數(shù)據(jù)產(chǎn)品經(jīng)理工作做久了，很多同學(xué)可能有過(guò)這樣的困惑：雖然為業(yè)務(wù)做了很多數(shù)據(jù)可視化報(bào)表、數(shù)據(jù)接口服務(wù)，但個(gè)人成就感不足，甚至開(kāi)始懷疑數(shù)據(jù)產(chǎn)品工作的價(jià)值。企業(yè)數(shù)據(jù)化轉(zhuǎn)型都在提數(shù)據(jù)驅(qū)動(dòng)，真正做到數(shù)據(jù)賦能，又要如何破局呢？

一、數(shù)據(jù)人是如何“淪為”支撐工具的？

1.業(yè)務(wù)需求應(yīng)接不暇，留給思考的時(shí)間不多了

大數(shù)據(jù)時(shí)代企業(yè)追求數(shù)據(jù)化管理，從過(guò)去拍腦袋決策，到用數(shù)據(jù)說(shuō)話。互聯(lián)網(wǎng)企業(yè)業(yè)務(wù)快速變化，產(chǎn)品&運(yùn)營(yíng)策略事前分析、事中過(guò)程監(jiān)控、事后復(fù)盤(pán)總結(jié)，都需要數(shù)據(jù)支持。平均到每個(gè)數(shù)據(jù)產(chǎn)品或數(shù)據(jù)開(kāi)發(fā)，每周要處理至少5~10個(gè)臨時(shí)取數(shù)或報(bào)表需求的時(shí)候，就很難精力和心思去思考了。看著很忙，但做著很多重復(fù)性、低成長(zhǎng)的事情。

2.“沉迷”于數(shù)據(jù)平臺(tái)，與業(yè)務(wù)漸行漸遠(yuǎn)

數(shù)據(jù)從采集到應(yīng)用全流程每個(gè)環(huán)節(jié)都會(huì)有數(shù)據(jù)平臺(tái)或工具來(lái)提升加工、應(yīng)用效率。平臺(tái)型數(shù)據(jù)產(chǎn)品常見(jiàn)的問(wèn)題是花大量的時(shí)間在搭建大數(shù)據(jù)開(kāi)發(fā)套件、數(shù)據(jù)資產(chǎn)平臺(tái)、數(shù)據(jù)應(yīng)用平臺(tái)，離業(yè)務(wù)越來(lái)越遠(yuǎn)，不關(guān)心或者無(wú)暇關(guān)注業(yè)務(wù)方向。最終只是給用戶提供了數(shù)據(jù)工具產(chǎn)品，用戶使用工具解決什么業(yè)務(wù)場(chǎng)景下的什么問(wèn)題了解的不多。到頭來(lái)淪為純工具型數(shù)據(jù)產(chǎn)品。

3.安于現(xiàn)狀，習(xí)慣于輕車熟路，按部就班

遇到過(guò)數(shù)據(jù)報(bào)表開(kāi)發(fā)吐槽，每天加班也做不完產(chǎn)品的報(bào)表和臨時(shí)取數(shù)需求，看過(guò)他取數(shù)流程，每個(gè)需求來(lái)的時(shí)候，會(huì)跟進(jìn)業(yè)務(wù)指標(biāo)統(tǒng)計(jì)口徑用訂單明細(xì)表、流量明細(xì)表等不同的表去關(guān)聯(lián)取數(shù)。問(wèn)他為什么不考慮把業(yè)務(wù)需求梳理一下，搞個(gè)通用的數(shù)倉(cāng)模型，這樣取數(shù)效率不會(huì)高一些么？回復(fù)是“沒(méi)時(shí)間梳理，臨時(shí)取數(shù)做的多了，數(shù)據(jù)在哪里取很熟悉，所以不影響”。“人潛意識(shí)當(dāng)中會(huì)傾向于選擇做會(huì)做的、簡(jiǎn)單的事情，哪怕是枯燥的重復(fù)性動(dòng)作”，就像這位數(shù)據(jù)同學(xué)，新需求來(lái)時(shí)第一反應(yīng)是用習(xí)慣的方法去處理，而不是考慮有沒(méi)有更簡(jiǎn)單、一勞永逸的方法去提升效率，可以有更多的時(shí)間去思考如何賦能。

