目前，数据库技术、软件工具、各硬件设备飞速发展，在这些软硬件技术与设备的支持下，信息技术应用已在各行各业全面展开，尤其是对通信、互联网、金融等行业的发展做出了巨大贡献，并且经过长期的应用积累大量丰富的数据。但大部分企业对其存储信息利用率极低。庞大的历史数据是否有价值？有何价值？是否可以综合利用分析？是否能够为领导决策提供参考依据？

回答是肯定的，数据分析这一项工作越来越受到领导层的重视，借助数据分析的各种工具从海量的历史数据中提取、挖掘对业务发展有价值的、潜在的知识，找出趋势，为决策层的决策提供有力的依据，对产品或服务的发展方向起到积极作用，有力推动企业内部的科学化、信息化管理。

从20世纪90年代起，欧美国家开始大量培养数据分析师，直到现在，对数据分析师的需求仍然长盛不衰，而且还有扩展之势。根据美国劳工部预测，到2018年，数据分析师的需求量将增长20%。就算你不是数据分析师，但数据分析技能也是未来必不可少的工作技能之一。

数据分析师如此抢手的原因何在呢？

一个简单的原因就是社会越发达，人们对数据的依赖就越多。无论ZF决策还是公司运营，科学研究还是媒体宣传，都需要数据支持。那么，对数据有如此大的依赖，就必然导致对数据分析的大量需求。因此，将数据转化为知识、结论和规律，就是数据分析的作用和价值。

那数据究竟会庞大到什么地步呢？

据国际知名咨询公司估计，到2020年，全球每年产生的数据量将达到3500万亿GB，打个比方，就是用普通的DVD一张一张地摞起来，可以从地球摞两个堆一直到月球。

面对这样庞大的数据，数据分析师的职责就不仅仅是单纯的分析了，更重要的是与相关业务部门进行合作，将数据真正应用到业务中，根据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。这就要求数据分析师不仅具备洞察数据的能力，还要对相关业务的背景有深入的了解，明白客户或业务部门的需求，从而将数据信息化、可视化，最后转化为生产力，帮助企业获得利润。这就是整个数据“供应链”。当然数据分析师也需要理解这个“供应链”。

那怎样才能成为一名优秀的数据分析师呢？

学习数据分析需要时间和经验的积累，而不能一蹴而就。在工作中运用不同的分析方法对数据进行分析，并与业务部门同事积极沟通，加深自己对整个行业或研究内容的理解，相信在两到三年内，一个优秀的数据分析师就会诞生。

来源：Hadoop云计算