本文主要是介绍数据分析：智能企业七步曲（一），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
原创： MicroStrategy微策略中国
作者：数据杰论
时间走到2018年最后一个季度，过去几年热炒的大数据概念正在各行各业开始落地并展开实际应用，核心是关注数据如何能为企业带来价值。因此，数据分析及其种种实现手段不断被提上企业信息化建设议事日程，目标是使得决策和管理不再是过去那种老板主观凭经验任性而为，而是依据客观的数据来辅助甚至主导决策，让数据赋能企业，并终究成其为智能企业。我想大家对此趋势都会表示赞同。
但是，到一个个具体的企业实际环境中，甲方的朋友们可能还是有大量的现实困惑：
我们公司小，数据少，大家没这个意识…
我们的业务人员都喜欢传统方式独立作战，我们IT给的数据分析系统人家不用啊…
我们的同事都有数据意识了，但是系统出的数据老是不准，没法用…
我们的业务体系很杂，系统多达50套，数据汇总和变现速度跟不上业务需要…
我们构建了数据分析平台，性能也不错，但是成千上万的用户进来如何可控并安全的让他们使用数据，这点很头疼…
道理和方向大家都知道，都知道数据是金矿，都希望在金矿上面有所作为。但具体到实际场景中，却总是犯难，颇有些“道理都懂，可仍然过不好这一生”的感慨。
在数聚看来，这当中有很大一部分是因为企业为自己设置了一个不符合现阶段情况和发展需求的目标，缺乏方法来指导数据分析体系建设引起的。每个企业都有自己特有的“企情”，别的企业所做的事情和使用的方法不见得适用于现阶段的本企业。试想一个稍微夸张的例子，一个100人的小型企业，如果就要搞大而全的数据仓库、搞数据平台，显然是有些超出阶段性能力和需求的。从100人规模到10000人规模，可能中间有多个中间状态需要一步步走过去，比如个人级的数据分析方案、小组/部门级的数据分析方案、数据分析团队的成立和完善、数据分析师团队的引入、数据仓库的构建和完善、数据生态和意识的建设等等环节，不一而足。人不能一口吃成胖子，企业也一样。
正因为每个企业都有不同的阶段性情况和需求，我们总结不同阶段企业的特点，就可以描绘出企业从小到大、从简单到复杂、从零散到体系的多阶段全貌和数据建设生命周期，每个阶段可以描述出它的特点、适应的企业发展阶段、升级到下一阶段的前置条件和核心要素等。每个企业都可以在这个全貌中找到自己所处的阶段，并参考此多阶段理论，根据企业发展需求找到自己下一步的目标，用之匹配企业下一阶段的需求升级，指导数据分析体系的增量式建设。
我把这个多阶段全貌分为7个阶段，从最开始的无分析或个人分析到最终理想的数据分析生态体系。这个过程也是企业从无数据分析指导，到数据分析的价值如血液般赋能企业生态各个角落的过程。企业提升自己的数据分析发展阶段的过程，也是在智能企业的建设过程中逐步前进的过程。
这7个阶段（或级别）分别是：个人级、部门级、企业级、体系级、可控级、信任级以及生态级。我们后续会陆续对这7个阶段进行探讨。
这七个阶段主要从两个维度进行区分：
其一，数据分析的采用率和普及度。一个显而易见的指标就是企业里面有多少人真的在使用数据分析支持业务需求。
其二，数据分析的可靠性。可靠性有两个层面的意思。一个是数据是否准确可靠，不能是错误的数据或有歧义的数据；另一个是数据分析对业务使用价值的可靠性，如果得出的数据结论对业务没有价值，即准确但没用，也是白搭，这个涉及对业务的理解。企业需要的是行动化建议。
为了方便称呼，我把这个7个阶段的概念称之为“智能企业七步曲”。
不过首先，什么是智能企业？我们列出几条定义式描述：
“智能企业”是彻底的数据驱动型组织
“智能企业”有强大的数据基因，并且将数据变现为利润和增长
“智能企业”基于各类企业数据资产，构建可信任的数据底座，将数据分析和价值如血液一样流淌到企业经营的每一个参与者
首先，意识和认知层面，数据分析在智能企业中不是一个成本中心（Cost Center），而是增长中心（Growth Center）。智能企业，首先从最高层管理者开始，都有着极为强烈的数据化管理意识和思维能力，是数据驱动增长理念的坚定捍卫者。在组织的管理和运营中，不断深化组织每一个参与者的数据意识，使之成为企业文化的一部分。数据分析不再是传统信息IT部门每年例行公事花预算的事情，而是整个组织的共同追求和实践。
其次，前端价值交付层面，智能企业拥有将数据转换为利润和增长的能力。智能企业能够很好的将数据技术（DT）与业务需求合二为一，不再是过去技术不懂业务、业务不懂技术的尴尬局面，逐渐出现数据技术和业务都理解的融合性人才和团队。甚至，业务会逐渐的由数据来指导和开展，举个栗子，在零售门店场景下，有价值的数据分析会拆解业务数据，并主动告诉店长门店经营出现问题的原因在哪一个方面（因子分析），可能是复购率问题，可能是流量转换率问题，也可能是库存和周转问题等等，并加以量化和推出改善性行动建议，进而引导店长和管理者在相关方面进行针对性行动。
最后，后端基础设施层面，智能企业拥有强大的数据中台和数据底座，底气十足。基础设施之于前端价值交付，如深厚的地基之于万丈高楼。企业上到一定规模，都有大大小小少至七八套，多至数十套上百套的业务支撑系统。智能企业能够建立强有力的数据管道，将各系统数据融合统一并进行语义级别管理，形成统一的数据描述和口径定义。任它数据千千万，我只听见一种声，这便是可信任的数据底座。随后，架构于该底座之上的数据中台能够像心脏之于千万个毛细血管一样，将数据输送到各个需要数据支撑的前端业务单元，最终形成完善的数据生态。
聊完智能企业的一些基本点以及智能企业的7步理论，我们下一步将就智能企业的7步分别进行描述。鉴于内容略微过长，我们将分为3个子文章逐段发送，敬请期待和指正。
这篇关于数据分析：智能企业七步曲（一）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
