何謂應用導向的價值觀？即充分意識到，企業大數據分析體係應圍繞企業價值為核心，以應用為導向，形成業務對應於數據的切實可行的運轉機製。
企業的所有活動以實現企業價值為核心，大數據活動亦不能例外。牢記在心的，應是如何利用大數據幫助企業創造價值，而不是模糊遠景感召下的無謂投入。在此基礎上還應明確，企業對數據的利用應以實際應用為導向，其最終目的是將數據分析轉化為生產力。換句話說，企業應從實際待解決的業務問題出發，對應到數據予以解答，並最終落實回應用場景。要使大數據成為一種產出的科學，不是“啤酒+尿不濕”偶爾的靈光一閃，也不是偏頗的調研數據主觀總結，則要形成穩定的運轉機製，建立可以複製的大數據方法框架，以及配套的組織、流程、技術的支撐體係，以容納不斷推陳出新的應用主題的處理。
正確認識對大數據的應用問題之後，則需著手培養數據能力。融入大數據的生態體係是企業利用大數據的必由之路，在數據生態體係之下進一步提升數據多元化能力、數據結構化能力以及數據個性化能力。
在當前並未充分形成市場流動的數據條件下，絕大多數企業必須通過積極參與和融入數據生態體係來利用大數據。在生態體係中，外部數據源、業務指導和技術專家是企業需要重點聯合的對象。企業首先需充分集成自有數據（如消費者購買信息、登記信息、會員卡信息、登陸信息等等），並在數據生態的基礎上，按業務需要明確所需外部數據源，通過交易、項目合作、數據交換、開放賬號等方式豐富自身數據體係，形成數據鏈條。
而且事實上，80%以上的數據都是非結構化數據，例如客戶在社交網絡上對企業產品服務的評價互動、聊天記錄、評論、圖片、語音等。這些複雜多樣、散布各處、沒有規律的數據中往往蘊含大量有價值的信息，企業可從中窺見客戶對產品、品牌的印象，客戶自身的喜好特點等等內容。通過機器學習技術（Machine Learning）實現文本、圖像和語音信息的結構化，並抓取、挖掘、整理出這些數據中反映出的有效信息，是企業為數據洞察提供輸入的重要能力之一。
大數據最終轉化為生產力，還需落實到具體的業務場景之中，形成企業自己的基於大數據的業務應用庫和分析模型庫，以真正找到數據助力點。企業戰略的實現寓於各種業務與生產活動之中，大數據的應用亦應著力於此。以我們的項目經驗來看，建立業務應用庫，須掃描企業的生產及經營過程，識別大數據適用的業務場景，使用標準格式進行業務用例的統一記錄。其內容包括場景描述、大數據的解決思路、數據來源、麵向的用戶、獲益方式以及應用後效果評估方式。
在大數據適用的業務活動得到梳理後，進一步的工作即是分析模型的建立。業務應用庫與分析模型庫是多對多的關係，即一個業務用例可能對應於多個分析模型，例如客戶再購場景會用到客戶消費頻率模型以及客戶消費水平模型等等；一個分析模型也可應用於多個業務場景，例如客戶信用模型可用於信貸場景亦可用於賒買場景。分析模型庫的精進和完整，代表著企業釋放大數據潛能的程度。
隨著互聯網應用的高速增長、移動互聯網的普及、物聯網的興起，數據的數量、多樣性和生成速度都將呈現爆發式增長。數據資產這座金礦的潛在價值更加凸顯，如何在數據的礦山中挖掘出商業價值的真金將變得越發複雜也越發重要。未來，誰能善加利用數據，誰擁有更高的“數商”，誰就能在日益激烈的市場競爭中脫穎而出。
（作者單位為羅蘭貝格管理谘詢公司）