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。