但是，如何為我們不知道的東西提供使用案例呢？客戶說「我們希望更快推出產品」或「我們希望在安裝和產品上更快獲得FDA批准」，這兩者皆涉及大量數據的匯整，我們的回答是：不要拘泥在第一個使用案例，看一下這些數據可以實現哪些其他目標。
您混合的數據越多，您發現的就越多，包括趨勢和相關性；您甚至可以透過分析做出預測，這有助於確定哪些地方需提高速度與效率。
但客戶會考慮所有結果嗎？數據量的激增亦導致新職稱的產生。我見過「增長工程師」和「數據科學家」，他們的職責是運用演算法找出相關性和新的見解。
但是，唯有從全局進行了解並取得各方面的支持，這些新職務才能發揮效果，否則他們仍是孤立的決策者，而他們所負責的計畫，是設計來移除他們剛重建的「孤島」。
的確有許多演算法可以解決單一狀況，但演算法無法綜合情境或概念性的智慧；這種分析與決策必須由人類完成，從而巧妙地引導我們到下一個問題：您的人才具備合適的技能嗎？
組織必須管理其人員並對他們進行培訓，讓人員可以學習，並與這些新的網路資訊協同合作，他們需要能夠提出「我需要得知哪些資訊才能做出明智的決定？」而不只是「數據會告訴我什麼？」的問題。
所以，我的建議是：不要為了技術而導入技術，需先計畫(至少要有一些計畫)，並有心理準備部分計畫會被拒絕。
確保導入第一階段不只是在完成待辦事項，而是為了解決問題，或建立基礎以利解決更多其他問題。不要受流行用語的誘惑，而是需了解它們的好處，並思考它們能為您做些什麼。
學習如何導入技術，並考慮到技術每三到五年發生變化，進而將技術的變化與人類較長的適應期加以平衡。
考慮可擴充性、升級、易用性與遷移。一旦您掌握了這些基礎，您的數位化轉型其實就是您正在尋找的跳板。
