企業實施大數據有兩種具體的建設路徑，壹種是自下而上，壹種是自上而下。
從上到下
自上而下的路徑，首先是在管理層有序建立數據的決策文化，在企業文化層面建立數據使用的意識，然後建立相應的組織架構，相應的部門和團隊，確定需要招聘什麽樣的人，需要多少人，具體職責如何劃分，最後建立相應的技術平臺。
從下
自下而上首先是讓員工學習和掌握相關的技術技能，要麽通過內部培訓，要麽通過外部招聘。第二，需要有計劃的設計，未來怎麽走，怎麽做系統，需要有長遠的規劃。第三，要有明確的績效考核指標，數據管理，質量控制，如何保證效益。第四，要保持開放的心態。互聯網時代，大數據還處於發展初期。壹般認為大數據在企業的應用還處於幼兒園階段。這個時候要學的東西還有很多，壹定要保持開放的心態，不斷學習，這樣才能真正把事情做好。
(壹)建立企業數據文化
文化是企業看待事物的價值觀和實施行動的尺度。數據文化的建立是在整個企業層面建立基於客觀數據的價值體系和制度體系，為企業真正利用大數據產生價值提供基礎。沒有這個基礎，即使企業有最好的技術和資源，也不能很好的利用它們為企業服務。
什麽是企業數據文化？包括六個方面。
第壹，數據文化主要體現在數據驅動決策，決策主要通過數據說話。
第二，企業運營效率分析。壹方面，通過對數據的深入分析，我們可以像望遠鏡壹樣了解企業運營的方方面面。另壹方面，數據可以像顯微鏡壹樣觀察企業運營的細節，發現哪裏需要優化。
第三，通過數據分析營銷策劃的得失。通常企業做促銷活動，銷量增加了，就覺得成功了。但是促銷是有成本的，銷量增加了。真的有帶來好處嗎？
第四，在以人為本的時代，企業對員工人身安全和健康的責任越來越重要。如果能夠通過客觀可測量的數據來關註員工的工作環境和舒適度，對於保證良好健康的工作環境，提高員工滿意度將起到非常重要的作用。
第五，員工績效要有量化指標。
第六，價值鏈中的數據管理。通過在垂直供應鏈中共享和交換數據，供應鏈上下遊的企業可以更好地了解整個供應鏈的需求、庫存和供應，從而優化鏈中的庫存，主動發起供應的準備，更快地響應市場變化。在橫向生態鏈中，通過數據的共享和交換，可以全方位的生活場景分析用戶，從而打造出滿足用戶更廣泛需求的壹站式服務，既能挖掘更多商機，又能增強用戶粘性。
(二)建立企業數據戰略
建立企業的數據戰略，需要構建三個方面，如下圖所示。
數據模型
第壹個方面是建立完整的數據模型。數據模型的目的是正確定義數據，對數據進行分類，並確定數據交互之間的標準。將對企業業務管理的理解轉化為數據需求，從而了解需要管理什麽樣的數據。不同的系統產生不同的數據，系統之間的數據和數據交互的內容是什麽？企業中有不同的系統，如ERP系統、供應鏈系統、CRP系統等。用戶信息、供應商信息、物聯網信息、財務信息都在哪裏，如何相互協調溝通？這些都是需要考慮的問題。
數據服務
第二個方面是建立數據服務體系，包括選擇什麽樣的技術平臺，采用什麽樣的數據技術，如何在不同的系統中使用這些不同的技術，包括傳統的數據庫，數據倉庫，商業智能，新的Hadoop。在設計業務架構的基礎上，設計數據應用的架構，然後通過數據交互接口進行數據交換，避免數據孤島，同時建立統壹的數據規劃，保證數據源的統壹性和壹致性，為後期數據分析提供支持。
數據管理
第三個方面是建立數據治理體系。數據治理包括數據管理系統和整體生命周期管理。數據正在成為壹種資產，相應的，資產也需要系統化的管理。數據的資產權利管理包括確定數據的所有權，確定每個數據的所有者，誰是這個數據的管理者，誰來負責這個數據的準確性，誰來保證數據的質量等等。數據的高質量是數據分析的基礎。如果數據是錯誤的，任何分析都不會有正確的結果。同時，數據合規和安全管理也是核心環節，比如誰可以操作數據，誰負責數據安全、備份和服務等。嚴格的數據合規和安全控制系統至關重要。
數據的生命周期管理，包括如何以及何時創建數據，何時可以修改數據，誰批準修改，如何消除數據等。國內企業在這方面比較欠缺，不僅是數據，還有設備和電腦。電腦沒用了就直接報廢。在這方面，外國公司做得很好。國外的信息安全公司通常會付費給第三方公司來處理專業的數據銷毀，甚至會花費數百美元對每臺電腦進行環保銷毀。例如，在壹些數據消除情況下，應該通過各種方法完全擦除數據。例如，壹些企業要求數據格式化七次，以避免可能的數據恢復。
(三)建立企業數據組織能力
建立數據的組織能力，包括設置合適的組織角色、招聘合適的人員、設置合適的組織架構和設計合適的權責等等。
