走向数据之光，成长启示

第一篇：走向数据之光，价值驱动

第二篇：走向数据之光，实践思考

第三篇：走向数据之光，成长启示

总而言之，言而总之，几个比较受用的观点：

1、可以人人都会数据分析，但不是人人都能成为数据分析师，具有非常强的专业性壁垒；

2、数据只是商业的一环，在业务的驱动性没有那么有价值，离开业务的数据只是一类信息；

3、我们希望能通过数据解决很多问题，但实际上，数据不是万能的，政策、市场、业务都在时刻变化着，需要结合业务演进；

4、做数据分析，不是做单次响应，能做到业务闭环，才是企业真正需要的人才，多元、复合是趋势；

?

“数据分析职业下的成长与启示”

数据工作的聚焦：数据治理、数据应用、精准营销、数据资产、数据流通

数据中台的应用：沉淀数据资产应用到行业赋能

“数据分析下的产业地图”

结合，过去十多年的经验，“数据”从企业管理中被单拎出来作为独立部门进行运作，结合华为数字化转型所提到的三个阶段

●?2010年之前的年代：信息化——方便取数

●?2010年之后的十年：大数据和BI——习惯看数

●?2016年之后的发展：人工智能和AI——智能用数

“数据分析工作的核心价值”

数据分析和商业之间的关系，数据确实能带来很多价值，直接的、间接的，从核心任务上来看，可以分为四类：

1、分析体系建设

2、指标和标签

3、专项分析项目（根因vs归因），去做降本、增收、提效

4、数据产品建设

数据带来的商业价值评估离不开组织定位

不同的业务方，价值凸显会有很强的差异

如何引导业务方正确的看待数据，而不是因为数据指标变化而发生变化

“数据分析不是万能的”

数据分析需要根据业务的发展进行演进和迭代

结合业务的生命周期，定制不同的分析主题和内容

“数据分析离不开人际关系”

在职场中的成年人，大概没有谁是喜欢被驱动的

做好自己的个人角色定位，在不同的团队、环境下，做好人际关系管理

“数据分析下的能力矩阵”

数据序列下的能力矩阵

• 横向-软性能力

• 纵向-专业能力

“数据分析职业的规划与发展”

在这个点上，很有共鸣，之前和同一个阶段的人也都相互聊过，对于分析这个职业，如果不做多元、复合型的规划，很容易达到天花板

大致就是好像在数据分析的领域里面，把能做的都做过了，也都做完了，接下来要怎么下去成为一个焦虑点

“数据分析必须了解的大数据4V特性”

技术迭代，让数据成指数级在增长，全面埋点带来的结果是井喷式的数据增长，爆发年代，存储、计算、技术

5G带来的是快速传播，数据公开、分享、传播，实时性会成为一个大趋势

大模型，在技能要求上，分析所需要储备的能力变得更综合，除了SQL，还有其他前沿知识的掌握

如何把数据变成好数据，会成为接下来的一个思考点

“数据分析更需要拥抱AIGC”

对数据的理解，短期内，因为各种数据质量、业务知识储备未公开的前提下，很难做到智能决策

距离ChatGPT在实际工作中能解决问题，还有非常远的一段时间，但是也说不好，毕竟AI的发展本身已经缩短了时间

短期5-10年内，AI无法替代分析的角色

但是可能会被能用好大模型的人所替代，当运营会用大模型来做分析，数据分析也就会回到基础技能的定位

“数据分析必须要培养的思维意识”

两个循环：正循环和内循环

“数据分析时代下的工作Tips”

现实都很残酷，因为工作本身就是复杂的，不复杂的工作本身替代性也很大

价值的产生，都是有困难的，能解决困难的人，本身就是自带价值光环存在

多元化发展，需要多看，多对比，数据分析本身是催化剂，是站在业务变化上而得到发展的存在

写在最后，人人都是数据分析，会带来大量的数据冗余，进而能让决策成本变得更高，最后成为一种数据灾难

数据在企业经营管理中，只是其中的一个环节，而不是商业的全部，不用过度的去夸大它的作用，也应该正视数据应用过程中的难点和挑战，做好组织赋能。