图1：技术推动业务模式，但业务战略确定优先事项

每个企业都有自己的核心业务和相关部门，要想靠数据驱动业务，而且从数据隐藏的潜力中发现新的服务和颠覆性商业模式，和 IT 部门合作是题中应有之意。当然，面对新的数据企业发展战略，IT 部分也需要思考如何协助业务部门，总体而言，应该遵循这样的原则：由技术推动业务模式，由业务战略确定技术优先事项。引申开来，要想实现数据驱动型企业，可以按照下面的五步走。

如果想要增强数据分析能力，企业必须提供技术、能力和文化层面的支持。此时，了解自身数据分析能力所处的阶段就特别重要。下图是个很好的辅助工具，其中列出了数据分析能力成熟度的五个类别，也就是五个阶段，从被动的描述性分析一直到机器驱动的认知性分析，同时，也为企业发展自己的数据分析能力给出了完整的路线图。
 

图2：分析成熟度的各个阶段

不管是什么业务模式或者应用，主导工作优先级顺序的，必须是业务部门，他们还要负责确定哪些市场机会需要优先把握，在这个阶段，IT部门负责协助。

业务优先级排定之后，就要根据路线图确定未来的数据战略。同时，业务部门必须认识到和接受这样一个重要的转变：将数据作为业务实践的前端和中心。

有些企业制定了数字优先战略并获得成功，有些则不然，二者对比，前者的优势在于：敢于推倒“部门墙”——前者经常让业务部门和 IT 部门探讨数据分析事宜，打破部门之间各自为战的局面，消除对彼此的误解。

有了业务部门指明的方向，确定了目标，又搞清楚了当前的状态，到了这个阶段，IT部门就开始唱主角了。

IT 部门要规划转型所需的基础设施。利用高度优化的基础设施，对数据中心的每个关键领域（计算、存储、网络和安全）进行现代化改造，是确保长期数据分析成功的基础。

同时，基础设施也是整个数据分析解决方案堆栈的基础，整个堆栈架构如下图所示：
 

图3：数据分析解决方案堆栈

在定义出前瞻性分布式数据架构的同时，您还考虑需要哪些流程和关系可以充分利用数据驱动型环境。此步骤的另一个目标是：确保 IT 部门与企业团队保持一致，专注于分析和思考如何实现业 务目标。

此时，还需要保证基础设施的灵活性和高性能。使用诸如英特尔® 傲腾™ 这样的固态硬盘存储，可以加快时间敏感型数据分析应用的数据处理速度。同时，为了保证数据在数据湖或数据仓库与计算基础设施之间快速移动，英特尔的 Omni-Path 这样的架构也很有帮助。
 

在准备基础设施的同时，企业可以考虑对一些概念和想法进行验证（Proof of Concept，简称 PoC）。这么做，不但只是测试模型和想法，更是在鼓励创新和实验，同时确保服务不会中断，减少风险。

概念验证应该放在第一位，甚至作为可扩展架构的核心。因为通过概念验证，IT 部门和业务部门能够培养技能、积累经验，而且有利于整个企业了解为实施数据分析计划所需采取的企业转变。提升这些方面的能力是提取数据价值和推 动业务转型的关键。
 

有了一些实际经验，又搭建好基础设施之后，企业就可以推动创建企业实现长期目标所需的数据平台。例如，利用英特尔® 至强® 可扩展处理器的最新数据分析功能，加以扩展基础设施，从而让更多业务得益于数据分析。

当然，每个企业都有自己所属的行业，有自己一直以来在使用的系统，因此，每个企业都有自己特定的解决方案。英特尔一方面可以提供有关构建、扩展和论证数据分析基础设施的建议，同时，英特尔有自己的战略解决方案合作伙伴生态系统，比如大数据方面的 Cloudera、数据分析方面的 SAS、企业数据实时事务处理方面的 SAP等等，英特尔可以与合作伙伴一起，针对企业的解决方案加以优化，提供互操作性和性能。