大数据行业专家基思·卡特表示，由于没有适当的前期规划，许多组织在制定他们的大数据分析策略方面导致失败。

如今，人们对于管理大数据和分析大数据习以为常。事实上，这个词已经用得如此广泛，有时不恰当地应用，因此，它已经开始失去它的意义。

在所有人谈论大数据和其潜在好处的时候有一点要注意。这是大数据的谎言，人们认为大数据可以自动解决任何数量的业务问题，并使企业更有效地与他们的竞争对手进行竞争。根据供应链管理者的经验，最近，基思·卡特是新加坡国立大学商学院决策科学系的一名教师，已经咨询了几十家公司和数百名企业和业务人员。他一直发现的是，那些相信大数据谎言的人正在犯两大错误：

问题是，如今许多公司正在收集和管理大数据几乎没有什么深谋远虑。

不加区别地收集数据。企业正在收集负载和数据负荷。那很棒。但他们不知道如何有效地理解它。他们通过收集大数据，非常大的，全面的，经常变化和快速变化的数据集，进行调查，并得出结论。但原始数据对大多数企业用户并没有什么价值，甚至将更多的数据放在更大的数据库中，或者将大量的数据拷贝到电子表格中，通常不会提供任何价值。

数据分类是有用的。相反，企业可能会认为他们做得很好，如果他们“清洗”他们收集的所有大数据，然后进行分类。当然，有利于规范数据的集中、清洗、分类和构建。但它很难用于一个商业案例，如果当数据清洁和组织完成，数据不提供真正的商业问题的答案。这是特别真实的，当大数据管理工作变成一个IT为重点的项目，不能从企业用户得到保证，那么有问题的数据已经验证，实际上是有用的，这一点尤其如此。

问题是，如今许多公司正在收集和管理大数据几乎没有深谋远虑。正如规划是关键，任何企业战略项目在处理大数据的预测是最重要的。这个过程中的所有元素都必须是有目的的，并与业务目标紧密结合。

那么，什么是正确的方法呢？你必须先从一个战略性的业务问题，然后获得所需的数据来回答这个问题。只有这样，你才能快速启动可视化的业务，实现业务发现，并提供可操作的情报。

这就是大数据真正的战略区别，因为即使知道这个词的最真实的定义，大数据并不是任何业务问题的解决方案。它只是这听起来像大量的不同来源的信息集合。这是你的数据，可以有一个很大的区别，而组织需要避免其他人所犯的大数据错误。