对企业来说，一方面要认识到数据分析的必要性。另一方面，更要提高数据分析能力，形成独特的竞争优势。企业面临的挑战越多，数据分析的能力就越重要。然而，一般企业都在关注如何制作一份、处理一份bi报表，能看懂多少业务数据，找出哪些问题。比如，在报表和数据分析对比时，都不能说出差异，比如差别大于什么水平，这就是数据分析问题。
实际上，无论是制作报表还是数据分析报告，不应该是一种专业的数据处理技能，更应该注重本质。作为企业数据化管理的“操作性工具”，数据分析本身是否具有即时性，将直接影响上层业务决策。这个问题需要从商业智能的本质说起，而商业智能是基于业务数据、反馈到产品的最终需求，在这个大前提下，分析从不“离开业务”。
具体来说，数据分析能力的实质，在于解决业务数据来源的两个问题：一个是流程里的门槛问题，指导产品开发、商业决策、支撑营销和销售等需求；另一个是管理或分析师的数据引入问题，指导运营和管理，规划和优化销售、营销、销售等需求。比如做大数据分析，需要这样两个环节，一是找到数据源，二是获取最新数据。找到数据源问题，本质上是在收集数据，这本身并不是数据分析，可能属于etl技术。
在产品设计、数据挖掘、销售分析、消费者洞察等不同阶段，有不同的解决方案，可以是将分析结果配置到kafka，也可以是建立复杂的分析平台。解决第二个问题，就是获取最新数据，重点是流程中最大瓶颈那一步的“获取”和“转换”。在这个问题上，如果是第三方已经封装好的处理框架，企业数据工程师的工作通常是cube查询或内存运算。
