2016年是大数据从概念到务实落地的一年。从这一年起，互联网行业、电信行业、金融行业、房地产行业、汽车行业、娱乐行业、教育行业、零售行业、能源行业、医药行业、政府机关等都在不同程度的接触和实施大数据。很多正在实施大数据的企业或机构并不成功，为什么?他们实施大数据都存在共同的问题，最为典型和严重的是三个问题是：
问题一:业务部门没有清晰的大数据需求和规划
很多企业业务部门不了解大数据，也不了解大数据的应用场景和价值，因此难以提出大数据的准确需求。
由于业务部门需求不清晰，大数据部门又是非盈利部门，企业决策层担心投入比较多的成本，导致了很多企业在搭建大数据部门时犹豫不决，或者很多企业都处于观望尝试的态度，从根本上影响了企业在大数据方向的发展，也阻碍了企业积累和挖掘自身的数据资产，甚至由于数据没有应用场景，删除很多有价值历史数据，导致企业数据资产流失。
因此，这方面需要大数据从业者和专家一起，推动和分享大数据应用场景，让更多的业务人员了解大数据的价值。
问题二：企业内部数据孤岛严重
企业启动大数据最重要的挑战是数据的碎片化。在很多企业中尤其是大型的企业，数据常常散落在不同部门，而且这些数据存在不同的数据仓库中，不同部门的数据技术也有可能不一样，这导致企业内部自己的数据都没法打通。如果不打通这些数据，大数据的价值则非常难挖掘。
大数据需要不同数据的关联和整合才能更好的发挥理解客户和理解业务的优势。如何将不同部门的数据打通，并且实现技术和工具共享，才能更好的发挥企业大数据的价值。
问题三：组织架构未能有效支撑大数据实施
很多企业或机构在实施大数据的时候，只是简单的建立大数据技术部门，仅从技术、算法角度考虑。企业往往不能科学的考虑大数据团队内部应该招聘和培养哪些方面的人才。同时，更不会考虑不同大数据团队和业务部门如何更好的协同作战，导致大数据不能充分有效的在业务场景的中落地。
那么，在大数据时代，企业如何更有效的实施大数据战略，如何规划、如何实施、如何保障大数据的相关工作可以顺利开展。我们认为，企业要实时大数据战略，需要从五大关键方面规划：
一、制定大数据规划找准切入点
成功的大数据规划聚焦于四个核心要素：应用场景、数据产品、分析模型和数据资产，企业着手实施大数据战略要着重考虑这四方面，管理者需要在这四方面做好规划，才能让大数据发挥价值，从而给企业带来更好的业务价值。
大数据规划首先是应用场景的规划，企业需要确定不同业务投入大数据的优先级，确定大数据的切入点。企业需要优先考虑业务的哪些方面投入大数据可以为企业提升绩效。在企业中，大数据应用场景包括业务运营监控、用户洞察与用户体验优化、精细化运营和营销、业务市场传播、经营分析等常见的方面。
当然在人力资源、IT运维以及财务等方向也可以引入大数据。企业不可能所有应用场景都一起实施，因此，企业高管需要和各业务的整体负责人以及数据专家一起开展研讨会，分析哪些业务投入大数据可以使得业务的绩效提升最为显著，从而确定不同业务投入大数据的优先级，找准大数据的切入点。“数据能够在哪些领域实现业绩的大幅提高?数据能在哪些领域实现企业运营效率的提升”这些问题很重要，一开始就必须提出来。每个重要业务部门和职能部门都需要考虑这个问题，并展开相关的研讨。
企业高管实施大数据战略的时候需要高度重视这一步,但在国内很多企业往往忽略的这一方面，投入大数据往往不是以提升业绩导向，而是以纯技术导向，或者是为了“赶潮流”，使得很多企业实施大数据的看不到数据对企业绩效提升，从而使得大数据战略流产。
第二方面是数据产品。在确定了大数据的业务投入优先级后，我们需要考虑的是如何通过数据产品来帮助提升业务的绩效。为什么是“数据产品”而不是“数据工具”，这是因为“数据产品”比“数据工具”更加强调易用性和用户体验。
