组织在将商业智能(BI)和数据分析业务迁移到云端时，需要将现有分析流程、软件评估、数据保护和成本控制纳入一个深思熟虑的行动计划中。这是因为必须考虑许多问题：检查现有的分析流程、选择正确的云计算工具、保护信息、确保数据质量，而最重要的是设立精心设

全球每天的互联网搜索、点击、分享、喜欢和刷卡都会产生大约2 5艾字节的数据。这仅仅是由于物联网推动的。IDC公司预测，到2025年数据量将增长10倍。还有一点值得考虑的是人工智能等技术将如何演变以及它将如何与所有这些新信息相结合。

IBM预计，到2020年，对数据科学家的需求将激增28%——而这一数字可能还是保守的。为了解决人才短缺问题，公司正在构建能够为公司带来巨大成功的软件，以便有效地从普通的公司员工中创建“公民”数据科学家。

富士施乐(中国)有限公司希望打造数字化的供应链管理，以更精准的需求预测驱动供应、采购、备货、分配体系，强化供应链的协同性，从而更有效地掌握客户订单类型，应对零部件和耗材需求，提升供应链管理效率。

如果把数据看成是一种新的石油，那么知道如何将其提炼成可操作的情报则是释放其潜力的关键。为此，首席信息官们正在利用预测分析、精心设计的机器学习算法和久经考验的分析解决方案来追求提升业务效率和服务客户的新方法。

在大数据行业围绕数据湖的争议往往集中在他们认为的缺点上。数据湖非常没有结构化、太宽泛和太难管理。无论如何，数据湖具备了使其有独特价值的关键特征，尽管这些特征相对较新，但对初创公司尤其有用。

美国本田汽车公司采用SAS® 改进保修并预测使用的零部件和服务。

实施新流程之前，您应了解数据管理的不同组成部分，这一点很重要。

在硬件和软件层面，每个元素必须设计为以不同方式接收数据。随着实时和批处理模式分析的普及，提供服务级别协议(SLA)的需求推动了硬件设计和软件开发的新要求。但是，只是升级硬件和 或软件可能不足以实现企业可用的所有数据的全部价值。

通用汽车公司已经建立了一个预测分析平台，该平台能够帮助其洞察到一些核心业务的战略，包括预测市场对自动驾驶汽车的需求。Maxis--最大化洞察力的简写 - 代表着其在数据处理技术上数百万美元的投资，与公司的IT战略改革不谋而合。