而价值的完全体现不仅仅是报表形式的分析，而是将战术智能中的决策管理分析能力适当的延伸到运营职能，将要发生什么，正在发生什么情况，到精细化管理能力，到主动性事件希望发生什么情况等等来提升业务的敏捷度。
大数据分析的架构，大数据分析因为数据的时效性在架构上分为三个步骤：第一如图式的下放，从各类所需的多元数据元，采集、加工和提炼，将相关的信息从中提炼出来，这个区块的特性就是SOI要求不高，可以采用达到成本低的技术。第二步如图式左方，经过探索再加工的过程，汲取有价值的信息，本区块的选择重点在于快速获取价值，适中的成本尽可能快速搜索、快速探索，抓取索取的价值信息。第三如图式右方，将这些价值心细于已有的数据结合，进行深度分析，成为决策，如营销和服务的依据，用来支持和引导一线运作，真正形成生产力。这个区块的特性实时、实效、数据的分析和精确度高，同时这个区块的业务要求是需要产生立竿见影的高度价值。所以建议业采用单位成本相对比较高的技术。
这个地方如何精炼，希望广大的矿石采用采集加工，经过多中工艺再加工，产生可量化的价值，在这个架构当中我罗列部分可选技术，我建议以下两个关键点：1、实现数据的透明访问，作为业务用户来说，当快速实时的进行决策、执行和探索分析的用户并不关心数据关联在那里，技术上必须迅速、无缝的访问各个区块的数据，进行无缝关联。如图式中间业界采用(C)的技术用右边的技术和左边的探索平台，数据是不需要做任何的复制和搬迁的。2、在优化运维管理成本方面，随着数据量的增加，大数据环境当中多个物理平台的管理是非常复杂和烦琐的，必须考虑统一的数据和管理，实现多个平台单点集中式管控，如业界采用的(R)统一管理的系统，极大地减少运维的工作量和成本。
我们如何并最大化这个大数据分析的价值呢?根据全球的最佳实践，我们建议企业培养三种能力——简称I、D、A。I是数据整合，通过信息搜集、信息处理进行信息的整合，打造良好的信息基础环境，成为公司统一的信息来源及单一事实的根据。D、是信息探索，模型开发、信息挖掘、知识发现等等，进行信息的探索或深度的数据分析，产生提升业务的洞察力，只有形成洞察力信息才能真正产生价值。A，是行动，通过洞察力的指导，帮助行动的精确和效率，以提升运营。
在实施的步骤最开始并不需要对所有的数据进行存储和分析：
第一首先是业务驱动，相关部门讨论所选的业务场景，采集整合需要的一部分大数据，采集迅速产生价值的。
