企業建立大數據的生命周期應該包括這幾個部分:大數據組織、現狀評估、大數據戰略制定、數據定義、數據收集、數據分析、數據治理和持續改進。
壹.海量數據的組織
沒有誰，壹切都是扯淡。大數據生命周期的第壹步應該是建立壹個“大數據規劃、建設和運營機構”，有專門的預算和獨立的KPI。包括高層首席數據官，作為響應者，然後是公司數據管理委員會或大數據實施規劃指導委員會，然後是大數據項目組或大數據項目組的前身:大數據項目預研組或大數據項目籌建組。這個團隊是未來大數據戰略制定和實施的中堅力量。由於人數眾多，建議引入RACI模型，以明確所有人的角色和職責。
二、大數據的現狀評估和差距分析
在制定策略之前，我們必須首先評估當前的形勢。測評前的調查包括三個方面:壹、外部調查:大數據在行業內的最新進展如何，大數據在行業內頂尖企業的應用水平如何？行業平均水平如何，尤其是主要競爭對手的大數據應用水平如何？二是調查內部客戶。管理層、業務部門、IT部門本身以及我們的最終用戶對我們的大數據業務有什麽期望？三是摸清自己的情況，了解自己的技術和人員儲備。最後，對標，差距分析，找出差距。
找出差距後，需要對成熟度狀況進行評估。壹般來說，壹個公司大數據應用的成熟可以分為四個階段:起步階段(只有概念，沒有實踐)；探索期(基本概念我已經了解，也有人探討過，我有基本的大數據技術儲備)；開發期(擁有或建立清晰的戰略、團隊、工具和流程，並交付初步成果)；成熟度(擁有穩定成熟的戰略、團隊、工具和流程，並不斷交付高質量的結果)。
第三，大數據戰略
有了大數據組織，了解了我們公司大數據的現狀、差距和需求，就可以制定大數據的戰略目標。大數據戰略的制定是整個大數據生命周期的靈魂和核心，它將成為整個組織大數據發展的指南。
大數據戰略的內容沒有統壹的模板，但有壹些基本要求:
1.簡明扼要，涵蓋公司內外利益相關者的需求。
2.要明確，這樣才能明確的告訴大家我們的目標和願景是什麽。
實事求是地說，這個目標是可以通過努力實現的。
四、大數據的定義
我認為:“不定義數據就無法收集數據；收不到就分析不出來；如果妳不能分析它，妳就不能衡量它；如果妳不能衡量它，妳就不能控制它；妳管不了就管不了；如果妳不能管理它，妳就不能使用它。”因此，“在需求和策略明確之後，數據定義是壹切數據管理的前提”。
動詞 （verb的縮寫）數據收集
1.大數據時代的數據來源非常廣泛，可能主要來自三個方面:現有企業內網中各種應用系統產生的數據(如辦公和業務生產數據)、來自企業外部互聯網的數據(如社交網絡數據)和物聯網。
2.大數據有很多種，壹般可以分為:傳統的結構化數據和大量的非結構化數據(如音視頻)。
3.有許多數據收集和挖掘工具。可以基於或集成hadoop的ETL平臺，以交互探索、數據挖掘為代表的數據價值挖掘工具正在成為壹種趨勢。
4.數據收集的原則:在數據來源廣泛、數據量巨大、收集挖掘工具眾多的背景下，大數據決策者必須明確數據收集的原則:“能夠收集的數據並不意味著值得收集或者有必要收集。需要收集的數據和可以收集的數據的“交集”就是我們確定要收集的數據。”
不及物動詞數據處理和分析
業界有很多工具可以幫助企業搭建壹個集成的“數據處理分析平臺”。對於企業大數據管理者和規劃者來說，關鍵是“工具要符合平臺要求，平臺要符合業務要求，而不是業務要適應平臺要求，平臺要適應廠商的工具要求”。那麽這個集成平臺應該具備什麽樣的能力呢？它應該能夠方便地檢索、分類、關聯、推送和實現元數據管理。見下圖:
七、數據呈現
大數據管理的價值，最終會通過各種形式的數據呈現，幫助管理層和業務部門進行業務決策。大數據的決策者需要將大數據的系統與BI(商業智能)系統和KM(知識管理)系統集成。下圖展示了大數據的各種呈現形式。
八。審計、治理和控制
1.大數據的審計、治理和控制是指對大數據的管理，即成立專門的治理和控制團隊，制定壹系列戰略、流程、制度和評價指標體系，對多個相關職能部門的目標進行監督、檢查和協調，以優化、保護和利用大數據，確保其作為企業戰略資產的真正價值。
2.大數據的治理是it治理的組成部分，大數據的審計是IT審計的組成部分。這個系統應該以壹種整體的方式來規劃和實施，而不是以壹種支離破碎的方式。
3.大數據審計、治理和控制的核心是數據安全、數據質量和數據效率。
九、持續改進
基於不斷變化的業務需求和審計、治理中發現的大數據全生命周期暴露的問題，引入PDCA等方法論，不斷優化策略、方法、流程和工具，不斷提升相關人員的技能，從而保證大數據戰略的持續成功！