大数据模型应该建立在系统上，而不是数据库上。大数据模型应该包含的系统组件包括业务信息需求、企业治理和安全、用于数据的物理存储、所有类型数据的集成和开放接口，以及处理各种不同数据类型的能力。
　　
　　3.寻找大数据建模工具
　　
　　如今有许多支持Hadoop的商业数据建模工具，以及像Tableau这样的大数据报告软件。在考虑大数据工具和方法时，IT决策者应该将为大数据构建数据模型的能力作为他们的需求之一。
　　
　　4.关注对企业业务至关重要的数据
　　
　　每天都有大量的数据涌入企业，其中很多都是无关紧要的数据。创建包含所有数据的模型是没有意义的。更好的方法是识别对企业至关重要的大数据，并仅对这些数据建模。
　　
　　5.交付高质量的数据
　　
　　如果企业专注于为他们的数据开发完善的定义和详尽的元数据(描述数据的来源、目的等)，就可以为大数据建立高级的数据模型和关系。对数据了解得越多，就越能将其正确地放入支持业务的数据模型中。
　　
　　6.寻找对数据的关键切入点
　　
　　当今大数据中最常用的向量之一是地理位置。根据企业的业务和所在的行业的不同，还有其他用户想要的大数据通用密钥。越能识别数据中的这些常见入口点，就越能更好地设计支持企业关键信息访问路径的数据模型。