4.業(yè)務(wù)部門(mén)與數(shù)據(jù)部門(mén)供需不匹配

對(duì)于產(chǎn)品和運(yùn)營(yíng)等業(yè)務(wù)部門(mén)，最期望的是數(shù)據(jù)部門(mén)可以幫他們把指標(biāo)監(jiān)控、數(shù)據(jù)報(bào)表、決策建議一條龍全部服務(wù)好，而且可以主動(dòng)幫他們通過(guò)數(shù)據(jù)發(fā)現(xiàn)業(yè)務(wù)問(wèn)題、挖掘新的業(yè)務(wù)增長(zhǎng)點(diǎn)。而數(shù)據(jù)部門(mén)因?yàn)樾枨蠖唷I(yè)務(wù)了解深度不夠等原因，以滿足業(yè)務(wù)需求為主，能夠給出超期望的“賦能”并不多，長(zhǎng)此以往，業(yè)務(wù)、和數(shù)據(jù)人自身，逐漸就默認(rèn)成為“支撐”了。遇到過(guò)一個(gè)報(bào)表的數(shù)據(jù)產(chǎn)品經(jīng)理，業(yè)務(wù)提數(shù)據(jù)報(bào)表需求一般是表格的形式，梳理需要的主題、指標(biāo)、維度，產(chǎn)品經(jīng)理對(duì)接一下統(tǒng)計(jì)邏輯，給到報(bào)表開(kāi)發(fā)，報(bào)表開(kāi)發(fā)基于BI工具，配置出基本上和業(yè)務(wù)excel表格一致的純表格“Dashboard”。

避坑指南

1.居安思危，不滿足于現(xiàn)狀

作為數(shù)據(jù)人，深陷需求的“泥潭”時(shí)，不能躺平，分析當(dāng)前困境的原因，尋找突破的方法。比如疲于應(yīng)付各種數(shù)據(jù)、報(bào)表需求時(shí)，是否有更高效的工具，是否有更好用的模型？工作得心應(yīng)手、行云流水時(shí)，也要保持危機(jī)意識(shí)，“我現(xiàn)在做的工作的最大的價(jià)值是什么”？“我個(gè)人的核心競(jìng)爭(zhēng)力、不可替代性在哪里？”除了現(xiàn)在的工作，我還可以做哪些事情，幫業(yè)務(wù)解決什么問(wèn)題？”，數(shù)據(jù)產(chǎn)品持續(xù)的批判性思考，才有機(jī)會(huì)做出更多“賦能”的產(chǎn)品。

2.小步慢跑，不積跬步無(wú)以至千里

需求是永遠(yuǎn)做不完的，開(kāi)發(fā)資源不足的問(wèn)題也會(huì)持續(xù)存在。想要跳出“支撐需求做不完，賦能沒(méi)時(shí)間”的循環(huán)，可以嘗試一些“授之以漁”的方法，再忙也要留出時(shí)間，做好數(shù)據(jù)模型、平臺(tái)工具的基礎(chǔ)生產(chǎn)工具的建設(shè)。

模型基建：例如，臨時(shí)取數(shù)需求，把業(yè)務(wù)常提的臨時(shí)需求分析抽象，做成簡(jiǎn)答高效的業(yè)務(wù)寬表，通過(guò)簡(jiǎn)單的查詢即可快速拿到數(shù)據(jù)。

業(yè)務(wù)培訓(xùn)：很多探索性的取數(shù)需求邏輯并不復(fù)雜，但是產(chǎn)品和運(yùn)營(yíng)會(huì)SQL的人不多，所以很大程度依賴數(shù)據(jù)部門(mén)，模型建設(shè)完善，給業(yè)務(wù)定期地進(jìn)行基礎(chǔ)SQL能力的培訓(xùn)，知道數(shù)據(jù)在哪個(gè)表里，通過(guò)Select* from table where **?簡(jiǎn)單語(yǔ)句，實(shí)現(xiàn)自助取數(shù)，不僅可以釋放數(shù)據(jù)部門(mén)的壓力，數(shù)據(jù)時(shí)效也會(huì)更快。相比較依賴數(shù)據(jù)部門(mén)排期幾天，相信緊急的需求他們也愿意自己動(dòng)手，取數(shù)不求人。

