过去10年在大数据分析领域见证了所有进步，但一扇门仍然牢牢关闭，从人的思想中访问隐式数据，然而东芝近获得了一项基于“基于生理指标数据提供零售过程分析的系统和方法”的专利，东芝的数据分析解决方案 ，可根据客户的生理指标数据和零售环境状况生成零售过程分析信息，该技术利用传感器来监视客户的生理和生物统计数据，例如温度，汗液，皮肤电反应，脑电波活动，心率，呼吸，瞳孔扩张等，并使用此信息来操纵零售过程，例如人员培训，广告和推销。

由于对数据或直觉的过度依赖，这两个均以失败告终。在两者之间寻求适当的平衡是困扰每个业务决策者的挑战，在大数据分析时代， 对于企业而言，开始将分析和决策科学制度化 以做出有影响力的决策已变得至关重要，借助现代技术，企业可以收集各种信息，以数据为依据的决策可以产生有影响力的见解，并可以深入了解我们企业的许多灰色领域，而仅仅依靠直觉，意识形态和业务经验是不可能的，但是过度依赖数据有其陷阱，风险在于在管理我们已测量的内容时，我们可能会错过真正重要的内容。

如何成功融合大数据分析的艺术和科学。今天，我们解决如何实现规模化，世界各地的创新步伐正在迅速加快，过去100年中的重大突破数量可能等于或超过前1000年中的数量。规模与这个有很大关系，但是在解决问题和分析方面，规模化是困难的，您无法通过装配线改进或数量折扣来扩展分析，为了真正实现分析的规模化，需要进行集中的尝试，以将显而易见的事物与异常的，可持续的，结构化的过程区分开来，以帮助确定问题的组成部分和模式。

推广的设计思维已开始在决策科学领域内流行，因为专家们看到了其对分析消费的潜在影响，将人们的需求与技术上可行和可行的业务战略相匹配”，换句话说，就是要确保 数据分析解决方案 切实可行，决策科学家需要在工程学中注入同理心，但是考虑到我们自然倾向于使用统计技术和技术，这可能具有挑战性，让设计师从初的阶段就参与分析项目，有助于确保在项目中考虑到敏感性，技术可行性，业务可行性和消费者需求的正确融合。

在过去的几年中，随着越来越多的组织希望利用其潜力，各种形式的大数据已成为头条新闻的组成部分。尽管进行了大肆宣传，但许多组织仍未发掘其大数据项目的真正潜力，是否因为大多数人将大数据视为需要大量投资的短距离冲刺？是因为终点线不清楚吗？大数据冲刺的一个例子，一名CIO突然命令其员工购买数百台大型服务器，他想向全世界宣布他的公司已经建立了地球上的Hadoop集群，尽管工作人员问，“业务案例在哪里？” 采购和安装进行，在24个月之内，CIO离开公司的是大量的硬件，没有业务案例，也没有大数据业务价值。

我们许多人都听说过“供应链”，在传统的制造业供应链中，原材料是在一个地方采购的，货物是在另一个地方制造的，这些货物被运输并终在许多不同的地方出售给客户。我们采购，生产，分销和消费，我们也可以将决策视为供应链吗？该供应链中的关键要素是什么？它从业务问题开始，事件发生在时空的某个地方，然后业务问题导致我们创建假设。从这些假设中产生了我们自问的问题。我们的问题将我们引向数据，当我们拥有正确的数据时，我们就会得出发现，从这些发现中，我们得出了见解。