如何前往
这种规模的变革需要自上而下推动，领导层的责任要一直延伸到应对运营挑战。
多元化/跨职能团队之间的广泛合作（无论是在企业内部还是与外部生态系统协同）对于确保为项目提供正确的资源至关重要。例如，当卡夫亨氏决定成为“一流”并改变公司现在和未来的分析方式时，不是进行表面修复，而是采取了彻底的步骤功能，即全面迁移到云端并关闭旧式应用程序。他们的愿景是为公司建立一个单一的数据中心，为新的数字转型计划和公司日常运营的分析提供支持。他们选择了 Snowflake 作为他们的数据云。
平衡 IT 和业务角色也至关重要，这样 芬兰电话号码数据 在赋予业务团队更大自主权的同时，（以前的）中央 IT 团队的专业知识就不会被浪费——例如，知道如何以及在何处部署最具影响力的技术，如人工智能、物联网、移动性、云计算、机器人自动化，当然还有各种类型的分析。
领导者需要确保公司采用能够实现企业目标以及特定领域目标的数据组织模型。应该有明确的成功指标，包括流程效率、节约、客户体验改善等，这些指标必须与产生这些结果的数据和分析资源相关联。 例子 亚马逊就是一个典型的例子，它将工程师和分析师嵌入到业务团队中，这些团队旨在实现特定的业务成果。
将数据共享作为默认设置，而不是例外，将确保整个企业在需要时可以访问信息。然而，数据不仅必须随时可用，还必须具有良好的质量——准确、干净、不重复——并且相关。良好的数据治理可以解决这些问题。然而，随着企业改变数据和分析方法，它们也在转向 自适应数据治理，它认识到治理不仅影响数据计划，还影响整个业务。这与另一个 Gartner 预测报告指出，到 2025 年，大部分数据治理举措将侧重于实现业务成果，而不是遵守数据标准（后者将被视为基本能力）。
当集中式分析逐渐消退或完全消失，而分散化将分析和洞察提升为核心业务功能时，组织自然会发展成为真正数据驱动的企业。