叄壽介紹，九次方大資料目前已經實現了大資料與醫療、金融、通訊、能源、交通、農業等30餘行業的結合。隨著大資料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，精準扶貧大資料能夠提升扶貧精準度;交通大資料能夠緩解擁堵難題並提供最佳解決方案;網格化大資料使社會治理網格化成為現實;食藥監大資料也讓難以攻克的食品藥品監察變得即時可行……
除此之外，在硬體支撐層、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，硬體支撐層涵蓋了大資料採集裝置、傳輸裝置、儲存裝置、大型機、一體機等裝置：無人機、機器人、GPS已經變成大資料採集工具;單就傳輸裝置而言，就包含了無線傳輸裝置、光傳輸裝置、網際網路裝置、行動通訊網、遙感衛星等外延項。
王叄壽認為，中國大資料產業各環節良性迴圈互動，發展迅猛，到2020年，整體規模將超萬億元高點，中國大資料產業生態圈也在逐步形成中。