3月4日，中共中央政治局常务委员会召开会议，强调要加快5G网络、数据中心等新型基础设施建设进度，简称“新基建”，这一政策也昭示着数据应用越来越向全民普及化的趋势演进。进入21世纪以来，云计算、大数据、人工智能、物联网等信息技术的快速发展和产业数字化转型，使得数据量几乎呈现几何级增长，如何从海量数据中获取有用信息也显得尤为重要。

​

       在此过程中，数据分析的概念被越来越广泛的提及和使用，众所周知，数据分析的目的是将隐没在杂乱无章数据中的信息集中、萃取和提炼，从而找出研究对象的内在规律，而这与商业智能（BI）的理念几乎不谋而合。

       随着互联网的发展，企业用户越来越多从线下转移到线上，用户的特点属性需要通过网络获取，企业需要依靠大数据把握市场变化并了解客户，从而提供满足市场需求的产品，而数据分析作为企业运营中较为基础的工作，越来越受到重视。

       很多企业在运营的各环节都会产生大量数据，对数据进行深化处理后的数据分析报告对企业运营管理和发展策略具有非常重要的作用，一方面，企业能根据分析结果进行商业预判和决策支持；另一方面，也能衡量员工工作效益，用于企业内部管理。

       数据分析处理平台通过整合具有不同侧重点的大数据处理分析框架和工具，对海量数据进行筛选和梳理，从中提取出关键信息点，支持企业进行业务洞察和行业分析，从而帮助企业实现商业价值。

       数据分析平台的搭建以企业业务场景和用户需求为基础，以未来通过平台需要得到的价值信息和接入数据为参考，明确基于场景业务需求的数据平台要具备的基本功能，从而搭建出适合自己企业的数据分析处理平台。

       一般的数据分析平台大概可以分为数据采集、数据存储、数据分析和数据应用四个层次，对企业包括系统数据、业务数据、人员数据、管理数据等在内的所有数据，在统一架构下进行整理和分析，从海量的数据中，挖掘潜在商业价值，能提供端到端的数据采集、处理、展现的整体解决方案。

       对于企业而言，在构建数据分析平台的过程中，可能会面临来自各方面的问题，如何选择合适的工具是重中之重：

       1、各种来源的数据

       在企业运维中，数据采集系统会从ERP、WMS、CRM等各种来源获取数据，企业进行数据分析之前首先需要将所有零散数据在数据库中整合起来，这对于实时性要求比较高的业务场景而言会影响反馈速度。数据平台要具备超强的数据集成功能，在不需要外部工具或数据存储库的情况下，能够清洗、转换和结合来自多个不同来源的信息。

       2、数据无法关联和汇总

       在进行数据分析时，数据与数据之间隐蔽的关联性并不一定能够很好的被工作人员和系统察觉，其中某一个或几个关联信息的缺失可能就会对最终的结果造成不同程度的影响。

       3、固化的数据分析平台

       对大多数企业而言，数据分析平台往往只用于企业获取分析结果或进行决策支持。在数据分析平台产品中，用户能够自助创建报表并共享给其他用户，以及产品界面、企业邮件、微信账户间无缝互动，随时随地针对数据问题进行互动式讨论分析。