大数据应用与大数据分析人才培养方向
云计算公司Replicon联合创始人兼CEO Raj Narayanaswamy指出：“今天，每一个行业和企业都面临着将数据转化为明确的成果的艰巨任务。数据的指数级增长意味着，每一个组织都极其有必要去建立合适的体系结构来使得数据的利用达到最大化。获得成功的关键是建立一个全面的数据产业价值链，包括数据发掘、集成和评估，而不是按照传统的做法部署以应用程序为中心的模式。”
对于一个企业来说， 理解数据集成的重要性是创造新的价值的前提。假若对数据的理解仍然维持在单一和特定用途的层面，那么在数据开发过程中容易出现缺乏灵活性、信息不全面的情况，在利用数据开发未来机遇方面，组织或将会陷于被动的境地。而成功的例子的则要数亚马逊和Salesforce了，这两家公司借助策略性的数据管理方式而在短期内获得了规模式的增长。
数据应用的周期或许可以划分为七个步骤：发现、获取、加工、筛选、集成、分析和揭露。其中每一个步骤都至关重要，每一个有效用的策略也许都是建立在由上述七个步骤组成的数据体系之上的。云计算公司LiasonTechnologies的首席执行官Bob Renner对此作出了总结性分析“人们大部分的注意力（市场价值观）都放在了分析和结果量化的最后阶段——蕴藏着商务决策的阶段。这也确实是数据分析在历经万难之后最终的价值所在。但是，没有了前面的准备步骤，我们也不可能一步登天地就能在最后一步获得想要的结果。事实上，在开始使用分析算法来对数据进行解读之前，数据科学家都要花费大量的时间进行数据清理，以保证数据的质量。”
良好的数据科学离不开高质量的数据资料和管控数据质量的必要步骤，尤其是往往遭到忽视的数据集成。通常来说，有价值的大数据都是在这一个步骤里发现的。如果组织在一开始就以另一种心态（非如今固化的理念）来着手数据管理，他们就能够在控制成本和效用上掌握主动权。
那么，我们将如何可以从当前宣传大于实用的状况中获得突破呢？首先，如前文所述，充分理解大数据应用完整的操作周期，做到不忽视任何一个步骤的重要性，然后从传统的以应用为中心的传统思想中解放出来，建立灵活的、可持续利用的数据分析框架。“数据驱动的发现从根本上改变了我们工作和生活的方式，而那些掌握了大数据应用的人可以说是掌握了一项和同龄人竞争的优势。”（《大交易:市场回报最大化的简单策略》 彼得·范）那些在大数据技术迸发时期就获得了巨大利益价值的组织，他们不仅关注那些外界一直在炒作的功能，而且对想要实现的营收、利润以及其他业务成果都投入了认真的思考。