第壹，組織數據的能力。建議有條件的公司可以設立壹個酋長數據官的職位，主要是設計整個數據的策略，主導數據策略的實施，與業務管理層溝通對話，傳遞數據的價值。
第二，數據科學家的作用非常重要。數據科學家研究如何用最好最科學的算法得到最好的結果。同樣壹堆數據在那裏，十個不同的人在看，十個人的結果都不壹樣。那麽為什麽科學家是準確的呢？因為他的知識面足夠深，他知道哪個因素最重要，那麽多因素中他應該選擇哪個部分來分析。目前，數據科學家是整個市場最缺乏的人才，因為既有專業知識又有數據算法業務知識的人才極其稀缺。數據科學家可以分為三種。第壹類是技術數據科學家，是計算算法方面的專家，非常擅長各種統計分析技術。第二種是應用數據科學家，他們非常熟悉數據架構和數據在各個系統中的分布，能夠很好地管理各種數據。第三種是業務數據科學家，他們非常熟悉行業知識和企業業務，同時具備壹定的數據處理技術知識，能夠很好地將業務需求和特點轉化為數據處理需求，同時能夠很好地將數據處理結果轉化為業務視角和文字傳達給業務經理。
再次，對於壹定規模的企業，我們通常建議企業建立壹個集中的數據管理和運營中心。雲計算服務是壹種成本最低、靈活性最高、擴展性最強的集中式管理模式。
第四，整個數據組織的架構標準不是基於技術和產品，而是基於商業價值交付。考慮數據分析的產出能力不是數據分析有多快，也不是數據有多少，而是數據分析的結果對業務是否有幫助或指導意義。這也是所有數據分析的核心價值，也是大數據中“大”的含義——“大”產生商業價值的核心衡量標準。這個衡量標準對於技術組織來說是很難執行的，所以需要建立壹個明確的績效評價標準和價值評價標準，讓技術人員更多的從業務的角度考慮自己工作的價值，而不會陷入技術優先論的境地。
第五，提高壹線人員的業務決策力和數據決策力，建立扁平化管理組織。通過系統的培訓，不斷培養員工的數據分析能力。由專業數據分析師和算法人員設計的數據分析解決方案或產品，必須以簡單易用的方式提供給壹線員工。更重要的是，要加強對相關解決方案或數據產品的系統培訓，讓更多的員工認識到這些解決方案或產品的價值，並願意在日常工作中使用。我們建議數據建模/數據產品研發的費用和壹線員工培訓的投入應該是五五開。為了更好地推動培訓，企業還可以考慮成立利益驅動的數據協會，讓更多的員工加入協會，定期舉辦培訓班、研討會、沙龍，聘請外部專家分享相關信息，開闊視野。
建立企業的數據組織能力後，企業使用數據的流程描述如下。
先收集數據，把不同地方的數據找出來，找到之後選擇壹個算法。其次，進行業務相關性分析，確定哪些指標和維度是有意義的，這就是數據科學所做的。業務科學家和數據科學家可以分開，也可以整合。大多數企業自己做，並將其作為壹種可接受和可理解的業務方法。如果只是數據呈現，可能管理層和業務部門都無法理解，需要轉換成業務經理能夠理解的語言和信息。最後提交給管理層或相應部門進行經營決策。這就完成了壹個完整的價值傳遞。
在上述數據處理過程中，數據團隊中有不同的崗位執行相應的工作。在數據采集和清理的過程中，主要是數據管理員，包括企業內部的數據抓取和微博、淘寶、第三方電信等外部的數據采集。數據很多，需要清理，去掉壹些無用的數據，留下有效的數據，這主要是數據管理員要做的事情。接下來，數據科學家選擇正確的算法，可以根據業務維度做出各種模型，得到壹個分析結果。然後，另壹個團隊是業務分析師。根據這些分析結果，轉換成業務人員能夠理解的語言和呈現方式，交給CDO與核心管理層和決策層進行溝通，幫助他們做出決策。作為整個技術平臺的提供者，也有技術團隊搭建具體平臺，可以自行開發基於Hadoop開源的大數據平臺，也可以購買第三方系統進行管理和維護，或者直接使用大數據的SaaS服務平臺，快速搭建大數據技術能力。
(四)技術平臺的選擇
過去企業在使用傳統數據進行復雜分析時，多采用數據倉庫和商業智能系統，即所謂的OLAP系統，對財務數據、用戶數據等傳統數據進行抓取、挖掘和分析，然後通過頁面展現出來。這是非實時分析系統。在互聯網+時代，分析第三方的社交數據和電商數據，比如微博和電商數據是非常困難的，因為傳統架構是基於結構化數據，而現在大量的數據是非結構化數據，傳統方式很難支撐。這樣我們在分析數據的時候就遇到了壹些困難，大數據就應運而生，而Hadoop就是其中壹個最重要的平臺。
