一旦企業高管理解了大數據和傳統數據環境之間的區別，下一步往往就是選擇物理平臺。在20世紀90年代中期，數據倉庫的出現引起了類似的反應。隨著企業認識到需要有一個獨特的信息分析平臺，以防止對事務環境的影響，其重點立即轉移到技術選擇過程。在采用大數據的這一點上，就像數據倉庫的情況一樣，避免成為行業領域的犧牲品是很重要的。那些急于選擇和建立大數據平臺的企業可能采用了構建平臺就會有數據的策略，與過去失敗的數據倉庫項目類似，在沒有首先確定特定業務價值的情況下構建大數據平臺可能會導致企業成為受害者。
最初的三個V很好地定義了大數據的概念。但是，需考慮在企業中實施大數據時另外三個極其重要的V——價值（Value）、有效性（Validity）和活力（Vitality）。為了防止大數據平臺建立而不使用的情況，必須提前理解業務價值，解決方案的有效性必須為業務采納而合理，最后，企業必須有活力進行實施過程。以下更深入地研究這些領域。
企業需要創建一個大數據平臺，為每個客戶吸收、分析和制定定制策略，如果得到關鍵業務領域的適當支持，就有可能帶來巨大的價值。
行業專家表示，最近參加了一些關于大數據的會議，其中演講者的關鍵賣點是“我們的大數據解決方案很棒，因為可以將所有數據加載到低成本的商品服務器?上，幾乎沒有任何磁盤存儲成本，源數據的任何格式存在，并弄清楚以后如何使用它”。不要讓這種方法的吸引力導致企業成為下一個受害者。大數據之旅的一個關鍵成功因素始于對如何交付業務價值的清晰愿景。例如，如今可以從車輛上數千個傳感器中捕獲流數據，范圍從制動水平到轉彎時的速度。如果使用得當，這些數據可以讓保險公司根據客戶的駕駛行為調整保驗費用的價格。企業創建一個大數據平臺，為每個客戶吸收、分析和生成定制策略，如果得到關鍵業務領域的適當支持，就有可能帶來巨大的價值。
行業專家建議的下一個重點領域是解決方案的有效性。從技術上說，一個合理配置的大數據平臺可以輕松處理來自幾乎無限數量車輛的流傳感器數據。
因此，可以創建大數據解決方案，并且它具有驅動重大業務價值的潛力，但是它有效嗎?在例舉的保險公司開始實現這種類型的解決方案之前，必須探索一些領域。在保險公司經營的范圍內，根據個人和團體的駕駛模式為汽車保單定價是否合法?負責定價的業務部門是否有能力在這個水平和速度下設定和管理價格?隨著消費者越來越關注隱私，客戶會同意這種級別的監控，以換取更有針對性的定價嗎?一旦初始解決方案可操作，有效性可能會變得更加有趣和重要。通過捕獲大量客戶的駕駛模式，可以確定其他潛在的業務價值領域。例如，保險公司將位置和行為數據洞察力出售給其他公司用于基于位置的營銷是否有效?企業必須解決諸如此類的問題，這些問題超出了大數據解決方案的技術可行性。
最后，企業必須確定它是否具有實現解決方案的活力。在企業內實施第一個大數據解決方案將是困難的。成功將取決于選擇強大的合作伙伴，交叉培訓現有資源，并可能增加新的資源。目前，熟練的大數據資源的可用性是一個挑戰。
大數據領域的軟件和應用程序的成熟度正在迅速提高，但仍遠遠低于標準的數據和應用程序開發解決方案。大數據解決方案在某些方面類似于電動汽車。電動汽車具有極高的能源效率、非常大的扭矩和更快的加速度，但仍然面臨著充電站有限、電池成本高以及行駛距離問題等痛點。大數據平臺（例如Hadoop）已經顯示出支持海量數據的能力，其結構化和非結構化模塊可以處理大量數據。然而，就像電動汽車一樣，該平臺也面臨著一些痛點，例如有限的可用資源、新興的開發工具以及與現有環境集成的問題。
當企業開始其大數據之旅時，利用數量、速度和多樣性來更好地理解潛力，但不要忘記價值、有效性和活力，因為它與成功的執行有關。?
