在大数据中发现商业智能取决于对关键绩效指标（KPI）的识别：即向企业的业务提供高价值。例如，如果您正在运行一个供应链，并且想知道某一家新的供应商是否能够及时保质保量的满足供应链，您无法从您的企业内部的数据库找到相关数据信息（毕竟这家供应商是新的），但您可以互联网上找到其他已经和这家供应商有过合作关系的客户所共享的信息中找到您所需要的相关信息。在网上，您可以“挖掘”到这家供应商是否能够按时交货的数据，您甚至可以更进一步的通过社会媒体的渠道，了解到关于这家供应商服务质量的好坏。
将结构化和非结构化数据相结合对于立即采购和制造是相当有用的，但其在营销方面（营销需要减少绩效不好的供应商的市场风险）、客户服务方面（避免后续的维修）以及金融（需要避免任何风险）也同样有用。
这里的要点是双重的：
1、大数据解决关键业务问题只有在数据筒仓被分解时发生，并且由此产生的数据组合成一个关键业务的性能指标的复合回答；
2、只有企业具备了足够的关于大数据仓库的专业知识和独特的整合和汇总数据能力时，大数据方面的投资才能真正发挥作用。
回到我们之前的能够准时、保证质量的供应商的例子：
1、数据仓库是交叉时，数据挖掘是来自于外部供应链网络和社会媒体。
2、起初，企业错误的认为只有采购和制造会意识到数据是有用的，但他们总是围绕着总的关键绩效指标来衡量供应商的绩效及其影响，企业也意识到供应商的信息能告诉营销部门是否某些主要销售有可能存在风险；可以告诉客户服务部门提供保修可能是基于质量差的原因；并能告诉财务部门供应商的整体风险水平。
3、因此，当大数据成为了整个企业的一个杠杆，企业的筒仓被打破，能够与大家分享大数据的好处。当然，大数据能够给予企业业务部门更大的回报是带来更多更大的业务。
所有这一切都是相当重要的，因为许多企业今天仍在使用碎片信息。财政部门使用自己的财务系统；市场营销部门也有自己的应用系统。但大数据投资却可以让每个人都能够充分利用这些有价值的数据。这可能需要改变企业的“谁拥有”或“有权使用”某些数据的观念。
1、企业如何确保自己能够“跟上”挖掘大数据的步伐？
2、指定专人作为整个企业重点大数据的联络负责人。这个人应该是在企业内部为了达到大数据的KPI和使用，促进企业各个不同领域的合作。
3、永远不要在没有获得企业高层管理人员完全支持的前提下发展企业大数据战略的倡议，而这种支持是包括从技术投资的协同信息共享到关键绩效指标的全方位的支持，这样，大数据才能够为企业进行重新的定义。
