随着计算机和信息技术的迅猛发展，各行各业的应用系统的规模迅速扩大，行业应用所产生的数据均呈爆炸性增长。同时，人们越来越多的意识到这些庞大的数据量对企业的重要性，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。人类历史从未有一个时期像今天一样拥有并产生如此海量的数据，各式各样的数据的产生已经完全不受空间、时间、地点的限制。

大数据可以分为交易数据、人为数据、移动数据、及其和传感器数据等，还可以分为流数据、社交媒体数据、公开数据和其他数据。

数据正在逐渐改变商业的模式，互联网消除了与用户的时空距离，让用户的行为、情感、社交活动数字化，同时消除了企业的资源边界，而物联网使得企业在销售产品后能够获得用户数据，从而云计算有可能处理海数据成为可能。企业可以通过特定的数据算法将商业活动、供应链系统、传感器和标签所抓取的巨大信息进行分析以获得具备高操作性的信息集，而这些信息集中有价值的部分能够帮助企业在变化多端的行业变化中做出正确的判断和调整。

在企业的决策、运营、销售、服务的过程中，相关人员是否一致认同数据的价值，这对企业数字化转型的开端十分重要。除了构建信息化的基础设施，企业还需要建立相关的组织，制定相关的制度，同时，企业员工是否认为数据比职位、权威更有说服力，只有当数据贯穿整个企业的业务过程中的时候，那企业的数字化转型才算是比较成功的。当一个企业真正形成数据文化，才有可能在行动的时候真正的被数据驱动。

一个企业的数据管理能力决定了数据价值的利用程度，数据管理能力成熟度评估模型GBT36073-2018，也就是我们经常在说的DCMM，国外也有相类似的CMMI。

数据分析是对组织各项经营管理活动提供数据决策支持而进行的组织内外部数据分析或挖掘建模，以及对应成果的交付运营、评估推广等活动。数据分析能力会影响到组织制定决策、创造价值、向用户提供价值的方式。那么其过程目标如下：优化级——能推动自身技术创新、在业界分享最佳实践，成为行业标杆；量化管理级——建立了常用数据分析模型库，支持业务人员快速进行数据探索和分析，数据分析能有力支持业务应用和运营管理；稳健级——在组织级层面建设统一报表平台，整合报表资源，支持跨部门及部门内部的常规报表分析和数据接口开发。在组织内部建立了统一的数据分析应用的管理方法，指导各部门数据分析应用的建设。建立了专门的数据分析团队，快速支撑各部门的数据分析需求。能遵循统一的数据溯源方式来进行数据资源的协调。数据分析结果能在各个部门之间进行复用，数据分析口径定义明确；受管理级——各业务部门根据自身需求制定了数据分析应用的管理方法。各业务部门独立开展各自数据分析应用的建设。采用点对点的方式处理数据分析中跨部门的数据需求。数据分析结果的应用局限于部门内部，跨部门的共享模式大部分采用线下进行；初始级——在项目层面开展常规报表分析，数据接口开发。在系统层面提供数据查询，满足特定范围的数据使用需求。

数据分析的流程：确定业务目标——查找数据源和集成——分析方法——洞察与建议——执行后分析。

综上所述，企业数字化转型势在必行，而数据分析是其中至关重要的一环，要想在大数据时代占据稳固的位置，企业就要在数字化转型的过程中合理运用数据分析。

责任编辑：