企业如何转型到以数据为中心？需要从哪里开始以及使用什么技术？这些是目前企业遇到的共同问题。这些问题很有挑战性，但值得思考。
挑战来自于数据所带来的多重影响，让企业感到“惊心动魄”，因为数据洪流让企业很难在高速变换的环境中迅速且准确地做出决策——然而同时做好所有事情是不可能的，决策者安排好优先级。
让我们来看看企业现在都在面对什么？
不断演进的技术格局。数字技术蓬勃发展，无论是IT基础设施还是到终端设备的创新都会引发出新的技术架构和商业模式。企业不仅要适应数据时代的高速运转，还要从中敏锐地发现和抓住机会。
数据源的爆炸。在大数据时代，数据的来源无论是深度还是广度都大幅增加，比如说，服装业企业，分析成交单数、客单价，成交单数是进店人数乘以成交率，进店人数又是路过人数乘以进店率，那么路过人数、进店人数就属于数据广度，而详细到每个订单的时间、地点、价格、款式等等就属于数据源的深度。把所有数据全部收集起来并提升数据源的深度与广度才可以提升数据分析的维度，让数据发挥更大价值。
数据分析的价值日益增高。我们现在经常发现，有很多企业在竞争的过程中，最终不是被同行业竞争对手打败，而是被很多跨行业的公司所打败。很简单的一个例子，大家都认为亚马逊是做电商的，但这是错的,它现在最主要的收入来自于云服务。也就是说企业需要找到自己的核心数据并充分发挥其价值，这个是最关键的。
那么在大数据时代，企业又该如何做出决策？
我们不妨用维恩图做一个数据驱动型商业模式图，这些集合分别是“企业有可能做什么”、“在实际中可以做什么”以及“希望实现什么”，这些元素是企业决策者在做决定时所需要考虑的，然而没有任何企业可以满足所有利益相关者的所有需求，这意味着需要根据这个维恩图中间的交集设定优先任务。确定在哪里做什么，需要业务和技术团队的合作——我们已经看到不同利益相关者群体之间进行讨论，利用这个模型在这个领域取得决策成功。
数据驱动型商业模式维恩图
当决策者由此梳理出优先任务时，接下来可以用POC即概念验证来推动这个任务。
概念验证（Proof of concept，简称POC）是对某些想法的一个不完整的实现，以证明其可行性，示范其原理，其目的是为了验证一些概念或理论。
比如说在汽车行业，对于一个汽车企业来说数据源是十分广泛的。细分到客户服务这样的数据，车企一般都会与经销商一起管理和解读。随着汽车行业的数字化进程，车企从关注客户数据到后来也开始关注共享汽车甚至自动驾驶等商业模式。随着数据分析方式的智能化。主动的数据采集被实时感知仪器所取代，这些数据渐渐的需要与机器学习和人工智能等高级功能一起收集，自动执行简单的决策（例如低风险授权），执行更大的任务。
在很多情况下，企业决策者是不可能一开始就知道数据如何演变，采集数据的方式又会有何进步。在以上对数据进行认知的过程中，车企是希望拥有更多有价值的数据，对数据进行分析来开展业务。实际中车企可以提早引入数据分析，加强数据管理，并在实践中不断进行验证。
这种概念验证是很有必要的，它帮你了解业务运转是否在正确的轨道上; 它与现代企业希望遵循的敏捷开发模式相适应; 它确保你不浪费时间在价值较小的想法上; 它帮助促进业务和技术团队之间的信任。
从英特尔的角度来讲，当客户希望投资基础设施，用于大数据分析和挖掘的时候，这是值得鼓励并且是值得的，因为客户的确能够从技术投资中获取价值。在今天复杂的市场环境中，正确的做法是，先证明投资的价值，再采取行动。
这就是我们为什么提倡在全力以赴实施具体分析战略之前进行概念验证演练（Proof of concept，简称POC）。概念验证不仅仅是测试想法，还把利益相关者更紧密地团结起来并产生信任。
是的，决定分析战略就像走钢丝并且有很多可能的路线。提前确定优先任务，并通过概念验证进行测试，企业决策和数据分析战略做好最充分的准备。
