企業實施大數據的具體的建設路徑有兩個方面，壹方面是自下而上，另壹方面是自上而下。
自上而下
自上而下的路徑，首先是有序地在管理層建立數據的決策文化，在企業文化層面建設起數據的使用意識，然後建立對應的組織架構、對應的部門和團隊，確定需要招聘什麽樣的人進來、需要多少人、具體職責怎麽劃分，最後建立起對應的技術平臺。
自下而上
自下而上第壹是讓員工學習和掌握相關技術技能，可以通過內部培訓，也可以通過外部招聘。第二，要有規劃地設計，以後系統怎麽走、怎麽做， 要有壹個長期的規劃。第三，要有明確的績效考核的指標，數據的管理、質量的管控、效益怎麽保證。第四，在思維上要保持壹個開放的態度，互聯網時代大數據還在發展的初期，壹般認為大數據在企業的應用還處於幼兒園階段，這個時候還有很多東西要學習，必須保持壹個開放的心態，不斷地學習，才能真正把事情做好。
（壹）建立企業的數據文化
文化是企業看待事物的價值觀和執行行動的衡量標準。建立數據文化就是要在整個企業層面建立壹種以客觀的數據為決策依據和衡量標準的價值觀和制度體系，為企業能夠真正利用大數據產生價值提供基礎。沒有這個基礎，企業即使擁有再好的技術和資源，也無法利用好它們來為企業服務。
什麽叫企業數據文化？它包括六個方面的內容。
第壹，數據文化主要體現在數據驅動決策，決策主要通過數據來說話。
第二，企業運行效率的分析。壹方面，通過對數據進行深度分析，可以像望遠鏡壹樣了解企業各方面的運營情況，另壹方面，數據可以像顯微鏡壹樣去觀察企業運營的細節，找到以優化的地方。
第三，通過數據來分析營銷規劃的得失。通常企業做促銷活動，銷售量提升了就覺得是成功了，但是促銷是有成本的，銷量提升了，是不是真的就帶來效益了呢？
第四，在以人為本的時代，企業對員工的人身安全和健康的責任越發重大了。如果能通過客觀可衡量的數據，關註員工的工作環境和舒適性，對保障良好健康的工作環境、提升員工的滿意度將起到非常重要的作用。
第五，員工績效，必須要有壹個數量化的指標。
第六，價值鏈中的數據管理。在縱向供應鏈中通過數據的分享和交換，可以更好地讓供應鏈上下遊的企業了解整個供應鏈上的需求、庫存和供給，從而可以優化鏈條上的庫存，主動發起供給的準備，更快地應對市場的變化。在橫向生態鏈中，通過分享和交換數據，可以在全方位生活場景中對用戶進行分析，從而打造出滿足用戶更廣泛需求的壹站式服務，不僅可以挖掘出更多的商業機會，而且增強了用戶的粘性。
（二）建立企業的數據戰略
建立企業的數據戰略，需要建設三個方面的內容，如下圖
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地定義數據，對數據進行分類和確定數據交互之間的標準。將對企業業務管理的理解，轉化為數據的要求，從而理解到底什麽樣的數據需要管理。不同的系統產生不同的數據，各系統之間的數據和數據之間互相交互的內容是什麽。企業內部有不同的系統，ERP 系統、供應鏈系統、CRP 系統等，用戶信息放在哪，供應商信息、物聯網信息、財務信息分別放在哪，他們之間怎麽協調，怎麽溝通？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，包括選用什麽樣的技術平臺、采用什麽樣的數據技術，不同的系統如何使用這些不同技術，包括傳統的數據庫、數據倉庫、商業智能、新型的 Hadoop 等。基於業務架構的設計，來設計數據應用的架構，然後通過數據交互接口來交換數據，從而避免出現數據孤島，同時建立統壹的數據規劃，確保數據源的統壹和壹致性，為後期的數據分析提供支持。
數據管理
