尽管大数据的应用已被很多企业设定为重要战略，但不少企业仍然缺乏大数据挖掘人才。数据显示，36%的企业拥用专门的数据洞察团队，并拥有同时具备数据科学专业能力和商业敏感度的人才。其中，仅有19%的企业拥有高质量、一致性较好、易于获取和应用的大数据。更多企业获得的数据真实度有待考量，输出的数据与具体用户的关联度不高，并不能为企业带来精准的洞察，服务于决策。

海量的数据给企业带来了很高的数据处理困难，不少大数据工具应运而生。于是，企业又不得不面临另一项挑战，挑选并学习使用大数据工具。 面对迅速更迭的挑战，如何建立清晰的大数据战略和关键的大数据能力，也给企业带来很大的考验。

总结行业经验，以及目前企业面临的问题，得出以下大数据战略的四大关键因素。

1). 对企业数据资产现状深入评估，明确目前数据资产的来源、类型与数据准备情况，评估数据是否足够完整、是否与业务发展直接相关；

2)根据评估结果以及企业经营战略目标，明确目前还有哪些数据资产与目标存在显著差距，弥补差距的优先级是什么；

3).对所有可进一步获取的内外部数据资产进行识别与评估，在深入考虑数据质量、重要性与相关度、获取成本与时间要求等相关因素之后，选择获取数据资产的最佳方式，诸如：自行采集整理、对外采购数据、与外部合作伙伴讲行交换等；

4).在获取新的数据资产后，企业还需建立数据治理机制，对数据进行妥善整理与存储，确保数据的可用性与一致性， 并明确数据授权和更新制度。

在评估企业的数据资产后，需确定如何运用以对企业战略进行支撑与引领。

 1/企业可以利用大数据来优化企业内部运营流程 。

例如，某饮料公司运用复杂算法分析社交媒体大数据，识别对于重要议题具有影响力的品牌意见领袖，并对其进行有针对性的引领，以提升营销效果；某连锁零售公司通过分析大量门店销售数据，寻找产品之间的未知联系，捆绑销售。

 2/通过大数据挖掘，企业能更好地优化现有产品与服务。

例如，某娱乐公司运用电子公园通行证来采集游客在其主题公园中的活动数据信息，以此来优化游客在公园中的体验；某汽车安全信息系统服务商使用传感器来收集车辆驾驶数据，以改进其产品的设计、生产与维修流程。

 3/在开发新产品、新服务时，企业也能通过大数据洞察来找到适合市场的产品。

例如，某保险公司使用插入式设备来收集驾驶行为数据，通过分析司机的驾驶习惯对其保险提供相应折扣，主动保留驾驶行为较安全的客户；某在线影片租赁提供商通过分析观影档案数据来有针对性地提升用户观影体验，并提供分析结果给影片投资方以优化影片制作内容。

4/大数据还可为企业建立新业务模式服务。  

例如，某医疗保险公司通过对病人信息数据的预测性分析，向易患病的人群提供预防性关怀服务，以提高服务此类客户的利润率；某理财服务公司免费赠送个人财务软件给用户，在用户使用时分析其消费数据，再向其精准推送相关广告。

 5/ 在更高层面上， 企业还能利用大数据来获取生态系统控制力。

例如，某企业级软件公司通过对渠道伙伴的运营数据开展智能化管理与分析，鉴别渠道商的资质与能力，对业绩进行预测和预警；某电子商务公司数据产品团队基于其电商平台沉淀的大量交易数据，为平台上的卖家开发各类大数据产品，帮助他们实现数据化运营和增收，提升电商生态系统对卖家的吸引力。

对标业界大数据应用实践、基于数据资产现状评估、剖析业务与职能流程中可能进一步采集的数据与应用方式，在确定可用的数据应用之后，可通过价值创造与业务成熟度两个维度对大数据应用进行评估和优先级排序；

价值创造维度：创造价值的多少(如提升运营效率、提升投资回报等)作为评估标准 ；

业务成熟度维度：可将所需数据资产的可获得性以及所需资源投入和大数据能力支撑(如资金、人才和跨部门合作等)等标准用于评估。

为将数据高效应用于企业的日常运营，需要不断将数据分析能力转化为内部应用产品，并将数据分析工作常态化。

对于数据分析产品化，可通过大数据应用战略规划、大数据应用场景设计、分析大数据,  不断推动大数据应用产品的设计、开发与应用，最终实现数据分析产品的可持续运营。

而对于分析工作常态化，需要持续维护数据分析产品并监测实际使用效果，为业务和职能部门提供数据分析支持，并对其日常使用中的问题及时进行解答追踪。

以某家电公司为例，其借助于收集存储了上亿用户数据的大数据平台，建立了需求预测和用户活跃度等数据模型。以此为基础，该公司为营销及销售人员开发了具有精准营销功能的应用软件，可辅助其面向区域、社区和用户个体开展精准营销；此外，还为研发人员开发了具有用户交互功能的应用软件，可帮助研发人员更全面地了解用户痛点、受欢迎的产品特征、用户兴趣分布与可参与交互的活跃用户。这些大数据产品在日常应用中取得了巨大的成效，在系统运营的近一年里，该公司开展了数百场基于数据挖掘和需求预测的精准营销活动，转化的销售额达60亿元。