前一篇文章「為什麼要分析？不做會怎樣？」是從個人的角度探討了分析這件事，接著我們從企業的角度來討論。
每個人都有分析的本能，而組織了眾多個人進行經濟活動的企業，理所當然地也具有分析的能力。自從資訊科技普及之後，大多數企業經營發生的事件都變成了數據，並以數位化的方式記錄和保存下來，這就連帶使得企業將分析的重點都集中在這些營運「數據」上了，也是今時今日造就「數據分析」成為一種顯學、一種趨勢的原因了。
「數據分析」發展了這麼多年，到現今學術界與產業界仍不斷地在鼓吹企業應該要做數據分析，有些說法甚至會讓某些企業懷疑自己沒有數據分析的能力。但想想我們平常上班的時候，是不是要整理許多數據和報表？是不是要檢討上月或上季度業績？記錄生產的良率？統計接聽或回覆了多少客服需求？這些上班的日常活動都是數據分析的體現，所以事實上每個企業組織都具備了一定的數據分析能力，只是沒有達到那些學者專家針對數據收集的範圍、程度、方法、速度等，所訂出的標準罷了。
大體而言，這些「數據分析」的文章會先列出數據分析所帶來的好處，接著談到數據收集的範圍要廣泛、全面且深入，因為人力無法負荷及處理為數眾多的數據來源及繁複的數據內容，所以就可能會講到一些高端專業的IT術語、一些聽過之後卻記不住名字的演算法、功能強大的程式語言或工具等，說明藉由這些資訊科技手段可以達成自動化數據收集、整理和分析的必要步驟，然後使用能讓人便於理解和判讀的方式，以視覺化圖表構成一個儀表板呈現結果，讓使用者可以依據足夠且能夠理解的資訊做出決策判斷，進而採取行動，最終為企業帶來相關的效益。
而「數據分析」最主要的目的則是「找出問題進行改善」以及「發現機會」，但有這樣的好處，那為什麼多數的企業還在觀望、摸索或嘗試小範圍的進行這種專家學者標準所定義的「數據分析」呢？
就個人的觀點，我認為他們也都在問自己一個問題，就是：
「為什麼要做『數據分析』？不做會怎樣？」
企業在進行決策時會比一般個人做評估時考量更多複雜的因素，「數據分析」是否與銷售的商品/服務及其營收和利潤直接相關？還是用於支援核心業務的輔助事項？若「數據分析」可以優化增強核心業務，那要收集廣泛、全面且深入的數據，要在哪裡收集？收集哪些數據？數據是否有用？要用什麼方法、技術進行收集？要委外、新聘還是由既有人員執行？人員是否已經具備相關的技能？人員是否可以透過學習獲得技能？要投入多少時間？要花費多少錢？採用新的方式可能會增加多少效益？如果失敗或是效益不如預期，是否會衝擊既有的營運績效？是否可能對企業的生存或發展有負面影響？
面對「數據分析」這種範圍廣泛、變數眾多且涉及複雜技能的輔助性專案項目，要獲得足夠的資訊來評估投入的時間、人員培訓、委外支出等相關成本是相當困難的，再加上預估的效益又是取決於專案的產出與後續其他業務行為彼此搭配的效果，所以在這種不知道「做」了會不會比較好，但「不做」就是現在這樣的情況下，多數的企業分析之後的結果就是繼續觀望、摸索或是進行小範圍的嘗試，也就是現在不做應該不會怎麼樣！
但若從市場競爭及企業長遠發展的角度來看，可以建構競爭優勢和洞察發展趨勢的「數據分析」似乎又是一個值得投資的標的。投資一定有風險，將風險控制在企業可以控制的範圍就成為企業要導入「數據分析」解決方案時的首要考量，因此，如果可以：
確認收集的數據與核心業務緊密相關，可依據需求調整數據收集的來源，並且可以預估或控制收集數據的成本；
評估人員對數據收集、清洗整理、工具應用及進行分析等技能落差，可以合理配置資源在更能有效支援核心業務的部分，降低人員學習及訓練成本；
縮短系統建置、數據收集、教育訓練及功能驗證等專案導入時間，減少對既有營運的影響時間。
將費用、人力、時間等相關成本控制在企業可以接受的範圍，這種「數據分析」解決方案才值得企業進行投資。