在全球范圍內，很多企業都專注于利用大數據的力量。這一過程的第一步通常是理解大數據與更傳統的數據環境之間的區別。調研機構Gartner公司在2012年將大數據描述為三個V：數量(Volume)、速度(Velocity)和多樣性(Variety)。數量即捕獲數據的規模，是描述大數據平臺的關鍵組成部分。根據IBM公司最近的一項研究，現在世界上每天產生超過2.5萬億GB的數據，為大數據平臺提供了潛在的海量數據。由于移動電話、傳感器和其他連接設備的快速擴展，產生了源源不斷的數據流。速度即捕獲數據的頻率將會繼續增加。大數據將我們從一個結構化交易數據的世界帶入了一個捕獲各種數據的世界，從社交媒體內容到可穿戴設備的健康數據。

一旦企業高管理解了大數據與傳統數據環境之間的差異，下一步往往是選擇物理平臺。在20世紀90年代中期，數據倉庫的出現引起了類似的反響。當企業認識到需要有一個獨特的信息分析平臺來防止對交易環境的影響時，焦點立即轉移到技術選擇過程上。在采用大數據的這一點上，就像數據倉庫的情況一樣，重要的是要避免成為犧牲品。那些在選擇和構建大數據平臺方面行動太快的組織可能采用了這樣一個策略，“建立它，他們就會來”。與過去失敗的數據倉庫項目類似，在沒有首先確定具體業務價值的情況下構建大數據平臺可能會使企業成為另一個受害者。

最初的三個V是定義大數據概念的好方法;然而，在這里考慮在企業中實施大數據的另外三個極其重要的V——價值(value)、有效性(Validity)和活力(Vitality)。為了防止大數據平臺建成后不使用的情況，必須提前了解業務價值，解決方案的有效性必須健全，以供業務采用，最后，企業必須有生命力來執行實施過程。更徹底地檢查每一個領域。

在關鍵業務領域的適當支持下，企業創建一個大數據平臺，為每個客戶提取、分析和生成定制策略，有可能帶來巨大的價值。

最近也有一些關于大數據的演講，其中一些公司的主要賣點是，“我們的大數據解決方案非常棒，因為用戶可以將所有數據加載到低成本的商品服務器上，磁盤存儲幾乎不需要任何成本，源數據存在的任何格式都可以，并且以后可以弄清楚如何使用它”。不要讓這種方法的吸引力導致企業成為下一個犧牲品。在大數據之旅中，一個關鍵的成功因素始于一個清晰的愿景，即它將如何提供商業價值。例如，如今可以從車輛上的數千個傳感器捕獲流數據，從制動水平到轉彎時的行駛速度。如果使用得當，這些數據可以讓保險公司根據客戶的駕駛行為調整保單價格。在關鍵業務領域的適當支持下，創建一個大數據平臺，為每個客戶提取、分析和生成自定義策略，有可能帶來巨大的價值。

建議的下一個重點領域是解決方案的有效性。從技術上來說，一個適當配置的大數據平臺可以輕松處理來自幾乎無限數量的車輛的流傳感器數據。因此，可以創建解決方案，并且它有可能推動重要的業務價值，但是它有效嗎?在這個示例中的保險公司開始實現這種類型的解決方案之前，必須探索一些領域。在保險公司經營的州內，根據個人或團體的駕駛模式來定價汽車保險是否合法?負責定價的業務部門是否有能力設定和管理這個水平和速度的價格?隨著消費者對隱私的日益關注，消費者是否會同意這種程度的監控，以換取更有針對性的定價?一旦初始解決方案可操作，有效性可能變得更加有趣和重要。通過捕獲大量客戶的驅動模式，可以確定其他潛在的業務價值領域。例如，保險公司將位置和行為數據見解出售給其他公司用于基于位置的營銷是否有效?企業必須解決諸如此類的問題，這些問題超出了大數據解決方案的技術可行性。

最后，企業必須確定它是否具有實現解決方案的活力。在企業內實施第一個大數據解決方案將是困難的。成功將取決于選擇強有力的合作伙伴，對現有資源進行交叉培訓，并可能增加新資源。目前，熟練的大數據資源的可用性是一個挑戰。

大數據領域的軟件和應用的成熟度正在快速提高，但與標準的數據和應用開發解決方案相比，仍有很大的差距。大數據解決方案在某些方面類似于電動汽車。電動汽車具有巨大的能源效率、非常高的扭矩和快速的加速，但仍然存在充電站有限、電池成本高、行駛距離問題等痛點。Hadoop等大數據平臺已經顯示出支持海量數據的能力，其結構化和非結構化模塊可以處理大量數據。然而，就像電動汽車一樣，這個平臺正在經歷一些痛點，比如有限的可用資源、新興的開發工具，以及對與現有環境集成的擔憂。

當企業開始其大數據之旅時，利用數量、速度和多樣性來更好地理解潛力，但不要忘記價值、有效性和活力，因為它們關系到成功的執行。