工具建設(shè)：工欲善其事必先利其器，將重復(fù)的工作抽象成依賴工具、流程去解決，例如，頻繁的取數(shù)需求可以通過(guò)拖拽式的BI工具，業(yè)務(wù)自助實(shí)現(xiàn)；數(shù)據(jù)可視化報(bào)表需求，基于指標(biāo)管理平臺(tái)進(jìn)行指標(biāo)接口輸出，提高指標(biāo)復(fù)用度，減少接口開(kāi)發(fā)成本等。工具建設(shè)的必要性判斷依據(jù)是工具建設(shè)花費(fèi)的成本和工具節(jié)省的人力成本是否匹配。

二、數(shù)據(jù)賦能的定義

賦能，百度百科詞面定義是：給誰(shuí)賦予某種能量，通俗講就是，你覺(jué)得你不能，但我使你能。強(qiáng)調(diào)的是“你可能沒(méi)想到或者沒(méi)想要”，但是“我主動(dòng)地幫你想，幫你做到了”。回到數(shù)據(jù)賦能，則可以理解成，作為數(shù)據(jù)產(chǎn)品，除了接受業(yè)務(wù)需求，滿足業(yè)務(wù)訴求外，要提供更多的可以幫助業(yè)務(wù)優(yōu)化經(jīng)營(yíng)決策、促進(jìn)用戶增長(zhǎng)、拉升營(yíng)收增長(zhǎng)的數(shù)據(jù)能力，或者數(shù)據(jù)產(chǎn)品工具。

三、數(shù)據(jù)賦能主要方向

數(shù)據(jù)、數(shù)據(jù)產(chǎn)品對(duì)于業(yè)務(wù)決策支撐、產(chǎn)品應(yīng)用的場(chǎng)景和價(jià)值不做贅述，以下主要列舉一些數(shù)據(jù)人可以為業(yè)務(wù)“賦能”的場(chǎng)景。

1.指標(biāo)監(jiān)控預(yù)警

不管是業(yè)務(wù)自身還是數(shù)據(jù)部門(mén)都很難24小時(shí)在電腦/手機(jī)盯著業(yè)務(wù)指標(biāo)是否正常，更多的時(shí)候是即使在辦公環(huán)境也業(yè)務(wù)的異常也未必能夠及時(shí)發(fā)現(xiàn)。當(dāng)用戶反饋時(shí)，在這個(gè)時(shí)間窗口期可能就已經(jīng)造成了業(yè)務(wù)損失了。之前某團(tuán)外賣(mài)發(fā)展初期，系統(tǒng)穩(wěn)定性不斷改進(jìn)提升，但還會(huì)時(shí)不時(shí)地中午吃飯的時(shí)候服務(wù)器突然宕機(jī)。通過(guò)對(duì)流量預(yù)測(cè)、波動(dòng)監(jiān)控，及時(shí)觸發(fā)電話/短信報(bào)警，研發(fā)人員第一時(shí)間修復(fù)，縮短問(wèn)題發(fā)現(xiàn)時(shí)差，把業(yè)務(wù)損失降到最低。另一個(gè)場(chǎng)景是，某段時(shí)間外賣(mài)BD人員工資是按照銷售額、訂單量等KPI完成度計(jì)算獎(jiǎng)金，會(huì)有BD為了完成業(yè)績(jī)，與商家合作下虛假訂單，比如一單十幾萬(wàn)的情況。此時(shí)，數(shù)據(jù)產(chǎn)品可以通過(guò)訂單金額超過(guò)XX，下單人員是企業(yè)內(nèi)部員工等不同維度的規(guī)則進(jìn)行監(jiān)控，出現(xiàn)觸發(fā)報(bào)警閾值的訂單時(shí)，及時(shí)推送給紀(jì)檢、或上一級(jí)部門(mén)審核。通過(guò)指標(biāo)監(jiān)控預(yù)警，可以幫助業(yè)務(wù)及時(shí)發(fā)現(xiàn)問(wèn)題，或者暴露更多問(wèn)題，降低或挽回業(yè)務(wù)損失，從“人找數(shù)，到數(shù)找人”，是不是很有價(jià)值呢。

