数据分析，作为一个新的行业领域，正在全球迅速发展，它开辟了人类获取知识的新途径。
目前数据库技术、软件工具、各种硬件设备飞速发展，在这些软硬件技术与设备的支持下，信息技术的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，积累了大量丰富的数据。但大部分企业对其存储信息的利用率极低。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决策层的重视，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，而且还有扩张之势。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，无论是政府决策，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。
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一张一张的摞起来，可以从地球摞到月球两次。
全球每年产生的数据量
面对这样庞大的数据，对数据分析师的要求就不仅仅是单纯做分析了，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，而不是孤立的在“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”，当然数据分析师也要理解这个“供应链”。
（读书笔记：狄松）