健康的大数据环境始于数据基础设施, 但客户习惯的数据收集必须有积极的数据使用，才能够轻松地捕获更多的基本数据来吸引更多更有趣的数据。不可避免的是如何区分各种格式的数据,包括结构化、非结构化和半结构化数据。如何才能从大数据里发现商业价值？
正确地使用工具是至关重要的
比如银行和金融机构。大多数这些机构要用数据来更好地服务和了解他们的客户。在对500家银行的调查中, 57%的受访的首席技术官回应说,使用信息技术作为业务洞察力是他们银行的三大重要趋势之一。为此,银行和金融机构可以从分析大量的移动数据来寻找结果：网络,电子邮件,自动取款机,社交媒体或更多。如果没有分析结构化和非结构化数据的能力, 就很难找到不同数据集之间的相关性——这样的化数据不是非常有用。
需要定向分析与商务智能过程的方法
企业必须能够明确数据不同的结构，例如来进行分析聚集在酒吧的各种各样的用户: 他们是否是数据科学家、工程师或业务数据分析师，必须要有目的的分类数据的结构才能得到有效的数据，这其实是统计学的内容。客户交互产品的原始记录也很重要, 例如,可以用许多不同的方式把数据转化为企业不同的目的信息。产品设计师可能需要具体详细的产品使用方面:比如分析每个用户按下按钮之间的间隔, 并显示相应的结果。这些指标将可能会支持提取到客户数据，如分析产品性能记录和客户满意度之间的相关性。相比之下, 产品客户营销者可能更感兴趣的是客户购买意向的粗粒度, 比如一天的什么时候客户倾向于使用产品，这些信息就可以连接客户人口统计后做出更有针对性的广告。 这个目的的多样性意味着从原始数据到业务价值不是一个机械过程。它需要让人们理解各种数据, 和操作这些数据的目的导向驱动特定的分析或BI（Business Intelligence商务智能）过程的方法。
让数据更有效
数据集的规模必须考虑转换的能力来选择合适的引擎科技——是否可以符合公司开展数据的大小和适合类型的工作的要求。你正在做的是一个有效的数据，这就要求从数据不同的结构和关键的价值出发。而且想要充分利用不断收集的数据和格式，意味着需要建立不同的功能：数据管理、分析工具, 最重要的是负责产生价值的技术的人的统计和市场思维。也就是说大数据技术要从两个层面来看：一是数据技术，二是统计思维。如何把收集的数据变成有价值的市场信息也是关键之一。
编辑：apple.lei
