他们不仅要确保大数据平台的负载均衡、稳定性，可以随时响应业务对数据模型的计算和查询需求。还要遵循标准委员制定的标准，通过手工制定规则和各种算法确保数据质量并尽可能做到前置预警。通常情况下，为了快速支持业务部门实践数据服务，创新业务模式，数据部门需要对外提供根据业务权限快速构建服务API化内部数据的能力（Gartner定义为Data Hub）。
最后，也是非常重要的一点，在应对业务部门的需求时，需要有一套“定价体系”。因为数据支持业务的发展探索是存在成本的，但目前业务部门对此并无感知，更核算不出ROI，例如云服务、数据服务API的成本，完成需求所需的人力成本（如果是纯自助可灵活考虑）。在成本面前，很容易筛选出真需求，排出优先级，并且在后续服务中理清ROI。这条路举步维艰，但又势在必行，否则数据部门的业务价值困境始终会存在。 这里需要讨论的是，有时数据部门在没有设立首席数据官的情况下也由CIO领导，这时有一个职责划分艺术，每个企业的情况都不同，但CDO的重点职责是在合适的企业内带领数据组用数据快速产生业务价值。CIO的职责范围更广，但专精的领域不在该点上。
业务部门
部门中应当拥有能深入理解业务的分析师和科学家，自助使用数据部门提供的工具，这时使用门槛会不断降低，取数用数的难度和周期也会大幅下降，技能的要求一般是SQL级别。因此业务部门需要更加理解数据，并构思数据可以应用到自身业务发展的角度，再通过管理数据使用的全生命周期，在实践中不断总结。 挑战在于如何能快速用数据高效地带来业务价值，通过解耦来摆脱发展受到数据部门效率制约的现状。
对上述问题感兴趣的伙伴，请持续关注DataPipeline