第一步，找到核心数据。核心数据现在对很多企业来说实际上就是CRM，自己的用户系统，这是最重要的。
第二步，常规渠道的数据。举例来说一个销售快销品的企业，能不能够得到沃尔玛的数据，家乐福的数据?很多国外大数据的案例，说消费者买啤酒的时候也会购买剃须刀之类，或者一个母婴产品的消费者她今天在买这个产品，预示着她后面必然会买另一个产品。这就有一个前期的挖掘。这些价值怎么来的，这就需要企业去找常规渠道里面的数据，跟自己的CRM结合起来，才能为自己下一步做市场营销、做推广、产品创新等建立基础。
第三步，外部的社会化的或者非结构化的数据，即现在所谓的社会化媒体数据。这方面信息的主要特征是非结构化，而且非常庞大。这对企业来说最大的价值是什么?当你的用户在社会化媒体上发言的时候，你有没有跟他建立联系?这里有个概念叫做DC(digital connection)。所谓的互联网实际就是一种DC，但是通常互联网上的那种DC是在娱乐层面。用到商业里面的话，就是企业必须得跟消费者建立这种DC关系，它的价值才能发挥出来。否则，你的数据以及很多的CRM数据都是死的。就像国外CRM之父Paul Greenberg写的四本CRM相关书籍，前面三本都是在讲数据库、系统之类的。第四本书的时候，就没有再讲那些东西，讲什么?讲互动，讲DC，讲怎么跟消费者建立关系。
有了这个数据库去进行数据挖掘，或者在建立数据的过程中，企业需要从什么方向去探索，也不是漫无目的的。首先应该跟着你的业务，业务现在有哪些问题，或者说这个行业里面主要的竞争点在哪里，这是很关键的。有了这个业务关系以后，再形成假设，也就是说未来的竞争点可能在哪里，大到未来的战略竞争，小到哪些方面。然后下一步要怎么做，这些形成一个假设，其次做一些小样本的测试。
很多企业一看大数据就很恐怖，说我也买不起那些大数据，也雇不起那么专业的团队，怎么办?
自己做一些小样本的测试，甚至通过电子表格Excel都可以做数据挖掘。不一定非要那么庞大、那么贵的数据。然后再做大样本的验证，验证出来的结果就可以应用到现实中去。在大数据尤其是互联网时代还有一个最重要的点，就是失效预警。即你发现一个规律，在现实中应用了，但是你一定要设立一些预警指标。就是当指标达到什么程度的时候，之前发现的规律失效，那你就必须发现新的、相关的，否则也会造成一种浪费。笔者看到一篇文章，其中有一个重要结论。大家都在说大数据的价值很有用的时候，很多企业说我积累了多少TB，多少PB，但是你基于老的数据得出的很多结论实际是在浪费你的资源。你挖掘出来很多数据、很多规律，如果错了，明天按这个去做，就是浪费。因此需要有一个失效预警。在这样的过程中，最终你需要对应建立起内部团队，他们对数据的敏感度也才能培养起来。这时候你再去买大数据服务的时候才是有价值的。
所有这些工作作为企业来说是需要内部去做的，最终才能开花结果，有一些收获。企业大数据起步，要从小数据开始。
9、大数据处理中数据质量监控从哪几个方面进行?
大数据处理中数据质量监控，从以下几个方面进行：
数据容量(Volume)：数据的大小决定所考虑的数据的价值的和潜在的信息;
数据种类(Variety)：数据类型的多样性; 数据速度(Velocity)：指获得数据的速度;
数据可变性(Variability)：妨碍了处理和有效地管理数据的过程;
数据真实性(Veracity)：数据的质量;
数据复杂性(Complexity)：数据量巨大，来源多渠道。 “大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
10、大数据是否存在泡沫呢?
这是必然的，任何一个影响极大的“概念”被炒作起来后，都会在一段时间内形成强大的原动力，使各行各业的人们为之付出或真或假、或实或虚的努力，群众的力量是庞大的，因此这一新事物将有力的推动一下历史的进程，当又一个新的技术或理论出来后，前一个被推向高潮的概念就成了泡沫了。
“大数据”是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，靠人脑是无法进行处理的，结论的真假优劣完全取决于使用的软件，所以其结果绝非完美无瑕，作为商业用途，能够提供一些参考，既然只能作为一个参考，那么将之推高到一定程度的时候就会形成泡沫，渐渐被人遗弃和遗忘。