第三個方面是建立數據的治理體系。數據治理包括數據的管理制度和整體生命周期的管理。數據正在成為壹種資產，與此相對應的，資產需要體系化的管理。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、誰來保障數據的質量，等等。數據的高質量是進行數據分析的基礎，數據如果是錯誤的，怎麽分析都不會有正確的結果。同時，數據的合規和安全的管理也是核心環節，比如誰可以操作數據、誰負責數據的安全、備份和服務等，壹個嚴格的數據的合規和安全管控制度是必不可少的。
數據的生命周期管理，包括如何和何時建立數據、什麽時候可以修改、誰批準修改、數據如何消除等。國內的企業這方面做得比較欠缺，不只是數據，還包括設備、電腦等，電腦報廢了不能用了，就直接丟棄。在這方面，國外企業做得不錯，國外信息安全的企業， 通常會花錢請第三方公司來進行專業的數據銷毀的處理，甚至每臺電腦花費幾百塊錢來進行環保型銷毀。比如在壹些數據消除案例中，數據要用各種方 法來確保被徹底擦除，比如有些企業要求對數據進行格式化七遍，以避免可 能的數據恢復。
（三）建立企業的數據組織能力
建立數據的組織能力，包括設立合適的組織角色的定位、招聘到合適的人員、設立合適的組織結構以及設計合適的責權利，等等。
第壹，數據的組織能力，建議有條件的公司可以建立首席數據官（ChiefData Officer）崗位，這個崗位主要是設計整個數據的戰略，領導數據戰略的落地，以及通過數據和業務管理層進行溝通、對話，傳遞數據的價值。
第二，數據科學家的作用非常重要，數據科學家研究的是如何用最好、最科學的算法得出最好的結果。同樣壹堆數據在那兒，十個不同的人在看，十個人看的結果都不同。那麽為什麽科學家算得準呢？因為他的知識夠深入，他了解哪個因素最重要，那麽多因素裏面他應該選哪部分來分析。數據科學家目前是整個市場上最欠缺的人才，因為同時兼具數據算法專業知識和業務知識的人才是極其難得的。數據科學家可以分為三種類型，第壹種是技術型數據科學家，他們是計算算法方面的行家，對各種統計分析技術非常在行；第二種是應用數據科學家，他們對數據架構非常熟悉，熟悉數據在各個系統中的分布，能夠很好地把各種數據進行集成管理；第三種是業務數據科學家，這些人對行業知識和企業業務非常熟悉，同時兼具壹部分對數據處理技術的了解，能很好地把業務的需要和特征轉換成數據的處理要求，同時可以很好地將數據處理結果轉換成業務的視角和言語，來傳遞給業務管理者。
第三，對於壹定規模的企業，我們通常建議，企業要建立壹個集中式的數據管理運營中心。雲計算服務就是集中化管理方式，成本最低、靈活性最高、擴展性最強。
第四，整個數據組織的架構標準不是以技術、產品來交付，而是以商業價值交付為衡量標準。考量數據分析的產出能力，不是數據分析的速度有多快，也不是數據量有多大，而是數據分析的結果對業務到底有沒有幫助、是不是有指導意義。這也是所有數據分析的核心價值，也是對大數據中“大”的含義的最核心的衡量標準——“大”到產生業務價值。這個衡量標準對技術組織來說，執行起來有些困難，所以必須建立壹個明確的績效評估標準和價值評估標準，讓技術人員能夠更多地從業務角度來考慮所做的工作的價值，而不陷入技術優先論的境地。
第五，提升壹線人員的業務決策權和數據決策權，建立壹個扁平化管理的組織。通過系統化的培訓來不斷培養員工的數據分析能力。由專業數據分析人員和算法人員設計的數據分析解決方案或者產品，必須以簡單易用的方式提供給壹線員工，同時更為重要的是，加強相關的解決方案或者數據產品的系統化培訓，讓更多的員工意識到這些解決方案或者產品的價值，並樂於在日常工作中使用。我們建議數據建模 / 數據產品研發的費用和針對壹線員工的使用培訓的投入應該是對半分的。為了更好地推進培訓，企業還可以考慮成立興趣驅動的數據協會，讓更多的員工加入到該協會中，定期舉行培訓課程、研討沙龍以及聘請外部專家做相關分享以開拓視野。
