首先无论是做什么样的分析一定要以需求为导向，思考要得到什么样的结果，处理的范围是多少，切勿盲目分析。
其次，企业数据的价值最终体现在客户的消费上，因此，在做分析时，对于能直接产生价值的数据要和客户关系和交易数据进行结合和关联，从而做出直接导向效益的决策。
以搭建商业智能系统FineBI为例，先分析需求，了解项目背景，用于哪方面，所要达到的期望和分析需要的主题。然后就是设计概念模型，数据仓库建模，ETL，数据分析展示什么的。全按需求来，这点蛮好的
如何实现大数据真正价值
1. 数据融合
成功的大数据分析可以使用户应对工作中的困难，例如发现业务计划和工作中的缺陷和失误。它甚至可以将新的细分市场进行拆分，企业可以提供新的产品和服务。要想做到这些，就需要从各种资源得来的数据中抓住重点从而做出重要决策。
在数据分析中，时间至关重要。很多企业领导者和决策制定者需要实时的信息来快速做出决定。但是据估算，大约80%的时间都花在了准备和整理数据上。这样一来真正的分析工作只占20%。
因此高效的处理工作非常重要，例如数据分析的提取、转换和加载过程(ETL)。
一个好的ETL工具可以将从多个来源获取的数据融合在一起，也包括公共数据。它让用户的注意力集中到一个源头，获得相关性更高的信息，提高工作效率。同时可以确保用户的信息来源是唯一的，降低错误沟通的风险。
企业如何通过各种技术手段，并把数据转换为信息、知识，已经成了提高其核心竞争力的主要瓶颈。而ETL则是主要的一个技术手段。目前，ETL工具的典型代表有：Informatica、Datastage、OWB、微软DTS、Beeload、Kettle……
2. 沟通无障碍
就像之前说过的，大数据分析工具可以帮助企业解决商业难题。从业人员也许能很好的理解这些问题，但IT人员却不能完全理解，这样就不能提供和专业需求相匹配的分析报告。再加上沟通不顺畅，领导层就无法及时得到有用信息，也就无法快速做出决策。
如果技术人员能够使用这种自助服务分析工具，就能够找到问题所在并做出可以弥补漏洞的决定。此外，他们还可以将数据同其他开放信息结合在一起，挖掘细分市场。企业还可以共享IT资源来发掘更多的数据信息。