2.智能分析

管理層、業(yè)務(wù)部門(mén)其實(shí)更想要的是最直接的答案，數(shù)據(jù)是什么，是否正常，哪里異常，應(yīng)該怎么做。某天大盤(pán)DAU同比下降50%，到底是正常的業(yè)務(wù)現(xiàn)象還是出現(xiàn)了什么問(wèn)題呢？通常是基于數(shù)據(jù)可視化產(chǎn)品，選擇不同的維度分析，交叉分析，判斷是哪個(gè)維度有問(wèn)題，比如先看App、微信等不同平臺(tái)，看流量在某一平臺(tái)集中下降，還是大盤(pán)整體趨勢(shì)相同，再拆分渠道、業(yè)務(wù)線、流量入口等，逐層拆解，分析下來(lái)，可能一個(gè)小時(shí)就過(guò)去了。在“數(shù)據(jù)可視化怎樣才有靈魂”一文中有專門(mén)講過(guò)數(shù)據(jù)可視化產(chǎn)品的設(shè)計(jì)方法，產(chǎn)品設(shè)計(jì)過(guò)程，可以考慮把KPI預(yù)測(cè)、指標(biāo)波動(dòng)自動(dòng)歸因等常用的分析手動(dòng)融入的產(chǎn)品中，基于產(chǎn)品提供自動(dòng)化的分析思路。（異常歸因可以考慮使用基尼系數(shù)模型，評(píng)估那幾個(gè)維度的波動(dòng)對(duì)整體影響最大）

3.競(jìng)對(duì)策略應(yīng)對(duì)

知彼知己才能百戰(zhàn)不殆，互聯(lián)網(wǎng)早期靠燒錢(qián)補(bǔ)貼迅速跑馬圈地，有美團(tuán)、百度、餓了么，滴滴、快的、uber，了解競(jìng)對(duì)市場(chǎng)行情、競(jìng)對(duì)策略對(duì)自身業(yè)務(wù)進(jìn)攻、防守都非常有利。比如同一個(gè)景區(qū)門(mén)票，某豚賣(mài)80，某團(tuán)通過(guò)爬蟲(chóng)抓取到競(jìng)對(duì)的銷售價(jià)格、優(yōu)惠補(bǔ)貼策略數(shù)據(jù)后，形成比價(jià)系統(tǒng)，產(chǎn)品運(yùn)營(yíng)可以通過(guò)活動(dòng)補(bǔ)貼把價(jià)格做到79，雖然只是1塊錢(qián)的差距，但是對(duì)于價(jià)格敏感型用戶也很有吸引力，而且還會(huì)逐步給用戶形成“某團(tuán)比某豚更便宜”的認(rèn)知。比價(jià)系統(tǒng)可以運(yùn)營(yíng)手動(dòng)操作，也可以基于規(guī)則，通過(guò)接口方式線上自動(dòng)調(diào)整價(jià)格，做到“我永遠(yuǎn)比你低”。

創(chuàng)新業(yè)務(wù)或者業(yè)務(wù)擴(kuò)張開(kāi)疆?dāng)U土?xí)r，競(jìng)對(duì)數(shù)據(jù)可以把目標(biāo)更聚焦，行動(dòng)更高效。比如，某團(tuán)外賣(mài)早期需要擴(kuò)大供給品類，增加優(yōu)質(zhì)頭部外賣(mài)商家，直接讓BD去談嗎？雖然是地推鐵軍，但是沒(méi)有目標(biāo)指引效率也不會(huì)高。通過(guò)競(jìng)對(duì)數(shù)據(jù)的爬取、整合，直接把每個(gè)地區(qū)的優(yōu)質(zhì)目標(biāo)，形成每天BD待拜訪的商家清單，早上上班后第一時(shí)間IM推送，BD一天的工作目標(biāo)就很清晰了。

