随着大数据的概念的不断宣传推广，现在的社会和企业如果不谈大数据，就会让人感觉落伍，让人感觉企业的管理水平已经落后于时代了。这个现象，固然有理论先行于实践导致的过分概念化的问题，但从另一个角度也说明了企业确实已经感觉到对数据进行深入使用来帮助企业增强核心竞争力的迫切需要。

大数据要在企业中发挥作用，需要在五个方面作出努力。

首先，企业必须作出文化层面的调整，建立数据驱动决策的文化。大数据首先是个理念问题，即通过客观的，理性的数据来提供决策的依据。在传统的企业，尤其是取得过成功的企业，往往形成了固定的企业文化和奉为经典的管理经验，流程和制度。建立数据驱动决策的文化，就必须打破原先的以经验，流程和制度为核心的决策机制，将决策的过程数据化，客观化和扁平化。历史经验在新的竞争市场和规则下，往往已经滞后了，特别是进入互联网时代后，互联网以客户为中心，以生态链为运行模式的理念，已经对传统企业造成了颠覆性的影响。如果还停留在以过去的经验为基础来进行决策，必然会走向失败的境遇。以客户为中心的新市场竞争态势，需要企业能够作出快速的决策，传统的层层上报审批的决策机制，显然难以满足要求，只有通过建立以客观数据为驱动的扁平化的决策机制，才能更好地应对快速变化的市场和客户要求。 第二，企业要建立对应的数据管理中心的组织架构。没有一个相对完整和专业的数据管理团队，是难以发挥出大数据分析的功效。数据本身只是信息，如果不能将这些有用的信息转化为对企业有价值的决策依据，数据就只是一堆存放在仓库的废纸。要想把数据和信息转化成对企业有用的决策信息，就必须建立专业的数据管理团队，这个团队包括数据采集和处理人员，数据分析人员和数据沟通和展示人员。数据采集和处理人员要求相对不高，主要是进行数据收集，录入，变更和验证等工作，来确保数据的一致性、准确性，完整性和时效性。数据分析人员必须具有较好的行业和企业的运营知识和经验，能够找到最佳方式来建立数据分析模型，找到数据对应的企业运营的关键结合点，产生合适的结果来支持企业的决策。数据沟通和展示人员，需要有良好的沟通能力，通过设计出有效的客户展示方式和易于客户使用的产品，来最大化数据驱动决策的价值实现。 第三，企业要建立顶层的数据架构设计并加以实施。在规划信息化系统建设时，需要有顶层的信息化战略规划，其中核心一环是数据架构设计和实施线路图。数据构架设计的主要目的，是确保企业的所有数据环节有统一的标准，有唯一的数据设计字典，有核心的主数据管理系统，从而保证企业数据的完整性，一致性和有效性。目前，绝大部分公司都会碰到信息孤岛的问题，数据不一致的问题，这些问题产生的主要原因都是因为缺乏顶层的数据架构设计。在有了顶层的数据架构设计后，建立合适的实施线路图，可以帮助企业在清晰的数据架构框架下，逐步建设各个信息化系统，确保同一对象对应唯一的数据源，消除信息孤岛，提升数据的一致性和有效性。 第四，企业要建立完善的数据治理体系。如果没有完善的数据治理体系，即使有良好的顶层数据架构设计和严格的系统实施，如果缺乏数据治理的体系，数据的质量很快就会大失所望，也就难以完成驱动决策的使命，即出现“Rubbish in , Rubbish Out”的糟糕状况。良好的数据治理体系，覆盖数据完整的生命周期管理，包括数据所有者的职责和权利、数据格式和标准、数据建立和变更流程、数据使用制度、数据安全制度和数据销毁流程等。数据治理体系的建设和有效实施，是保证数据产生价值的关键因素，大部分企业后期出现的数据质量不高，分析结果难以达到预计要求，往往是由于数据治理的执行不到位，甚至是数据治理的缺失造成的。 最后，企业要建立合适的数据分析的技术平台和团队。这一部分，属于传统信息部门熟悉的领域，一般是难度最小的部分。其中的困难点，是如何设计兼容传统内部数据分析和目前在不断出现的海量外部数据分析的需求，最有效地低成本建立技术平台，并且能满足未来扩展性的要求。购买商业软件的企业，技术人员的需求较少，选择基于开源平台上自我研发的企业，技术团队的要求比较高。这里面的决策因素，包括核心业务的定义、企业技术团队的能力、数据安全性的要求以及企业的股东背景等。对于小型企业或中性企业的概念验证阶段，可以考虑利用市场上的大数据SaaS服务的方式，来快速低成本地建设基本的大数据分析能力，这里面需要注意的是企业数据的安全性和私密性的保护，可以通过数据脱敏和合同条款约束等方法来保证。