首先，这个问题凡是直接回答“能帮企业赚钱/省钱”的，都会大概率阵亡。因为数据本质上就是个参谋，不是真正在一线战斗的士兵。就像狙击镜倍数再高，最后打死人的是狙击手，是子弹，是步枪，唯独不是狙击镜一样。想赢得一线战斗的胜利，需要的是经费、技术人员、业务团队和老板的审批权。毕竟数据就是数据，数据能帮助业务但不能替代业务。数据的作用是排在队尾的。
当然，也有些同学变身激情澎湃的吹吹哥，大吹一通：“身为一个数据分析师，我的能力真的好强。不需要投经费，不需要做开发，只要拿着我的分析，钞票就哗哗地来！”这么浮夸的说法肯定会被懂行的人直接拆穿。但万一遇到的是一样不懂行的，还真信了这番话，把吹吹哥招进公司，指望着一分析定乾坤。那吹吹哥会大概率阵亡在试用期，因为根本没有人会理他。谁会没事听一个新人哔哔。没有经费、没有开发、没有销售，靠二行代码一份ppt，能挣个屁的钱。最后所有吹出去的牛逼，都会烟消云散。
数据分析辅助决策，和数据分析师做决策是两个概念
数据分析助力业务，和数据分析就是业务又是两个概念
那么，正确的答法是什么样的呢？
首先，数据分析最大、最直接的作用一定是生产了数据。这才是真正数据分析师们自己做出来的成绩。不需要花里胡哨的包装，数据本身是非常有价值的。就像开车一定要看速度和转速表一样，根本不需要模型，不需要思维，不需要概念，你开车不看速度表试试？就这么简单。
优化运营管理流程。通过对经营数据分析，我们了解企业运营资源如何合理分配，流程哪里需要优化。比如，通过对销售额波动分析，我们确认是销售单价的影响还是成交数量的变化。通过对库存周转率分析，我们可以推断是采购流程有待完善还是备货策略需要变更。
创造更大的价值效益。通过月度或季度生产损耗或不良品的分析，找到降低物料的损耗系数，降低物料成本，创造更大的收益。通过SKU营收与利润贡献分析，确定哪些是畅销品，哪些SKU是营收与利润的贡献的主体，哪些成品又是淘汰或迭代的范畴。
发现了业务机会。通过分析流失用户属性，对用户进行综合评估，我找出了挽留价值高，挽留难度低的用户群体。业务部门采纳了意见并开展挽留活动，比没有进行分层挽留前，提升了用户留存率5%。
提升了效率。我提升了跑数效率，把过往3天更新的数据，提升到了隔日更新，获得了业务部门的好评，提升了决策效率。我设计了移动端报表样式，提升了报表使用率，使业务部门更广泛的获得数据支持。
从0到1，新建数据的作用是最大的。在业务举棋不定的时候，提供数据标准，判断哪个是70分及格，哪个是50分不及格，帮助业务从1做到60分，作用是第二位大。因为没有数据支持下的粗放经营，就是很浪费资源。数据分析就是比拍脑袋靠谱。
至于优化效率，把业绩从60分提升到90分，反而相当难做，实际起的作用也有限。因为做出超凡的业绩，要依赖的往往是不可复制的天时地利人和。这是业务部门发挥天才的时候。再牛逼的分析模型也没法模拟乔布斯的大脑，大致就是这意思。
所以小结一下：数据本身就是价值。数据的价值更多体现在在决策分析前，给业务部门提供正确的方向指示。当然，业务部门如果看到了怎么样做效果更好，自然会引发第二步的动作：依照数据结论，进行决策。这就到了数据分析作用的第二步：间接促成业绩。
