1. 决定目标：在获取数据之前，数据价值链的第一步要先决定目标，业务部门要决定数据科学团队的目标；

2. 确定业务手段：通过业务的改变，来提高关键指标和达到业务目。

在项目中尽早确定目标、指标和业务手段能为项目指明方向，避免无意义的数据分析；

3. 数据收集：大量进行数据收集，使得数据科学家能找到数据之间更好的相关性，建立更好的模型，找到更多的可行性见解；

4. 数据清洗：数据分析的第一步是提高数据质量；

5. 数据建模：数据科学家构建模型，关联数据与业务成果，提出关于在第一步中确定的业务手段变化的建议；

6. 培养一个数据科学团队：构建一个数据科学团队，让在统计学方面有高级学位的人专注于数据建模和预测；

7. 优化和重复：数据价值链是一个可重复的过程，能够对业务和数据价值链本身产生连续的改进。

基于模型的结果，业务将根据驱动手段做出改变，数据科学团队将评估结果。