如果完全自建团队，团队建设周期需要考虑；如果是合外部服务商一起合作，那么服务商的选择就极其重要了，在大数据初级阶段，大数据企业良莠不济。
传统行业如何落地大数据
前面说到大数据应用的主战场是传统行业，面对这么多的挑战，如何让大数据落地，核心是三个问题：未来走到哪里，从哪里开始，演进步骤是啥。
我们先看未来走到哪里。大数据的发展最终是智慧化，所以未来应该是以服务的方式嵌入到具体的业务中去。所以未来企业都应该有一个大数据服务平台，这个大数据服务平台通过实时的计算处理，实时响应各业务系统所需要的数据服务。大数据服务平台需要的数据、算法模型又从哪里来呢？答案就是大数据分析平台，分析平台包括数据准备、存储管理、计算处理、分析挖掘、人机交互等内容。也就是从未来的企业大数据平台包括大数据分析平台和服务平台。分析平台着重是离线数据的加工处理、算法模型的研发以及实现挖掘结果的交互；而服务平台着重在在线数据服务，直接为各业务环节提供在线的数据服务。如下图所示：
企业级大数据应用逻辑架构参考图
要实现这样的大数据架构，难度、复杂度都非常高，所以需要分步实现。有观点说先把大数据分析平台建起来，按照数据准备、存储管理、计算处理、分析挖掘、人机交互一层一层地建，然后建设数据服务平台。这种方式从技术的角度看是非常完美的，但实际操作难度大，而且容易出现平台使用率偏低的问题。原因主要有两个：一个是信心，一个数据。先说信心，这种方案前期大量的基础建设，在人、财、物上大最的投入，却看不到应用效果，同时在看不到效果的情况下要求业务部门进行大量的配合工作，都会让大家信心、动力不足。数据，这各路方案比较重视基础能力建设，但是现在是不是数据能够接入进来，取决于两个面，一企业内部数据化是不是达到一定的基础，二外部数据是不是已准备好了。我们认大数据落地应该是融入到业务场景里面去的，通过对一些企业大数据应用的调研，我们发现大数据应用可以分为这感知、探索、起步、发展、融合这五个发展阶段。如下图所示：
大数据应用5个演进阶段示意图
感知阶段，通过引入一些外部咨询、数据服务让整个组织感知大数据对业务发展的作用，通过培训提升组织对大数据的认识。然后在内部实现一些简单的报表实际应用到业务中去。
探索阶段，建设轻量级数据分析平台，实现核心业务数据分析，从而推动组织内部的数据化。开始数据应用、团队建设等方面的探索，可以引入外部团队进行数据战略的规划。
起步阶段，拓宽数据分析应用范围，在织织数据化发展到一起基础的前提下，建设数据治理体系，着手建设企业级大数据分析平台。
发展阶段，推动组织内部全面数据化，建设面向业务用户的大数据分析平台。如果说起步阶段更多是IT部门的参与，为业务部门所需要的数据服务还更多需要IT部门的配合；发展阶段业务部门将有更多的自主能力，IT部门更多进行后台支持，进行数据质量、平台的维护。
融合阶段，是大数据应用最终目标，通过数据服务平台的建设，将数据服务融合到业务各个环节，实现用数据驱动业务。
最后给大家几点建议：?
第一，制定数据战略。这个战略不仅仅是口号，应面巾是有相应的机制、制度出来。?
第二，建立数据化计划。首先得有数据，要把企业实现数据化之后才能更好的做数据的分析，而且在这个过程当中很重要的一点是要保证数据的质量。?
第三，建立数据平台。重点考虑，这个数据放到这之后能够找得到，还有就是被读得懂；重客户参与，让业务人员参与进来。?
第四，量体裁衣建立数据团队。?
第五，定制好外部数据服务战略。?
第六，活数据，动态模型。只有动态更新的数据才是最有价值的数据。模型上也要下功夫，数据是材料，平台是机床，而算法模型则是生产方法和工艺，是竞争的核心。