創業公司初期一般是不會重視數據的價值的，因為重點是在產品上，如何做好產品來吸引用戶。并且用戶數量少、產品結構單一，數據很難發揮出價值。
- 到第二輪、第三輪融資時，一般DAU達到百萬級別。此時投資人會需要看你的數據，看公司的運營發展變化情況，此時，就會出現報表這種東西——就是把核心的指標，DAU、MAU等一系列列成一張巨大的時間序列表，觀測每天的發展趨勢。但此時，對于數據的利用也就僅僅局限在核心指標的匯總計算上。此類公司的數據分析師的工作可能就是生成報表，研究指標周期變化趨勢等。
- 公司穩定發展后，可以通過埋點等方式獲取海量、多維度的數據后，便可以做更多的事情。比如根據用戶的多維度屬性，研究用戶畫像、將用戶聚類等；根據用戶瀏覽網頁或者App的路徑數據，研究用戶行為偏好等；根據用戶的評論文本數據來甄別是否是惡意用戶等。此時，可以利用海量、多維度的數據做很多的事情，而不單單是簡單的數據指標、數據報表。此類公司不僅僅有數據分析師，還會有數據挖掘師，算法工程師等。數據分析師的工作會研究用戶行為、用戶偏好等。
- 當公司發展到產品豐富、商業模式多樣化的成熟狀態后，數據是海量的，業務模式是多樣的，如何最大程度的利用數據產生價值是此類公司所追求的。就像馬云提出的觀點：阿里巴巴不是零售公司，是數據公司。此時會出現諸多與數據相關的崗位，如基礎層的數據研發工程師，數據架構師等，應用層的數據分析師、算法工程師、數據挖掘師等，上層的數據產品經理等。從數據獲取，到數據的應用，再到數據產品的研發，目的就是最大限度的實現數據的價值。此類的數據分析師，由于業務的復雜性，往往也會分成幾類。有針對各個業務線的分析師，有針對整個公司、整個集團橫向研究商業發展的分析師（戰略分析），也有針對所在市場做市場研究的分析師（市場研究）。
