大数据包括结构化与非结构化数据，来源涵盖ERP、CRM等传统系统及网页、APP、视频等数字渠道。Oracle、IBM、微软等厂商热推并行计算、云计算、Hadoop等技术，但光谈技术解决不了中国非500强企业面临的竞争与混乱。这些企业更关注如何集合传统与数字数据产生洞察，偏向先建扎实的数据分析基础。
Countly在客户合作中总结了六条规则，帮助缩短学习曲线：
-
先建数据灯塔，再考虑大数据。 别花24个月搭建海量环境后才发现方向错误。快速采集数据、建非完善数仓、做分析，关注三大趋势：发现未知走势、摸索异常记录、理解相关性。覆盖率可不完善，但要考虑扩展性与灵活性。
-
建立大数据思考。 采用框架式数字营销计量模型，确保项目针对最重要业务。与高层达成一页纸的明确业务目标共识。
-
大数据思考比技术更重要。 使用免费分析平台时，数据将成为厂家的产品。自部署或私有化部署渐成主流，以保障数据安全与灵活融合。评估成本、二次开发、扩展性、数据所有权和性能，可考虑开放平台。
-
追求正确时刻的数据，而非实时数据。 先了解公司如何组织数据，再把数字数据融入现有流程。若实时数据不创造业务价值，何必投入？若需人工处理，就不需要实时数据；若有智能自动化系统，才可考虑实时"原材料"。
-
数据质量差，但仍要做决定。 目标应是尽可能采集、处理和存储。数字数据能建立最完善的用户画面，市场不会等你优化完。先凭数据做小决定，随经验积累再做更多增值决定。
-
消除噪音比找到信号更有价值。 掌握正确信号的前提是清晰的研究问题、较小数据规模、更完整数据集。建立数据灯塔、面对大数据时代，必须知道如何消除海量噪音，才能开始寻找信号。