企业建设的战略大数据，归根到底都是为企业本身服务的。战略大数据与智能算法强强联合，将企业战略管理模型推向智慧之巅。我们从战略大数据的角度描述一个完整的SAS迭代过程。

1.See：感知战略大数据

智慧企业首先是一个完全数字化企业，它们拥有强大的数据采集能力，比如物联网能力。感知战略大数据实则就是数据采集，但这个过程是自动或者说是水到渠成的。当一轮新的SAS循环启动，企业能够自发感知内外环境。内部环境数据是企业运营数据自动汇总的结果数据和企业的资产数据，是上一轮SAS循环的成果；外部环境数据是除内部环境数据以外的全部数据。之所以这样划分，是因为智慧企业的边界总是处于不断的变动之中，内外的边界变得模糊，我们只能将模型的成果看成内部环境数据，然后将除此之外的全部数据看成外部环境数据。

值得注意的是，并不是所有的数据都是战略大数据，战略不同于运营，其所在的高度必然高于基层和一线，因此，内外环境数据一定都是汇总性的数据。否则，物联网时刻运转采集数据，如果网络中的每一个数字都被丢入模型之中，再强大的运转能力都将无法承受，而战略也丢失了本该拥有的视野。

2.Analyze：分析战略大数据

拉动智慧企业战略管理之大象起舞的马车是“智能算法”，如同现在炙手可热的人工智能，智能算法高明于人工智能之处在于，它们是每一个智慧企业所独有的算法，并且所能处理的复杂度远高于人们目前的想象。(www.daowen.com)

把所有感知的战略大数据交给智能算法，分析数据的过程就是算法的运转过程。算法拥有强大的对企业全局建模与仿真的能力，虽然从输入计算得出输出的时间可能只有一瞬间，其精确性却远远高于时下最精明的战略分析师所使用的最复杂的战略分析模型。算法重构了战略管理模式，因为算法的每一次运行都如同企业做了一次“战略学习”，如同机器学习算法一样，战略管理的智能算法一直都在自我进化，变得更敏锐、更企业，从而成为真正意义上的核心竞争力。

3.Sight：洞察战略大数据

智能算法分析的结果是洞察。战略大数据一切从数据中来，到数据中去，算法给出的结果是一份优质的战略规划的元数据，拼凑起来的结果可能是一份完整的创新商业模式，也可能是一次细微的战略变动决策。

但是，每一次SAS迭代要求企业不仅要有透过现象看到本质的眼光，还要有追本溯源的能力。离开了企业这个载体，任何战略都是无处安放的数据，这便是“管理”的意义。一次完整的SAS迭代，要求一切从企业中来，一切到企业中去，将数据投入企业执行和评估，方能使得整个模型持续运转。在运转的过程中，企业理论如一位长者般始终目光如炬，它在大多时候一言不发，但永远会在企业偏离路线的时候站出来指导方向。偶尔有一两个后起之秀带来先进的思想，长者也会虚怀若谷地接纳。这便是每个企业的“独特”所在。