这是一个宽泛的问题，答案很肯定：能。但还需要翔实一点的解释。
1、数据会让企业运行的更好吗？
由于数据分析的作用对象是具体的业务，就先从业务说起。这个世界上一定存在这样的工作，即使没有数字和计算的引入，也照样可以在一定程度上运行良好。那么，不喜欢有处理数据的同学，可以去找找这方面的岗位。但可以再多思考一步，对于这样的工作，如果引入了数字和计算，是否可能会运行得更好？这个问题暂且放一放，稍后回应。
2、各行各业正在进行数字化转型
必须正视当前的时代背景，各行各业都在进行着数字化转型，而这个趋势会一直持续下去，丝毫都没有被现在的疫情所阻挡。这表明，很多行业的业务内容会被转化成数据形式，同时也意味着数据是业务内容的基本单位；而业务的运行过程是以数据流为存在形式。换句话说，人们通常认为的干活或者工作，本质上会转化为数据的处理。不难发现，处理数据的最佳方法论和工具，就是所谓的数据分析和数据挖掘这样的数据科学内容，而其主要基础则是数学，统计学和计算机科学。
3、数据分析悄然成为业务的要素
可见，数据分析已然内化为业务实践的一部分，同时也会在更高的层面对业务运行进行规划和指导，尤其在以IT技术为基础的产品构建和运营中承担必要且充分的作用。事实上，任何工作的持续发展，都必然需要进行信息交换和经验交流，而这样的过程都可以通过数字化转型而得到效率的提升和效果的优化。于是，对于传统意义上似乎不需要数字和计算参与的行业，一经引入数据科学方法，必然会朝向更好的发展方向。
4、数据科学对业务驱动已成必然
此时需要承认：以数据分析为重要内容的数据科学方法体系在业务驱动方面的作用是必然的。但是，有人会问: 为什么感觉不到数据分析的作用？ 原因很多，篇幅有限，先提三个重要的点。
4.1 业务发展已离不开数据分析
第一，数据分析本身是一种思想或者思维方式，具有很大的潜在特征，并不像硬件那样容易看得见，摸得着。举例：在各类互联网产品中，用户容易感受的到的功能，和不容易感受的相关程序运行的各个状态，比如放在什么位置容易吸引用户，各个端口的数据量如何规定和传递，等等，其实都是在标准的数据分析思想的指导下和调查分析实践的基础上设定的，并且经常需要复杂的数学模型作为辅助。
只不过类似这样的操作，内化于过程中，又隐藏于结果背后，显得过于低调而不易被察觉，实则不可或缺。一旦在某种状况中，缺失了这一环节，业务出现故障只是时间早晚的问题。近年来这方面的例子很多，如某媒体公司，某电商公司因为长期不重视做据分析的内容，对历史数据不做积累和分析，导致对前景预测缺乏可靠数据，而最终整条业务线瘫痪。
4.2 数据分析师地位在不断提高
第二， 数据分析本质是一种应用数学方法，相关的从业人员至少需要有扎实的数学，统计学和计算机的基础，以及对于业务内容的充分理解，才可以使得动数据分析这个工具。当然这里并没有强调必须要有相关的专业背景，但必须强调的是，严格的相关专业训练不可少。这意味着，看几本数据分析甚至数据科学的书，然后激情满满，斗志昂扬，是很难就成为合格的数据分析师或是数据科学家的。
事实上，数据分析师这个行业人群已经鱼龙混杂，我所共事过和遇到过的数据分析师们，不得不说，很多或是专业素质不足，或是业务理解偏差，最终导致没有真正发挥数据分析应有的作用，而令人质疑甚至轻视数据分析本身的作用。而像这样的许多数据师傅们，竟然已有不少在公司中占据重要位置，影响可想而知。不难看到这样的现象，数据分析师群体，类似产品经理，头部和称职的人员占比并不多，因此还是非常需要二次培训和进化的。
4.3 数据分析不能因看法边缘化
第三，相关公司领导层对如何使用数据的看法不正确。这主要表现为把过度把业绩数字当成一种面子或是牟取其他利益的手段，而进行数据修饰甚至造假，不再重视数据分析对业务的持续性优化功能。这造成的后果是，本应用于处理真实数据的精力，被用作制造非恰当数据，严重者则有捏造故事，互相欺瞒。显然，本来用于求真的数据分析驱动业务的角色已经为作假所取代，其重要性也就被边缘化了。
余下各种原因还有很多，归纳起来，无外乎三点:
- 认识不到数据的实质重要性
- 缺乏合格的数据分析能力
- 不具备正当使用数据的品质
相应地，要做到数据分析在驱动业务中处于指导地位，而且能够发挥决定性的作用，则需要满足以下条件是:
- 把工作交给称职的人，
- 让不称职的人去继续参加培训，直到合格为止。
想获取更多内容，请关注海数据实验室公众号。
本期分享到这里，我们会每天更新内容，咱们下期再见，期待您的再次光临。有什么建议，比如想了解的知识、内容中的问题、想要的资料、下次分享的内容、学习遇到的问题等，请在下方留言。如果喜欢请关注。
