在外行人眼中，分析似乎无所不能。开始第一个云端分析项目时，你所采用方法非常重要，方法得当，则成果颇丰；方法不当，则前功尽弃。想要取得成功，必须从小事做起。

和其他数据分析项目一样，基于云技术的分析也需要考虑很多关于数据的问题：需要采集多少数据？数据保留多长时间？需要过滤掉哪些数据？对一些人来说，大范围采集数据，并随后过滤显然更为容易，但这需要消耗额外的存储成本。对于其他人来说，在使用之前检查数据的可用性可能是更为方便的选择。无论以哪种方式，数据量的大小与云分析的成果并不成正比。在你开始第一个云端分析项目时，请谨记以下三个问题。

1. 将注意力放在业务目标上。Thomas Davenport 和Jeanne Harris在《Competing on Analytics: The New Science of Winning》一书中强调，分析属于商业计划的一种，它不应该被看成是纯技术范畴。明确现有数据的价值，首先能够帮助你确定公司所需，了解哪些是必需数据，最后才会推动业务发展。
2. 慎重选择。“数据越多，价值就越少，”SapientNitro的全球性能分析主管Simon James说道。无限制的数据增长将会消耗巨大的成本，如不能保证数据的时新性，很有可能出现基于过时数据进行商业决策的情况。长期医学研究一般都跨越多个家族的几代人，它必须采集大量的历史数据和新信息。例如著名的Framingham (Mass.) Heart Study开始68年前。
3. 从小事做起，脚踏实地。对于一个试验性质的项目，选择非关键部分来开始，可以避免产生无可挽回的后果。你需要确保有足够的资源，例如人员和基础设施已经准备就绪。如果盲目的降低云分析的预算，你可能会步履维艰，甚至会丧失使用云端分析的机会。