在互联网工作，产品的指标组成了职场的工作成绩，由此在找到自己要关注的指标前，首先要区分自己的分工。

在新经济的推动上需要每个人都参与其中，通过借助数据资源注入的方式来平衡与实现。企业建立数据中台目的是也一样，一定要先对企业的数据进行数据盘点，然后再去做数据资源规划。

如从最初决策支持系统(DSS)到商业智能(BI)、数据仓库、数据湖、数据中台等，这些概念特别容易混淆，本文对这些名词术语及内涵进行系统的解析，便于读者对数据平台相关的概念有全面的认识。

利用统计学，我们可以更深入、更细致地观察数据是如何进行精确组织的，并且基于这种组织结构确定数据分析的方法，来获取更多的信息。今天给大家介绍数据分析中常用的五个统计基本概念。

本文将用较长篇幅，分上下两篇，从数据收集、数据处理、数据分析与管理、数据应用四大部分，来简要阐述一下构建企业级DMP系统的全生命周期流程，以及整理归纳出其中的知识要点。

建设大数据平台的最终目的是服务于业务需求，解决现有业务问题或者创造新的机会。业务部门可能并不关心是采用大数据技术，还是传统的数据库技术，是否采用大数据技术的主要依据是数据量。

对于产品来说，数据是很重要的。有了数据才能发现问题、提升留存、留住客户。那么，我们如何才能借助数据达成以上的目标呢？

在产品精细化运营时代，经常会遇到产品增长问题：比如指标涨跌原因分析、版本迭代效果分析、运营活动效果分析等。这一类分析问题高频且具有较高时效性要求，然而在人力资源紧张情况，传统的数据

“没有最好的，只有最合适的”。如果是选择这些主流的产品的话，什么产品才是最合适自身企业的呢？

企业用户BI产品选型应该把握以下几个关键环节，从自身需求、信息化建设阶段和产品功能、厂商服务等方面，综合规划与考量。

数据湖的实现需要很多关键因素，其中涉及从技术到治理，组织需要评估其实施策略中最重要的因素。

企业规模越大、业务形态越复杂、运维能力越高的企业，运维所纳管的数据越多，运维数据变现的效果越好，相对应的，运维数据建设的层次越高