数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
企业需要数据并不等于需要数据分析师。
如果仅是想看数据，其实有很多企业可以提供这样的服务和工具。比如流量统计工具GA，比如报表工具Tableau。这些工具都可以在不需要分析师的情况下，对业务人员做简单的培训就可以用起来。
分析师承担的是相对复杂的、个性化的、以分析为目的（而不是查询）的任务。如果企业有如下情况之一，那么可能是需要建立一支分析师队伍了。
- 决策需要数据支持：决策层通常不是只看到数据就可以做出决策的，他们需要知道的是数据变化的原因、预测某个决策可能造成哪些指标及如何变化的结果，这是一个相对复杂的分析任务，不是工具或者非专业人士可以回答。
- 业务规模大、复杂度高：在此情况下，即使只是构造单个指标，也需要经过严密的口径定义、复杂的计算才能得到，且需要经过校验才能保证数据是准确无误的，这样的工作通常由分析师完成。
- 业务发展变化快：在业务稳定的情况下，数据的计算及业务含义不需要经常变化。反之，数据的定义、计算和业务理解则需要不断地适应业务的发展，需要分析师不断地维护这些数据。
- 精细化运营：业务在经历开始阶段的快速增长，达到稳定阶段之后。运营风格会由粗放型转换为精细化。此时，需要对业务指标进行拆分，并分析相关性及数据之间的因果关系。
- 数据统计口径混乱、可信度低：有的企业存在数据孤岛的情况，每个部门掌控着一部分数据，会造成同一个指标，由不同部门出结果不同。此时需要重新梳理指标口径定义、数据采集、计算，找出数据之间的差异。当然，最后要彻底解决问题，则需要解决数据孤岛的问题
- 数据建设的初始阶段：这时候需要分析师梳理业务流程、确认需求、建立指标体系、定义计算口径、整合数据源等
- 业务需求不清晰：业务有需求，但很模糊：比如，我想知道最近某某业务的运营效果如何？但是该看哪些指标则不清楚。此时需要分析师深入了解业务需求的背景和目的，将业务需求指标化。
声明：本文来自数字中国，版权归张志红所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
