大數據作為現在最流行的一個方向，被很多的企業重視。那么如何提升企業的大數據能力，以發掘出它最大的價值呢？您可以從本文中找到答案。
    一個成年人平均每天做出70個有意識的決定，一年就要做出超過25000個決定。企業的大部分決定是不重要的，但這其中會有一些決定給企業帶來重大的機遇或者嚴重的后果。企業無法避免做出壞的決定，但是可以通過提升數據和分析能力降低做出壞決定的概率。

數據和分析并不是一個新的概念，早在上個世紀的兩股宏觀經濟潮流中就已經形成。第一股潮流是勞動力從勞動力密集型產業向技術密集型產業轉移。第二股潮流是二十世紀60年代企業引入了決策支持系統。隨著不斷增加的智力工作者從事于高科技工作，存儲的資料和數據量也隨之提升，數據分析在企業決策制定和執行中扮演著越來越重要的角色。
    但是，企業在初期是很難整合數據并將數據分析應用于他們的日常運營中的。他們所收集的數據變量有限，且數據以不同的格式和結構存儲在不同的地方。而且，從這些含有噪音的數據中過濾出相關的、重要的、有效的數據的困難程度隨著數據量的增大呈指數級數上升。根據IDC的研究，從2005年到2012年，全球的數據量翻了27番，約達到2.5ZB.其中僅有25%的數據是有用的，僅有3%的數據貼有標簽能被使用，僅有0.5%的數據被用于分析。
    許多具有行業領導地位的企業已經意識到需要提升組織內部收集、存儲、獲取和分析這些超大量、極復雜的數據集的必要性。而且，企業需要為提升大數據能力投入更多的資源，以讓其全面發揮潛在的作用。對大數據能力的投資需要遵循數據分析的價值鏈，布局于5個方面。
    收集與前期準備：要有效地收集和管理大規模、復雜的數據集。企業數據產生于各自獨立的數據庫。為了后期能最大化數據的使用，企業應制定相應的數據標準，確保數據的準確性、一致性和可轉換性。
    處理：數據必須能被實時處理。在一些競爭激烈的領域，對企業來說，比競爭對手提前幾天可能就能存活下來。因此企業需要評估基礎架構、算法，編程語言，以提高數據的處理速度。
    可視化：處理完的數據需要以簡單易懂的方式呈現出來。人腦對大規模數據或文本數據的處理是緩慢的，因此企業可使用可視化工具提升對數據認知、洞察的能力。
    解讀數據：可視化數據應被正確地解讀。企業應盡量避免錯誤的數據解讀對認知造成的偏差。僅靠直覺亦或是極端推崇數據結論都可能將企業引向歧途。
    改進：智力工作者必須提供反饋與指導。企業要促進利益相關者的反饋機制，形成反饋閉環。這種反饋機制能夠對連續的分析、學習、問題識別給予支持，從而擴大信息的數量與范圍。
    企業要獲得大數據的潛在價值的困難是艱巨的。這些困難橫跨多個領域，如預算、技術的可獲得性、已有基礎架構的使用、運作模式等等。然而，能夠有效使用數據、洞悉先機的企業將在行業里占有優勢地位。而從長遠來看，這樣的企業將變成這個行業的領導者而非僅僅是參與者.