“大數據時代已經到來”，每天我們好像都能聽到這句話，電商在說;移動互聯業在說;媒體公關在說;甚至金融業也在這么說。就像不久前國外很火的一個段子一樣“Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it. ”大數據對很多人來說都還是概念，但對于企業來說大數據的分析又是實實在在的需求。


　　如何切實部署一個良好的數據分析并確保終的結果能為公司業務服務，這是目前很多企業主在思考的問題。珍島營銷在幫助客戶進行數據分析的過程中，結合業務實踐經驗和技術理論，得出大數據分析在商務智能中的優質實踐方案：

　　1.團隊構建——構建高效的業務角色以應對處理相應的復雜度

　　積極應對復雜性是大數據分析項目成功的關鍵之一。為了終能夠得到正確的分析結果，所有相關的業務數據所有者都需要參與到流程當中來，以確保提前制定必要的業務角色。一旦業務角色制定完畢，技術人員就可以評估相應的復雜度，確定所需要做的工作。

　　2.目標制定——不要忘記終目標仍是大數據

　　在確定大數據分析實施計劃時，公司一定要重視規模因素。一定要考慮到變化——從現在開始的半年內，需要處理多少數據，需要增加多少服務器，是否由軟件來完成這些任務。很多時候人們并沒有考慮到數據增長的程度，以及觖決方案部署到生產環境后的流行程度。

　　3.角色轉化——以協同的方式將業務角色轉化為相關的分析

　　建立業務角色對于大數據分析應用來說是步，接下來是IT人員或者分析專家創建相應的算法。但這部分工作并不應該是獨立的，起初的查詢越準確，那么所需要的開發工作就越少。許多項目都需要持續反復的開發工作，究其原因還是因為項目執行人員和業務部門溝通出現了問題。因此，在項目開發的進程中，需要多方協同并及時溝通，以保障項目的順利進行。

　　4.需求分析——牢記用戶需求，不是部分用戶，而是所有用戶

　　隨著自助式BI工具的流行，在大數據分析項目中把終端用戶放到考慮范疇之內就顯得并不奇怪了。當然，能夠應對不同數據類型的IT架構非常重要，但是系統的可操作性和交互性同樣是我們需要考慮的問題。這需要我們把不同類型用戶的反饋考慮在內，從高管層到操作工，從分析師到統計員都需要能夠訪問到大數據分析應用，不管是用何種方式。

　　5.數據選擇——選你所需

　　大數據時代的核心關鍵詞是“海量數據”，龐大的數據集提供了分析的基礎，確保了分析維度的多樣性。但海量數據并不代表一個企業的所有數據，也不是相關數據源中的所有信息都需要進行分析。企業在進行數據選擇的時候需要考慮數據的戰略價值。在數據分析方案的規劃階段，就要將注意力集中在業務目標之上，這將有助于企業對分析進行精準的定位。

　　6.數據分析——分析大數據要從小開始

　　分析大數據集也一樣要從小機會開始，然后再使用它們作為起點。隨著公司不斷地擴大分析的數據源和信息類型，以及開始創建重要的分析模型，幫助他們發現結構化和非結構化數據的模式和相關性，特別需要注意那些對于預期業務目標而言重要的結果。

　　7.運營維護——確定一個維護計劃

　　在業務需求變化之上的日常查詢維護固然重要，但畢竟它只是整個分析項目管理的一部分。隨著數據集的不斷增長以及業務用戶對分析過程的不斷熟悉，他們對系統的要求也會相應地增加。分析團隊必須能夠及時地滿足額外的要求。

　　當然，在大數據分析的項目中還會出現其他未曾料想到的情況，但以上7點的基本思路非常值得企業的學習。