建立了企業的數據組織能力後，企業使用數據的過程如下闡述。
首先搜集數據，從不同地方把數據找到，找到以後選擇算法。其次進行業務關聯的分析，確定哪些指標、哪些維度是有意義的，這就是數據科學幹的事。業務科學家和數據科學家可以分離，也可以整合，大部分企業是壹套人馬來做，展示成壹個業務的可以接受、可以理解的方法，如果單純是數據展示，可能管理層、業務部門看不懂，這就需要轉換成業務管理者可以理解的語言和信息。最後，提交給管理層或者是對應的部門作商業決策。這就 完成了壹個完整的價值交付。
在上述的數據處理過程中，數據團隊中有不同的崗位來執行對應的工作。在數據的采集和清理環節，主要是數據管理員，包括企業內部的數據抓取， 外部的微博、淘寶、第三方電信等的數據采集，數據很多，需要做清理，把壹些沒有用的數據處理掉，留下來有效的數據，這主要是數據管理員要做的事情。接下來是數據科學家，選擇正確的算法，同時可以根據業務的維度制作各種不同的模型，來得出壹個分析的結果。再接下來，還有壹個團隊是業務分析師，根據這些分析結果，將其轉換成業務人員可以理解的語言和展示方法，交給 CDO 和核心管理層、決策層做溝通，幫助他們作決策。作為整個技術平臺的提供者，還有壹個技術團隊做具體的平臺搭建，可以自行開發基於 Hadoop 開源的大數據平臺，或者購買第三方的系統做管理維護，也可以 直接使用大數據的 SaaS 服務平臺來快速建立大數據技術能力。
（四）選擇技術平臺
企業以往使用傳統數據進行復雜分析時，多使用數據倉庫和商務智能系統，也就是所謂的 OLAP 系統，對傳統數據比如財務數據、用戶數據進行抓取、挖掘和分析，然後通過頁面展示出來，這是非實時的分析系統。在互聯網+時代，要將第三方的社交數據和電商數據，比如微博、電商數據等放進來分析是很難的，因為傳統的架構是基於結構化的數據基礎上的，而現在更大量的數據是非結構化的數據，傳統方式很難支持。這樣我們分析數據就碰到壹些困難，大數據應運而生，Hadoop 是其中最重要的壹個平臺。
Hadoop 是壹個生態系統，它裏面包括了壹些計算的系統、數據存儲的系統、數據分析的系統，它是阿帕奇組織在 2004 年正式開展的壹個項目。Hadoop 是壹個非常重要的革命性的應用，因為它是免費發布，讓很多人都有機會使用，現在很多企業都是以 Hadoop 開源平臺為基礎，再由內部技術人員做壹些優化來使用。
傳統數據和大數據的關系是壹個發展和結合的關系。傳統數據還是可以分析出對業務有價值的信息，也還是用以前倉庫的方式分析，新型數據用大數據的方式分析，兩個系統最後進行整合，形成壹個後端的解決方案；現在也出現了壹種完全集成式的方案，這是最近壹兩年出現的新的大數據平臺，可以同時兼容新的大數據和傳統的數據，這種集成式的應用將會越來越多。市場上很多公司的商業套件和 Hadoop 開源的方案有什麽區別呢？它們的主要區別是商業套件在性能上做了優化、提 升，在安全上做了增強，它加入了針對對應行業的業務理解，幫助企業預置了建模的方法和工具，但問題是價格比較貴。所以，各種方案的選擇是基於企業的實際情況，包括預算和團隊能力等因素綜合考慮的。
（五）數據的開放和***享
