数据应用先不要涉及解决复杂的问题，避免起步阶段迟迟无法打开局面。最好从解决简单问题做起，可以考虑直接引入其他外部公司的成功实践，迅速产生实际成果，让大家快速看到数据应用带来的成效。根据二八原理，这些简单的数据应用很可能会产生意想不到的效果。通过对这些成功数据应用案例的宣传，引导大家进一步认识到数据所能够带来的价值，加大在数据应用方面投入资源，启动更多的相关项目。
三、面向问题收集和管理数据
传统金融行业因为过去IT资源相对昂贵，本着节省开销的考虑，只记录与金融交易相关的数据。内容主要为客户状况、合约和相关交易服务状况，而其他过程行为数据一般不做记录。这造成其数据所覆盖的范围较窄，难以支撑大规模的数据应用。现代IT技术降低了IT成本，同时随着数据应用带来价值的提升，各金融企业扩大数据收集范围和粒度的意识普遍提高，为更大规模和更加深入的数据应用创造了条件。
要根据所涉及业务领域的相关问题，提出需要增加收集哪些数据，然后由IT人员在现有系统中进行埋点，做数据记录。金融机构所拥有的客户行为数据比较有限，无法满足很多算法预测模型的要求，可以考虑在法律容许的范围内，与外部数据公司合作，获取更多的数据支持。
数据有其时效性，不能立即使用的数据会随着时间的推移逐步失去其自身价值，且还会占用大量的IT资源。那种先获取数据后考虑数据应用场景的做法，成本比较高。因此要避免没有数据应用目标就大量获取数据的做法。
数据整理和数据质量管理也要面向解决实际问题的需要，避免盲目追求完美。虽然数据整理和数据质量管理对于后续的数据应用会带来很大帮助，但其也会消耗很多资源。特别对于业务部门来说，提高数据的质量意味着大量工作，甚至可能会影响业务流程的效率。可以计算相关成本与后续可能带来的收益进行比较做出决定。
比如为了让客户准确填写电话号码，有些企业要求客户发短信确认码。这显然降低了业务操作的流畅程度，但若电话号码是后续服务所必不可少的，那么这样的改变就应该尽快实施。
四、确定数据的拥有者
企业会产生大量数据，不同业务单元和部门所产生的数据不同，数据使用的情况也不同，很可能会形成企业内的数据交叉使用。为避免内部的数据使用冲突造成数据的混乱，就需要明确各数据的主人，赋予其管理数据的责任和权利。原则上谁产生的数据谁就拥有这些数据，谁就对这些数据负责，其他人要使用数据必须经过数据拥有者的同意。
数据拥有者要管理保护好自己的数据，同时要考虑如何让这些数据产生更大的价值。可以考虑在企业内部形成数据使用的模拟收费机制。确定一合理的价格，让其他部门的数据使用方支付给数据拥有方相应的费用，取得数据的使用权，并在数据拥有方的监督下合理使用数据。
数据使用方的资金额度由企业根据需要划定，鼓励其更经济地开展项目。通过考核数据拥有者收费的情况，对其相关服务工作予以奖惩。鼓励数据拥有者将数据提供给大家使用，创造更大的价值。质量越高的数据越有人愿意使用，数据拥有者会不断提高数据的数量和质量，满足数据使用者的需要。
五、共享数据平台支持服务
数据应用需要配套的软硬件环境支持，需要在企业内建设一套共享的数据应用平台环境，并安排专业团队提供服务支持。采用同一个数据应用环境，不但可以大幅度节省采购、建设及运维成本，还可以保证各业务部门数据相互间的共享使用，也可以非常便捷地开展数据应用交流和相关应用模型的借鉴复用。
数据平台建设要循序渐进，配置够近期使用就可以了，后续逐年确认是否需要扩容和升级。使用过好的设备和软件工具，过大的配置，很可能因数据量和应用程度无法达到预期，造成相关投入闲置浪费。随着技术的快速进步，设备及软件工具会越来越高效，单位处理能力的价格也会越来越低。
而数据应用的不断深入，各个平台使用者会对平台的数据存储量、计算能力及建模工具等方面提出更高要求，更多成功的数据应用会使得公司愿意增加平台投入。最经济的做法是根据数据应用的情况及用户的需要，逐步扩充或更换设备，采购更加先进的软件工具。