数据科学家和他们的分析团队的计划提出了如何组装数据集，并制定了一个数据如何被用来解答业务问题的计划。
分析计划还可以成为数据科学家们进行交流和业务协作方面展开分析工作的又一利器。
分析工作
一旦分析计划获得批准并开始实施到位，数据科学家将利用一系列的工具和方法开始他们的分析工作，其中一些分析工具和方法可能是他们的企业所专有的。
数据安全
数据科学家甚至通过设置如何使用和操作业务数据的先例和政策，在大数据安全方面也起到了重要作用。通常情况下，数据科学家和他们的团队甚至有不受权限阻碍地进入到可能带来的业务的新的数据集的权利，然后帮助企业定义数据应如何杀毒，以保持分析业务的价值，同时最大限度地降低安全风险，并满足必要的合规性规则。
与高级管理人员的互动
数据科学家的角色可能会具有某类个性的吸引力，他们不总是处理与企业管理方面的数据，尤其是但这些大数据对于企业来说仍然新的、或者只有企业高层才有权限访问的数据。根据唐斯博士介绍：“这取决于企业的重点和规模。在某些情况下，企业的业务和产品都是建立在科学数据的基础上的，就像在Globys一样，在这种情况下，数据科学的访问权限代表了一定的行政级别。
他进一步补充道，“企业数据的科学驱动的是企业业务的测量和优化，而不是企业的产品，数据科学在对业务影响中起着直接报告的功能——例如移动运营商可能在品牌和营销功能方面的执行水平要同时直接报告，而金融服务可能是通过首席风险官。”
大数据产品化
虽然我们一直在数据运行领域努力，但数据科学家在大数据的大规模操作方面可能会扮演一个角色，加快大数据项目的产品化。这通常只发生在大数据输出具备市场价值，而且通过努力可以一次性的或通过订阅出售给外部客户。
知识产权和大数据
数据科学家可能已经通过诸如专利工作将保护知识产权作为自己角色定位的一部分了。保护知识产权可以是一个总体规划或基于自组织(ad hoc)的发现。而在中型企业或外包服务商的数据科学家的工作可能不包括处理知识产权问题，在大公司的数据科学家需要追求知识产权，以便保护他们的雇主市场上对于竞争对手的竞争优势。知识产权是面向客户的软件和服务。保护知识产权对于企业内部大数据工作则不是那么重要。
随着大数据在当前企业受关注度的日渐提升，我认为，知识产权保护将要成为数据科学家们的一个不断增加的工作部分,来确立自己所宣称的大数据的创新者和思想领袖的地位。
