要实施一个大数据技术框架需要一个战略，在最近举办的Big Data Innovation Summit上， Gahl Berkooz在他题为“In Search of Actionable Insights，”的演讲中就此进行了说明。
Berkooz是迪尔伯恩的福特汽车公司的数据和治理的总监，和与会者简单分享了数据供应链的大数据技术框架，其中包括七大类别，从分析实施到基础设施管理。
但是，关键在于，福特公司并没有同等实施这七大战略。 当一位与会者提问优先战略时， Berkooz没有犹豫。“我们会考虑那些会让福特更加独特，让我们在行业内更加突出，拥有创新的技术，”他说。
这 也是IT*，经常听到的建议：将各部门的注意力都集中到如何让业务与众不同，然后和供应商合作。Mark Shaver，是位于密尔沃基的采矿设备和服务公司Joy Global Inc.的副总裁兼首席信息官， 在去年春天举办的Fusion 2015 CEO-CIO Symposium上也提出了类似的观点。企业的工业物联网解决方案并没有使用“现成的”技术，而是与Verizon这样的公司之间良好合作的结果。他们 提供了Joy Global公司没有的，并且不想过多投资的专业技能。
“我不是标准化的CIO，” Shaver说。“我没有数据中心。Outlook是外包的。安全也是外包的。我并不在那些领域投入精力。”
在福特，数据标准和数据质量被认为是构建的基本模块，投入了大量的时间和精力。当然也有充分的理由：“数据是我们分析的资本，可以带来方案，”Berkooz说。“如果不控制数据的质量，那方案的价值将是非常有限的。”
对于无法使福特公司业务差异化的功能，如基础设施管理，身份和安全管理，或数据获取，Berkooz和他的团队则在市场中寻求方案。
消防中的数据分析
Timothy Persons，美国*问责局的首席科学家，在Big Data summit上的演讲中，讲述了数据分析的案例： 纽约市的分析团队是如何使用数据来整治“非法改建”或私自划分的房屋。
这 个案例之前也分析过，但是它仍然是一个证明数据分析之强大的出色案例。非法改建的房屋容易引起害虫，犯罪和火灾隐患，给消防队员带来不可预见的危险。在去 年春天举行的CDO Summit上， Amen Ra Mashariki，纽约市的现任首席分析官向与会者解释说，在一次火灾中，几位消防队员失去了他们的生命，因为他们无法获取房屋的布局结构的正确信息。 他提出了一个简单的问题：“你应该如何确保消防队员的安全？”
答案就是数据。Persons说，分析团队开始过滤来自不同部门的数据——从911电话到房产税的支付——从而发现非法改建的指向性模式，而不是依靠直觉。
研究团队发现市*部门也记录类似的位置数据，但使用不同的方式：警察局使用传统的地图坐标，消防队员通过消防栓标注社区地图，而税务部门则根据税号，Persons说。所以团队通过整合来自不同部门的数据，用统一的方式来记录城市内的90万户房屋。
这一方案卓有成效。使用分析而不是直觉，城市检查员在他们检查的房屋中，对其中的70%发布了撤离警告，而之前的数据为12%，Persons说。
规范分析并不是终极领域
Erik Andrejko，是总部位于旧金山的与农业社团合作的数据科学公司Climate Corp.的数据科学副总裁，在峰会上做出了一个大胆声明：分析功能的最新领域并不是规范分析，而是解释分析。
“当你告诉一个决策者——在这种情况下，是一位农民——今天，他们应该在这块土地上施加这些量的肥料，你应该回答的是为什么要这样做，”他说。
解释分析的关键可能是模型。他认为有两种技术可以为此提供帮助：结构建模，他说这是“用于说明环境和作物收成之间的统计关系，”以及机械建模，他说这是“用于捕捉和解释物理机制的物理现象。”
Andrejko认为这两种技术都是相似的，作为“black box”数据挖掘技术之外的补充。“我们需要多种技术，因为通常一项技术不可能适用于每一种情况，”他事后在电子邮件中写道。