Hadoop是壹個生態系統，包括壹些計算系統、數據存儲系統和數據分析系統。它是Apache組織在2004年正式推出的項目。Hadoop是壹個非常重要的革命性應用，因為它是免費發布的，所以很多人都有機會使用它。現在很多企業都是基於Hadoop開源平臺，然後內部技術人員做壹些優化就可以用了。
傳統數據和大數據的關系是發展和融合的關系。傳統數據依然可以為業務分析出有價值的信息，依然是用以前倉庫的方式分析，新數據用大數據的方式分析。最後將兩個系統進行整合，形成後端解決方案；現在還有壹個完全集成的解決方案，就是最近壹兩年新的大數據平臺。既可以兼容新的大數據，也可以兼容傳統數據，這種融合的應用會越來越多。市面上很多公司的商務套件和Hadoop開源解決方案有什麽區別？它們之間的主要區別在於，business suite在性能上進行了優化和升級，在安全性上也得到了增強。為相應行業增加了業務理解，幫助企業預置建模方法和工具，但問題是價格比較貴。所以各種方案的選擇都是基於企業的實際情況，包括預算和團隊能力。
(E)數據開放和* * *享受
對於數據的來源，企業通常不具備大數據分析所需的全部數據。2014年中國大數據市場84億元，預計2015年將達到166億元，增長40%。相信隨著大數據交易平臺的建設，增長會更多。中國信息通信研究院的研究報告顯示，97%的企業認為大數據“更重要”，這說明企業意識到了大數據的重要性，問題是如何落地。企業在處理大數據時，往往註重安全性和穩定性。這說明企業雖然已經意識到大數據的重要性，但仍然保守，安全顧慮影響了數據商業價值的挖掘。隨著安全技術的發展和商業價值的提升，企業將越來越多地應用大數據，獲取和交換數據。安全性和商業價值永遠是壹對需要衡量的關系。就像速度和成本壹樣，速度和質量是互補平衡的。兩方面很難同時追求，不同時期需要不同的策略。
企業對政府數據公開的需求強烈。市場上有很多瞄準政府數據的初創企業。比如有壹家公司叫法海風控，從法律層面分析企業的信用狀況。通過分析企業的相關法律文書，如企業在過去幾年中是否有相關的法律訴訟，勝訴或敗訴，包括關聯企業涉及的法律行為，從這些角度提供風險控制的判斷。這是壹個很好的應用案例，取決於政府數據公開的程度。政府有海量的數據，比如交通數據，社保數據。這些數據壹旦能夠公開，將會帶來大量的創業機會和更多的維度供企業考慮，所以企業希望政府能夠盡快公開數據。
(6)找好出發點，小步前進。
關於實現路徑，企業或多或少都有壹些數據和壹些系統。是該推倒重來了，還是有其他方法？數據可以在哪些方面實現顯著的性能提升？數據可以在哪些方面提升企業的運營效率？這些問題非常重要，必須從壹開始就提出來。每個重要的業務部門和職能部門都需要考慮這個問題，展開相關討論。企業高管在實施大數據戰略時，需要高度重視這壹步，但國內很多企業往往忽略了這壹方面。投資大數據往往不是以提高業績為導向，而是以學術為導向，這使得很多企業在實施大數據戰略後，看不到企業業績的提升，從而使大數據戰略流產。
(7)展望未來，永遠在路上。
大數據是萬能的嗎？它總是有效的嗎？大數據的使用有什麽限制嗎？正確認識這些問題，有助於企業更好地利用大數據，更客觀地對待大數據。
第壹，大數據不是萬能的，它的用途是有限的。大數據的運用，首先是在討論相關性的時候，在判斷和解決壹個具體問題的時候，大數據並不是最好的方法。
第二，大數據就算大，也不可能覆蓋所有數據。畢竟大數據有成本問題，準確率不會達到100%。雖然足以做預測，但並不絕對正確。
第三，不能過於相信數據，因為有時候數據會被解讀錯誤，要盡量去驗證。如果這明顯違背常識，就要驗證自己的分析方法是否正確。
另壹個問題是數據的安全性。數據這麽重要，能保護好嗎？數據使用過程中存在壹些問題和潛在風險。
最後寄語:大數據是文化和技術的結合，最終目的是產生商業價值。
首先，大數據技術是IT推動業務變革的機會。無論從IT部門的定位，IT在企業中的作用，還是從企業可以提升核心競爭力的角度來看，大數據都是非常重要的驅動力。
第二，應用大數據技術的前提是要有數據驅動決策的企業文化。如果用大數據形成報表，企業管理者根本不看就做決策是沒有意義的。企業只有建立數據驅動決策的文化，並真正執行，數據的價值才能充分實現。因此，使用大數據的壹個重要前提是企業擁有數據驅動決策的文化。
第三，數據本身只是壹些信息。大數據的價值不在於數據本身，而在於如何對數據進行分析和整理，最終生成分析和預測，傳達商業價值。這是使用大數據的目的和核心。