就在幾年之前數據分析科學還依舊局限于研究領域，得益于這些研究者們的貢獻，現在大數據已經成為了潮流，人們正爭先恐后地進入該領域。
從今年年初到現在，幾乎所有的CEO，CIO，CDO，CMO，SVP，CCVP都在試圖解答這個無解的問題，尋找未來面臨的問題的解決方案。這些典型的問題包括如下。
 
如果讓我的公司華麗地進行革新？
如果將自己的服務和產品打入市場？
如何讓員工轉變原有觀念，接受根據有洞察力和創造力的數據分析理念？
如果數據分析能力還不夠成熟的情況下，如何做出漂亮的產品？
對于政府主導的項目，我們該如何推動社會的發展，比如通過數據分析來減少犯罪率。
 
舉個例子：如果你在石油部門工作，試想下如何才能提高石油的產量？因為先進的科技以及商業利益的驅使已經加速了資源的消耗，我們不得不采用比較困難的方法，比如采集深海石油或者巖石層的石油，對于地質勘探這個問題我就不再班門弄斧了，WAZ和NATS能提供更多有價值的數據。試想一下如果你擁有一雙發現黃金的眼睛，這會意味著什么？
沒有任何一個行業可以說自己和數據完全無關，隨著產生和獲取數據的途徑越來越多，有遠見和智慧的公司機構已經意識到了數據分析能力的重要性，以至于各種CXO們為這些問題寢食難安。
先來了解下什么是數據學&數據分析師
維基百科的定義是這樣的：
維基百科：什么是數據學？ 數據學是從數據中獲取信息的科學，它包括了很多組成要素，依托于各個領域的技術和理論，其中包括信號分析，數學，概率論，機器學習，統計學，計算機編程，數據工程，模式識別，數據可視化，不確定模型，數據倉庫和用于分析數據和開發數據產品的高性能運算技術。數據學并不局限于單純大數據而已，盡管大數據是其重要的組成部分。
那么什么是數據分析師？
什么是數據分析師？數據分析的從業者稱為數據分析師。數據分析需要專業的知識背景，數據分析工作需要具備的能力包括數學，概率學，計算機學，盡管他們未必要擁有這些領域的學位證書。不過通常數據分析師們只擅長其中某個領域，所以數據分析工作通常需要一個團隊來完成，這個團隊中人們各司其職，相互協助和合作。
為什么數據分析如此重要？為什么是現在？
現在結束上面無聊的概念部分，讓我們來探討下為什么這個詞，當今社會究竟發生了什么？
我曾經和我之前的一個合伙人有過一次有趣的談話，我們探討了咨詢行業為什么變化如此之大的問題。你們可能并沒有注意到Booz，Monitor Group這些老牌咨詢公司已經被其傳統的運作方式拖垮了，如果不去改變傳統的運作模式，會有越來越多的公司陷入同樣的麻煩之中。
他們面臨的問題在于“基于固有模式的咨詢服務”，如果你是相關行業的從業者，肯定知道我說的是什么意思。但越來越多的客戶更加關心的問題是“如果”，他們不再關心你的長篇大論，因為他們自己就可以完成這些事情。
現在的客戶遠比你想象的NB的多，他們會在找到你之前自己查找搜集和處理相關資料。他們真正需要的是專業的，具有遠見和說服力的具有預測性的建議。如果你不能提供這樣的服務，那么你就出局了。
企業數據管理服務領域同樣面臨著相同的挑戰，我們正從單純的“描述性或者因果分析”以及“請告訴我將會發生什么”的模式轉變到“有預測性的，相關和全面的如果-那么模式?！?br />
現在我們已經正式開始步入大數據時代，兩個重要因素正促進這種改變。其一，各領域產生大量的數據已經可以為我們所用，其二，基礎設施（IaaS）的巨大發展，而這些改變在以前是不可想象的。
這些改變促進了物聯網的發展——通過基于地理位置的通訊，實時定位以及嵌入式傳感器將原本簡單的物體變得具有智慧。下面這幅圖展示了我想表達的內容，看看你的公司正處在哪一階段？
總結
當今社會產生的巨大個人數據將是一個重大的商業機遇，不論去分析交易記錄去規避風險或者預測用戶的行為來制定用戶推廣計劃，你要做的不僅僅是建設一個看起來很酷的平臺，你更需要組件一支NB的隊伍和詳細的計劃。
不要再單一通過數據分析來進行歸納總結來制定商業計劃書，我們還需要關注數據分析和機器學習的結合，因為他們可以給我們帶來海量數據背后巨大的價值。它可以幫助你解決更高層次的問題并帶給你前所未有的的商業價值。