和谈判规则。为了帮助企业能够摆脱这种“幻灭的低谷”，请参阅文章下面的“建议最佳实践方法”。
企业也逐渐的认识到目前他们使用的分析工具不够复杂和完善，无法及时为他们提供明智的决策、准确和具体的见解。企业需要能够快速回答一下问题的解决方案：发生了什么？为什么会这样？如果我们要做出这种改变，会发生什么？这些工具需要能够跟踪所做更改的财务和运营影响。这些类型的解决方案是什么？企业需要投资新软件并解决变更管理流程的问题。同时他们还需要对自己的员工进行投资，确保他们具备使用这些系统所需要的技能。
虽然在技术引入的初期会遇到很多阻碍和问题，但是企业对未来的道路需要一个更为现实的评估。他们最了解他们的数据质量、可访问性所面临的差距以及他们现有工具的局限性、但是大数据分析与人工智能方法相结合，是目前最适合的解决方式。只要通过适当级别的高管支持和投资，企业可以得到他们所需要的有效数据，从而更有效地做出更好的决策。但是在这之前，企业必须做认知阶段的准备。
建议的最佳做法
从大数据分析中获取最大价值的能力是一个旅程。您可以通过遵循经过验证的最佳实践来加速公司的进展，这些最佳实践可以解决相关人员，所使用的流程和数据以及所使用的技术。
人
? 在任何实施工作的早期阶段，让跨职能团队与销售，财务和市场营销的主要利益相关者参与进来。大数据分析可能揭示的解决方案或根本原因将影响多个领域，并不总是局限于供应链。同样，请务必与所涉及的其他功能分享任何成功。
? 将您的大数据分析工作与您公司的关键计划联系起来。使用这些工具来改进对您的业务至关重要的工具将有助于您在整个组织中建立动力并获得支持。
? 确保您拥有高级支持，并且理想情况下是您的大数据分析工作的项目支持者。如果您能够将其与财务业绩联系起来，那么获得这种支持将会更容易。
处理：
? 避免“一次性”单一设计工作。认识到大数据分析并不意味着是一个单一的项目。相反，您正在构建持续的组织能力。整合孤立的项目既昂贵又耗时。早期协调实施工作的成本将在未来取得成效。
? 有意识地关注特定分析工作的重点。清楚地传达大数据分析项目将寻求回答的问题以及关键利益相关者是谁。否则，您将面临范围蔓延的风险，项目范围扩大到无法管理且难以衡量的程度。
? 采用“爬行，走路，奔跑”的心态。首先从一个小型试点项目开始。尽早获得小规模，可实现的胜利将有助于为未来的大型项目创造动力。
? 衡量直接的财务影响。判断大数据分析项目成功与否的关键指标是它对底线的贡献程度。
数据：
? 就应使用哪些数据源获得跨职能组织共识。
? 确保使用最佳数据源，并确保数据本身特定且准确。这可能涉及在实施开始前几个月建立数据收集的标准操作程序。
? 拥有健全的数据治理和可重复的数据验证，以确保整个组织信任数据。
技术：
? 设计解决方案跨功能使用。最终，大型数据分析应该应用于整个组织，超越供应链。确保您使用的技术牢记这一最终目标。
? 应用敏捷开发方法。当您在更多领域实施大数据分析并解决更多问题时，您的方法将会发生变化。确保您的技术可以轻松适应任何变化。
? 确保该技术具有可扩展性。
相关推荐：
loading