关于企业的大数据体系构建，可以分为4个层级，每个层级之间可以是递进的关系，虽然业务主导不同，但构建思路相通。
关于企业的大数据体系构建，可以分为4个层级，每个层级之间可以是递进的关系，虽然业务主导不同，但构建思路相通。
一、数据基础平台
基础的数据平台建设工作，包含基础数据平台的建设，数据的规范，数据仓库的建立、数据质量，统一业务口径等等。
很多公司的数据无法有效利用，一来是数据散落在各个部门产品的服务器，各个业务系统的数据没有打通；二来是缺乏统一的数据规范，业务系统数据按照各自的口径和理解习惯上报，没有标准化的SDK和上报协议，难以构建高质量的数据仓库。
大数据平台架构的搭建并不是什么高大上的技术活，整个平台价值的体现，其实需要公司各个部门的配合，是一个相互依存的关系。例如关键数据指标体系的建立，需要从各个部门业务指标进行提炼，并得到业务部门认可。常见的关键指标，比如营销业务新增用户，有效新增用户，活跃转化率，累计留存数，渠道效果等。比如销售部门，日销售额、月销售额、回款占比等等。
在第一层级中，进行数据指标体系规范，统一定义，统一维度区分，就可以很方便的进行标准化可配置数据报表设计，直观的可视化输出设计，包括财务、销售、供应链等多种数据类别。常见的数据报表工具有i@Report、birt、水晶报表，小规模也可以用Excel来替代，但需要一定的开发量和使用水平。企业的报表通常可分为基础查询类报表、管理层分析报表和主题分析报表。
三、精细化业务分析
某些业务是需要精细化管理的，比如互联网电商的运营，为此还提出了“增长黑客”一概念。在建立数据平台和可视化基础上，对已有的销售用户行为、收入数据等进行各种分析，输出日报、周报、月报、各种专题分析报告。以互联网为例，常见的数据分析工作如下：
1. 通过 A/B 测试进行产品分析优化；
2. 运用漏斗模型进行用户触达分析，如广告从曝光到活跃的转化；
3. 营销推广活动的实时反馈；
4. 业务长期健康度分析，例如从用户流动模型、产品生命周期分析产品成长性和健康度；
四、战略分析与决策
战略分析与决策更多的是基于企业经营层面的分析和重大决策改变的分析，这些决策往往需要大量数据和指标的支持，而在过去是依靠报表和经验。
企业如果要将大数据体系贯彻落实，建议是用机器来做好业务运营监控，在此基础上让人来做人类更擅长的经验分析和战略判断。
（部分内容来源网络，如有侵权请联系删除）
