4） 数据与算法的匹配
5） 如何从错误中学习, 数据回流能否起持续优化作用
最后的一个，是这些回流的数据能够改善我们之前的认知。就之前日本料理餐馆的案例而言，消费者的选择就是他们最关键的决策依据，所以可以优先收集这类数据。
而大数据，则是基于企业数据化基础之上的数据整合、算法创新和产品化。比如，谷歌地图之所以能告诉你前面的路堵车，其实是有赖于每个使用谷歌地图的位置分享的实时整合。
所以我认为政府的推动，可以让小企业减少得到数据的门槛、增加业界的数据功用，这样就更有利于让小企业也享受到大数据的科技。
从产业链来看，小公司联盟，把数据统一，用数据来解决一些业内彼此都不能解决的问题。
中小企业不容易像大公司一样有庞大的数据团队。因此，中小企业在运用数据的时候，一定要有更稳妥的办法，注重使用数据效益，可以尝试从小专案着手，再逐步拓展。
另一个值得注意的是，经营的本质还是取决于创始人的方向与管理，大家不能本末倒置，一味期待透过数据就能解决企业所有的挑战。
数据为什么是割裂的？
最近我遇到一位制造电脑硬件的厂商。他说，内部生产都可以数据化，但发现与销售需求严重割裂，“这些数据似乎内外接不上。”
为什么会出现这样的状况？
我常用的一个比喻是，开餐馆定菜单的往往是餐厅老板，但是每天买菜的是最底层的采购员。所以很少有餐厅能常出名菜，因为厨师没法定菜单，也不能用到适合的好原料。
数据的创新是无时无刻的，算法的创新周期稍长，而产品的创新往往是“十年磨一剑”。也因此，在企业拥有决定权的人，往往是拥有产品决策权的人。如果仅仅站在单一角度去看，很难找到数据和业务的结合点。
根据我的观察，目前非常缺乏一种数据管理人才：他要对业务要有足够的理解，明白数据能为业务起什么作用，了解技术更新与价值产生的关系，懂得从数据收集到加工，到新数据与历史的整合，再到使用数据的便利性等等。
其中，对业务和商业的理解，绝对是成为数据主管所需要的基本条件，但若是想达到杰出的程度，肯定要懂得如何在人材匮乏的大数据行业中，吸引和保留住人才的眼光和能力了。
对于业务人员，也可以问问自己：现在拥有的数据能帮我解决问题吗？假定所有数据可以获取，我需要什么数据来解决问题？要怎么做才能更更容易获取需要的数据呢？
举例来说，我过去看到路上的交通状况时曾经想过，大城市里的计程车服务会不会有可能改善？
我那时想着，如果计程车上有个灯能显示过去客户对他的评价，那么司机为了保持住好评价，应该会提供更好的服务水准。这就是数据可能解决的一个简单例子。
下一步才是如何设计一个容易的方法，让顾客去评价。而现在的叫车软 件就是一个很好的实现案例。这是训练数据敏感度的好方法，也是过去十年我个人一直在用的方法——透过周遭事物训练数据敏感度，让数字“说话”。
最难点：在于你对自身的理解
大数据应用讲求跨界和创新，更准确地说，大数据的价值来自可以从多角度来看同一件事，全景观察可以减少误差及创造新的机会。但并不是要求大家能够认知到全部外面的世界，而是能让其他人的数据为你所用。
大数据实践中最困难的地方在于你对自身的理解，再加上，隔行如隔山，外部整合回来的数据可能很有价值但同时也有很多噪音，大家并不完全清楚数据的来源和定义。
如何去看清楚自己呢？根据过去的经验，我认为首先是从小处着手。
传统企业在初期不要贸然就开始一个非常大的大数据项目。
数据化比较适合从小而具体，容易评估效果作为起点的专案开始，以此锻炼自己收集、加工、使用数据来做决策，以及衡量这个数据价值的能力，即以小知大。从小的场景开始，用数据在商业场景中不断优化。