在获取新的数据资产后，企业还需建立数据治理机制，对数据进行妥善清洗与存储，确保数据的可用性与一致性，并明确数据授权和更新制度。
关键成功因素2：明确数据资产如何“创造价值”。
在评估企业的数据资产后，需确定如何运用其对企业战略进行支撑与引领。具体而言，大数据可为企业带来五方面的价值：
优化企业内部运营流程：例如，某饮料公司运用复杂算法分析社交媒体大数据，识别对于重要议题具有影响力的品牌意见领袖，并对其进行针对性的引领，以提升营销效果；某连锁零售公司通过分析大量门店销售数据，寻找产品之间的未知联系，以提升捆绑销售。
优化现有产品与服务：例如，某娱乐公司运用电子公园通行证来采集游客在其主题公园中的活动数据信息，以此来优化游客在公园中的体验；某汽车安全信息系统服务商使用传感器来收集车辆驾驶数据，以改进其产品的设计、生产与维修流程。
开发新产品新服务：例如，某保险公司使用插入式设备来收集驾驶行为数据、通过分析司机的驾驶习惯对其保险提供相应折扣，以主动保留驾驶行为较安全的客户；某在线影片租赁提供商通过分析观影档案数据来针对性提升用户观影体验，并提供分析结果给影片投资方以优化影片制作内容。
建立新业务模式：例如，某医疗保险公司通过对病人信息数据的预测性分析，向易患病的人群提供预防性关怀服务，以提高服务此类客户的利润率；某理财服务公司免费赠送个人财务软件给用户，在用户使用时分析其消费数据，再向其精准推送相关广告。
获取生态系统控制力：例如，某企业级软件公司通过对渠道伙伴的运营数据开展智能化管理与分析，鉴别渠道商的资质与能力，并对业绩进行预测和预警；某电子商务公司数据产品团队基于其电商平台沉淀的大量交易数据，为平台上的卖家开发各类大数据产品，帮助它实现数据化运营和增收，提升电商生态系统对卖家的吸引力。
关键成功因素3：识别优先应用场景。
对于公司业务部门（营销、销售和服务等部门），大数据可以帮助其创造以上五种战略价值；对于公司职能部门（研发、供应链和人力资源等部门），大数据也可以帮助其优化内部运营流程。为识别公司业务与职能部门具体可能的大数据应用场景，可对标业界大数据应用实践、基于数据资产现状评估、剖析业务与职能流程中可能进一步采集的数据与应用方式，运用头脑风暴和内部研讨会列出所有可能的大数据应用。需注意的是，大数据应用场景必须契合业务与职能部门的现实需求，切忌闭门造车、脱离实际。
表：各领域常见大数据应用场景示例
在确定可能的大数据应用之后，可通过价值创造与业务成熟度两个维度对大数据应用进行评估和优先级排序，以按顺序推动相关大数据应用的落地实施。对于价值创造维度，可以用创造价值的多少（如提升运营效率、提升投资回报等）作为评估标准；对于业务成熟度维度，可以将所需数据资产的可获得性以及所需资源投入和大数据能力支撑（如资金、人才和跨部门合作等）等标准用于评估。
图2：大数据应用优先级评估与排序框架
关键成功因素4：数据→分析→洞察→决策支撑的产品化、常态化。
为将大数据高效应用于企业的日常运营，需要不断将数据分析能力转化为内部应用产品，并将数据分析工作常态化。对于数据分析产品化，可通过大数据应用战略规划、大数据应用场景设计、分析大数据以获取洞察这一过程的牵引，不断推动大数据应用产品的设计、开发与应用，最终实现数据分析产品的可持续运营。而对于分析工作常态化，需要持续维护数据分析产品并监测实际使用效果，为业务与职能部门提供数据分析支持，并对其日常使用中的问题及时进行解答。
以某家电公司为例，其借助于收集存储了上亿用户数据的大数据平台，建立了需求预测和用户活跃度等数据模型。以此为基础，该公司为营销及销售人员开发了具有精准营销功能的应用软件，可辅助其面向区域、社区和用户个体开展精准营销；此外，还为研发人员开发了具有用户交互功能的应用软件，可帮助研发人员更全面地了解用户痛点、受欢迎的产品特征、用户兴趣分布与可参与交互的活跃用户。这些大数据产品在日常应用中取得了巨大的成效，在系统运营的近一年里，该公司开展了数百场基于数据挖掘和需求预测的精准营销活动，转化的销售额达60亿元。