一、数据分析的作用
1、行为遇见镜——识别机会、规避风险
2、问题药丸——诊断问题、亡羊补牢
3、跟踪摄像机——评估效果、改进营销
4、引力动力器——提高效率、加强管理
二、数据化建设轨迹
基于数据化程度，需要建设先行，具体分为四个步骤：
1、初级建设，初级应用——中级建设，初级应用
2、中级建设，初级应用——中级建设，中级应用
3、中级建设，中级应用——高级建设，高级应用
4、高级建设，中级应用——高级建设，高级应用
假设你的企业目前属于中级建设，中级应用阶段：加大数据建设方面的投入，建立数据分析部门，整合数据资源、加强数据的安全性，同时提高数据分析对业务的支持面和支持度。
三、数据分析解决的问题
1、数据分析的意义在于，使企业倾听到市场的声音，指导企业按照市场的特点和规律运营，这样的决策才更客观，避免经验与市场需求存在差异。
2、数据分析提高了企业决策的成本，但是降低了因为决策失误造成的损失，和不必要的管理成本。
四、数据分析的组织结构
数据分析部门有两种组织结构，一种是散落在各个部门的分散式，这种结构的问题在于，数据分析师不能全面的搜集多维度数据，导致难以下决策，而且数据的安全性不能保障，另外一种结构形式是形成数据分析部门，这个部门应该是高于或者平于其他部门的，它可以随时的调取数据，但是问题是，这样对业务不熟练会导致对需求理解的偏差，为了避免这个问题，可以采用以下4种方法：
1、规范的流程：需求一般由业务部门提起，通过数据部门对数据的获取和计算结果返回到业务部门，这个流程中业务部门不仅要提供数据的规则，同时要对获取数据的目的，指标的定义、用处和价值做出详细的描述；数据部门不仅要给出最终的数据，同时需要对指标获取途径、计算方法做出解释，最终的目的都是为了使双方在理解上达成一致。
2、详细的文档：即在流程中产生的两类文档——数据需求文档和数据解释文档，详细的文档记录方便备查。
3、合理的展现：要让每个人看到自己想看的数据，并能直观的解释理解这些数据，同时，无论Excel，还是其他展示方式，每个指标都能直接查看其数据解释文档。对于互联网公司来说，每天所产生的数据量都是非常庞大的，个人建议是必须有一套数据分析工具，为了节省时间，推荐使用第三方外包，开源代码形式，基本一个月可以正常运行，节省时间、人力、财力。
4、顺畅的衔接：要保证业务与数据顺畅衔接，必须有一个衔接人。这个人应该对产品的战略目标/业务流程十分熟悉，同时对数据的获取途径、计算方法也了如指掌，不需要涉及高技术难度的数据ETL处理、组织和优化，但必须具备自己去计算和获取数据的能力，这个人往往就是数据部门的负责人。
五、数据分析部门的职责
数据分析的价值是为企业决策提供支持，需要从数据平台、数据支持、数据应用三个方面下手，
职责比例20%数据平台+30%数据支持+50%数据应用
1、数据平台
数据平台是数据分析的肌醇，要搭建数据平台，需要各部门紧密合作，整合销售、客户、财务、生产、员工、管理、竞争等数据，在此基础上引进IT架构和系统更新。
2、数据支持
数据支持是指根据业务部门的需求提供相应的数据，如用户、竞争、市场、环境等数据，这些数据可以线上呈现并分配好权限，方便随时调取查看。
3、数据应用
数据应用是数据分析部门的关键职责和核心价值。数据应用领域包括战略、投资、营销三个方面。