数据和分析模型本身的输出可能会比较复杂，比较难理解，这样往往导致经理或者一线员工等数据用户不能理解，更称不上运用。所以，只有数据产品在业务具体的场景运用的时候，以非常简单易用的方式来呈现，才能让更多的数据用户使用。企业数据用户(往往是业务、产品、营销负责人等非大数据专业人士)在实际运用大数据的时候，更关注的是大数据的产品在哪些方面可以直接帮忙提升绩效，不需要关注大数据这些产品背后的逻辑、分析模型等“黑洞”。
如果我们在提供数据产品的时候需要数据用户理解很多“黑洞”，那么数据一定运用不起来，数据的价值就会大打折扣。比如，数据产品可以告诉营销人员，您这次合作的营销推广渠道有所带来的用户40%是作弊而来，我们把这些作弊渠道带过来的用户叫“假量”，数据产品不需要告诉营销人员“假量”是如何计算的，但知道结果和优化方向即可;或者数据产品可以直接告诉营销人员哪些产品和其他产品可以做交叉销售，数据产品可以根据用户需求自动化实现交叉销售，从而进一步提高销售额，
第三方面是数据模型。数据产品背后的“黑洞”是数据模型。数据的简单堆砌不会创造太多的业务价值，需要数据模型、数据挖掘的方法来实现海量数据的商业洞察。
常见的模型如预测和分类。
在预测方面，如通过高级的模型来预测哪些用户可能会付费，他们的特征是什么，经常在哪里出没;通过数据模型来预测付费客户的数量，以提前发现考核期结束后付费客户数量和KPI的差距以及优化方向;通过预测模型来洞察用户的未来购买需求;
在分类模型方面，我们可以通过分类模型结合大数据实现更准确更实时的用户细分;或者通过分类模型对不同价值的客户进行合理的分类，确定服务的优先级和服务内容。
企业在制定大数据战略方向时，需要介入数据专家根据应用场景和数据产品的输出来选择模型以及优化模型，从而确定模型研发的方向和优先级。
第四方面是数据资产。有了应用场景、数据产品和数据模型这三大方面，我们就能更清楚的知道：为了实现这三大方面，我们需要哪些数据，什么数据是企业现在拥有，什么数据可以通过合作产生，什么数据需要外部整合，什么数据需要进行购买或者投资。
有了前面这三大方面(应用场景、数据产品和数据模型)的规划，大数据的采集、整合、管理的策略便能比较容易理清头绪和相应的规划。当我们合理的整理企业所拥有的数据，并整合有利于业务发展的外部的数据，形成系统化的管理，才能很好的形成企业的数据资产。
但在国内，最大的问题常常是各业务部门、各事业部以及职能部门的数据经常各自为政，数据存放在不同的数据库中，数据无法整合打通，企业内部形成各种孤岛，导致企业数据资产无法发挥整合效益，数据资产流失。要让企业的数据成为长期的数据资产，企业高管则需牵头规划，整合不同业务部门、不同事业部的数据，推动建设高数据质量的数据治理标准。
值得注意的是，为了加快大数据的推进速度，企业高管同时需要确定什么方面企业自己开发实现，哪些方面委托第三方实现，哪些方面需要购买。在数据产品和数据模型方向，不一定所有工作都需要内部员工实现。领导层需要根据时间和自身资源(尤其是人力资源)的情况判断，哪些数据产品自己开发、哪些数据产品可以委托第三方公司开发、哪些数据模型自己开发、哪些数据模型委托第三方公司开发。
在收集外部数据的时候，我们既可以组建自己的团队进行数据收集，或者委托第三方公司帮忙收集，或者直接采购，或者收购相关的数据公司，总之，在企业需要根据自身情况进行合理的规划。
责任编辑：旅游策划公司|农业策划公司|乡村旅游策划公司|企业咨询策划公司|策划公司|咨询公司|城乡文旅规划|项目可行性报告|养生养老策划公司|项目策划公司|规划设计公司