對於數據的來源，企業內部通常不具有大數據分析所需要的所有數據。 2014 年，我國的大數據市場規模 84 個億，預計 2015 年達到 166 個億，增長40%。相信隨著大數據交易平臺的建設，增長還會更多。根據中國信息通訊研究院的研究報告，企業對大數據的認同度，認為“比較重要”的達到 97%，這說明企業對大數據的重要性是有認識的，問題是怎麽來落地。企業對待大數據往往關註的是安全性和穩定性。這說明雖然企業已經意識到大數據的重要性，但還是比較保守，對安全的顧慮影響了對數據商業價值的挖掘。隨著安全技術的發展以及對商業價值的認識的提高，企業應用大數據、獲取和交換數據將會越來越多。安全和商業價值永遠是壹對需要衡量的關系，它就像速度和成本、速度和質量壹樣是相輔相成、互相平衡的關系，要同時追求兩方面是有困難的，不同時期要有不同的策略。
企業對政府公開數據的需求非常強烈。市場上有很多針對政府數據的創業公司，例如壹家企業叫法海風控，他是從法律層面分析企業的信用狀態，通過分析企業相關的法律文書，比如這家企業過去數年有沒有相關的法律官司、勝訴還是敗訴，也包括相關聯企業涉及到的法律行為，從這些角度提供風控的判斷，這是壹個很好的應用案例，這取決於政府的數據公開程度。政府擁有海量的數據，如交通數據、社保數據等，壹旦這些數據能夠公開，將會帶來大量的創業機會，也會給企業帶來更多考慮問題的維度，所以企業都希望政府能夠盡快地公開數據。
（六）找好切入點，小步快走
關於實施路徑，企業或多或少已經有壹些數據、有壹些系統，這個時候是推倒重來，還是有壹些別的方法？數據能夠在哪些領域實現業績的大幅提高？數據能在哪些領域實現企業運營效率的提升？這些問題很重要，壹開始就必須提出來。每個重要業務部門和職能部門都需要考慮這個問題，並展開相關的研討。企業高管實施大數據戰略的時候，需要高度重視這壹步，但在國內很多企業往往忽略這壹方面，投入大數據往往不是以提升業績為導向，而是以學術為導向，使得很多企業實施大數據戰略後，看不到數據對企業績效的提升，從而使得大數據戰略流產。
（七）放眼未來，永遠在路上
大數據是不是萬能的？是不是永遠有效的？大數據的使用有限制嗎？正確地認識這些問題，有助於企業更好地利用大數據，更客觀地看待大數據。
第壹，大數據不是萬能的，大數據的使用是有限制的。大數據的使用，首先是在討論相關性的時候，而在判斷、解決壹個具體問題的時候，大數據不是最好的方法。
第二，大數據即使大，也不能囊括所有的數據，大數據終究有成本的問題，準確性還不會達到百分之百。雖然它足夠可以做預測，但是不是絕對正確的東西。
第三，我們不能過於相信數據，因為有時候數據會解讀得不對，所以還要嘗試做壹個驗證，如果這明顯和常識相反，妳要驗證壹下妳的分析方法否正確。
還有壹個問題是數據的安全，數據這麽重要，能不能保護好數據，數據使用過程中有壹些問題和潛在的風險。
最後的寄語：大數據是文化和技術的結合，最終的目的是產生業務價值。
第壹，大數據技術是 IT 驅動業務變革的壹個機會，不管從IT 部門本身的定位、IT 對企業產生的作用來說，還是企業能夠增強核心競爭力的角度來說，大數據都是壹個非常重要的推動力。
第二，應用大數據技術的前提是要有壹個數據驅動決策的企業文化，如果用大數據形成了壹個報表，企業管理者作決策時根本不看，這就沒有意義了。只有當企業建立了數據驅動決策的文化，並真實地執行後，數據的價值才能夠充分實現。所以大數據使用的重要前提是企業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，而在於如何通過數據做分析整理，最後產生分析和預測，傳遞業務價值，這才是使用大數據的目的和核心。