无论始于何处，创建路线图以扩大营收

这两个项目虽说都是后续推广的试验田，但也应做好准备，随时融入企业的整体战略规划当中。这并不是说企业必须要有一个准确的蓝图或时间表，正如前文所言，这些在当前不断变化且充满变数的格局中既不可能也不可取。这里想说的是，企业要对自身目标有一个明确规划——因为多个试点同时进行时很容易迷失方向。

设定目标能帮助企业确定应在哪些领域实行开放性、探索性试点。具体来说，应分别通过改善内部运作流程和推出新型客户服务，确定要对企业内外哪些领域运用分析，从而创造价值。

企业应始终坚持双管齐下：一方面，充分利用数据分析，提高传统业务线的运营效率；另一方面，通过交叉销售或追加销售新型数字产品和服务，始终着眼于扩大营收。

几乎所有工业企业都有大量的传统数据尚未使用。这是数据策略中另一个非常重要的部分。企业应从现在开始，逐步利用其现有IT系统内部的运营数据。一旦首批试点为企业带来了价值，就可以把外部数据添加进来。随着自身产品变得更加智能、更加连通，企业可以进一步扩充数据规模。

显然，这些流程对工业企业而言，要比对纯粹面向消费者的行业复杂得多。一般来说，制定一致的总体客户战略和联网产品策略，同时通过多个试点项目开展试验，是企业实现目标的最佳方法。

关键是要同时运行众多不同的小型测试项目，最终实现大一统。企业应在初期阶段的规划图中标明能逐渐融合的“岛屿”，以便形成陆桥连接整块大陆。为此，企业既要关注每座岛屿的内部运作情况，同时也要考虑其最终如何同其他岛屿相互协作。最好从一开始就把握充分的灵活性，以便在一个试点失败时直接摈弃，另寻下一试点。

一家大型的跨国医药巨头充分展示了端到端思维是如何为数据分析增加价值的。

过去，该企业对其价值链缺少一个全面的把握。其推出新品的速度很慢，从最初制造到患者交付通常要花两年半的时间，而对这类企业来说，对自身价值链做到了如指掌是至关重要的。

该企业的许多流程都是先从收集有效成分开始，可能是50升左右的用量。原料分批次运往世界各地，用于制作不同的产品。这些原料在经过反复测试后，会被稀释到不同的效价强度。接下来会被制成药丸、药膏和液体药品，经过再测试、包装、贴标、宣传、仓储——最终送至医院、药店或患者手中。

整个过程十分复杂，要想实时查到某种有效成分在供应链中处于什么位置，单靠一个监控中心几乎是不可能的。

因此，企业部署了一个枢纽式的数据分析平台，每一批次的每个流程都集中显示在控制板上，以确保对整个价值链有一个全面的掌握。该方案仅使用日常生成的数据，但同时也连接了多个节点，保证流程链的透明。

据估计，该方案可以创造上亿欧元的库存价值，并且只需五个月就可部署完毕。

显然，这个医药企业的案例仅是单独一个项目，并非多项目同时运行。但其使得复杂的运营流程变得一览无余，也向各企业展示了在大局建设初期应重点开展的项目。

企业要想利用所收集的数据，自然离不开数据科学家的专业知识。当前对这类专家的需求量很大（参见第七章）。有鉴于此，企业的最佳做法是充分利用生态系统，寻找具备这些技能或是运用“即插即用”方案提供服务的合作伙伴。