今天，企业对大数据的关注无论何时都更甚于以往。然而，企业若要真正善用“大数据”，还需要配备两种类型的专家及建立客户服务文化。
大数据所需的专业人士
1.数据科学家（Data Scientist）取用这种经过组织的数据，建立复杂的分析模型，例如，协助预测顾客行为，并且可做先进的顾客区隔和定价优化（pricing optimization）。他们确保会经常更新每个模型，好让模型长期有效用。
2.活动专家（Campaign Expert）将模型转化为成果。他们很深入了解那些提供特定营销活动的技术系统，例如哪个客户应该在什么时候得到什么消息。他们使用从模型中学到的东西，来安排营销活动推出顺序和所用渠道的优先次序，例如，对某个已确认的市场区隔过去的行为进行分析，结果发现，最有效的方式是先发送一封电子邮件给客户，然后在48小时后直接邮寄广告数据。
重要的是，应追踪数据在整个大数据团队里移动的情况，并确保在人员和机器之间交接的所有数据，都有明确的负责人。这么做，可确保担任既定角色的每个人都负起责任，完整地交付数据，而不只是完成个人的任务而已。
建立客户服务文化
打造没有人使用的产品或服务，是很伤士气的。所以，你的团队要负责证明这些模型对企业内部的业务负责人有何助益。这需要把业务负责人当成顾客。优良的零售商都会告诉你，若要成功，你必须了解你的顾客。定期与他们会面，以了解他们的需求，并征询他们对团队所建立的模型表现如何的意见。不时问自己，「在公司里，我的分析可以帮助到谁？」以及「他们是否同意，是我帮助他们成功的？」
我们也观察到，大数据的相关计划失败了，因为企业内部顾客对大数据团队没有信心，也不信任他们的模型。信任始于透明化。对于谁正在做什么，要完全公开。提供务实的预定完成时间。在决定要建立哪些模型时，应清楚说明要做哪些取舍，好让你的内部顾客有足够的资讯做出明智决定，最后做出最佳终端产品。
为确保采取「服务单位」式的文化，你应根据企业的成功与否，来评量个人绩效，不只是考虑数据的数量或速度等常用的评量指标。追踪内部顾客使用多少新模型以获得新结果。有些公司发放大数据团队成员奖金的标准，依据的是内部顾客多迅速和多广泛地采用那些模型，而不是模型有多创新。这种方法可以防止传统的口水战：「我建立了一个绝妙的模型，没有人使用它不是我的错！」这样做也能预防这个问题：为分析而分析，不是为了对业务有好处而分析。
建立成功的分析团队，既需要合适的人，也需要合适的文化。关于大数据，你的团队应该花较少时间去担心如何分析数据，应该花较多时间专注于如何提供数据。