一个完善的企业级数据分析体系的应该是怎样的？有人说：那必须得有一个大数据的团队，然后加上大数据平台、大数据分析、大数据挖掘的技术，这就可以了。
大数据分析平台包括：一堆的服务器、数据采集与处理、分布式存储、计算引擎、数据仓库，其中还分为离线和实时两条技术线。
大数据分析包括：指标体系、维度、固定报表、多维分析、即席查询、专题分析等。
大数据挖掘包括：标签体系、算法开发平台、推荐系统、预警预测等各种模型及应用。
大数据团队包含大数据工程师、算法工程师、BI工程师、商业数据分析师等角色。
外行人一听，哇，牛X！高大上啊，果然专业！
老板一听，头就大了，这得要多少钱，多少时间才能建好啊？
数据从业者一听，亚历山大，还得懂这么多东西，这活没法干了。
上述回答正确吗？正确，但是没有用。
一家公司就像一辆车，管理层就是司机，各个部门就是汽车的各个系统，公司运营的过程就是平稳安全的到达目的地。
在其中，数据分析体系应该承担感知系统、报警系统、导航系统的职责。
那么一个企业级数据分析体系的最佳实践应该是这样的：
内部感知系统：及时告知各项内部运营参数；
外部感知系统：及时反馈外部竞争、机会状况；
报警系统：及时发现并报告各项异常，并指明故障点；
导航系统：根据设定的目标，提供可到达的若干方案，根据当前方案和位置，指明下一步行动方向，对目标进行合理预测，实时反馈当前执行情况。
我们把整个系统分解一下，可以明白其实“大数据”只是工具层面，在高并发、高可用、高可靠的环境中，提升数据分析、挖掘的效率。所以选用什么工具，什么技术，需要什么样的人员，都是之前梳理好的流程和架构好的数据分析体系决定的。而需要什么样的架构，是由企业的类型、所处的阶段和短期、中长期的目标决定的，不能一概而论，无论什么都一律上大数据平台、搞算法、机器学习、云平台解决。
落地到每个企业的实际情况，则需要一个落地的解决方案，可以是一个简单的临时方案，也可以是系统化的解决方案；也可以是一个两个人去解决，可以是一个大团队承担。
脱离实际情况谈数据分析体系，就是耍流氓，欺负外行。盲目追求高大上，最后的结果必然是离群索居，曲高和寡，不解决实际问题。
所以，根据企业的实际情况，建立满足当前需求，适当超前规划，具备内外部感知、报警和导航功能的组织和技术，就是数据分析体系的最佳实践。
下一次分享如何搭建企业级数据分析体系。