4.用戶畫(huà)像與精準(zhǔn)營(yíng)銷

互聯(lián)網(wǎng)下半場(chǎng)，流量紅利消耗殆盡，一方面是泡沫散去后投資人投資更加理性，沒(méi)那么多錢(qián)可以給到互聯(lián)網(wǎng)公司去燒錢(qián)拉客戶，另一方面，現(xiàn)在用戶信息過(guò)載、產(chǎn)品和服務(wù)同質(zhì)化嚴(yán)重，經(jīng)常是花了錢(qián)也得不到客戶，這樣導(dǎo)致企業(yè)獲客成本已經(jīng)非常昂貴，如何精準(zhǔn)的識(shí)別目標(biāo)用戶，以及企業(yè)用戶的行為特征，充分挖掘用戶價(jià)值，讓每一筆錢(qián)都擲地有聲、好鋼用在刀刃上，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，是目前每個(gè)企業(yè)都在追求的目標(biāo)。用戶是誰(shuí)，從哪里來(lái)，有什么樣的特征和習(xí)慣，這些用戶畫(huà)像信息的挖掘，對(duì)業(yè)務(wù)決策以及精細(xì)化運(yùn)營(yíng)的意義重大，絕對(duì)可以算得上是數(shù)據(jù)賦能業(yè)務(wù)。

用戶畫(huà)像是基于統(tǒng)計(jì)類、預(yù)測(cè)類、規(guī)則類等不同的標(biāo)簽體系，構(gòu)建用戶精細(xì)化分層能力。例如五一期間，機(jī)票盲盒是OTA行業(yè)追捧的明星產(chǎn)品，對(duì)于參與盲盒活動(dòng)的用戶，到底來(lái)源于哪些渠道，性別、年齡、消費(fèi)能力如何這些信息的識(shí)別，對(duì)于流量渠道的投放、產(chǎn)品策略方案設(shè)計(jì)就很有幫助了。

用戶畫(huà)像的價(jià)值不僅是用戶群體的識(shí)別，更重要的是基于人群精細(xì)化分層圈選的能力，構(gòu)建用戶運(yùn)營(yíng)、觸達(dá)的全流程。例如，針對(duì)即將流失的用戶派發(fā)優(yōu)惠券進(jìn)行召回，對(duì)服務(wù)受損的用戶進(jìn)行安撫關(guān)懷等。基于DMP平臺(tái)，實(shí)現(xiàn)用戶的精細(xì)化運(yùn)營(yíng)，在渠道拉新、新客留存、老客復(fù)購(gòu)等場(chǎng)景，都可以提供強(qiáng)大的賦能能力。DMP除提供基于產(chǎn)品＆運(yùn)營(yíng)經(jīng)驗(yàn)的人群圈選和觸達(dá)能力外，還可以通過(guò)算法模型的能力，圍繞業(yè)務(wù)目標(biāo)（拉新、營(yíng)收等），提供目標(biāo)人群建議。比如，當(dāng)你在攜程上瀏覽了很多個(gè)酒店都沒(méi)有下單，突然彈出了一個(gè)X元的紅包，你是不是很有可能更快下單呢？（業(yè)務(wù)配置的規(guī)則是瀏覽酒店詳情頁(yè)X次，且無(wú)成功訂單，則派發(fā)紅包，紅包金額基于你的價(jià)格敏感度標(biāo)簽算法計(jì)算得出），

5.個(gè)性化推薦

恰當(dāng)?shù)臅r(shí)間給合適的用戶推薦合適的商品，是平臺(tái)和用戶雙贏的事情，既可以提升用戶體驗(yàn)，很快找到目標(biāo)商品，用戶下單意愿提高了，業(yè)務(wù)量也就增加了。數(shù)據(jù)賦能離不開(kāi)算法賦能，基于用戶歷史瀏覽行為、用戶畫(huà)像特征、商品畫(huà)像特征，提供千人千面的算法推薦服務(wù)。

6.AI應(yīng)用

大數(shù)據(jù)的應(yīng)用出口之一是AI，通過(guò)機(jī)器學(xué)習(xí)算法提升產(chǎn)品智能化的能力。AI的概念并不新，最早能追溯到90年代，但真正發(fā)展起來(lái)還是得益于計(jì)算機(jī)算力、大數(shù)據(jù)發(fā)展技術(shù)。除了語(yǔ)音識(shí)別、人臉識(shí)別等生活中的應(yīng)用場(chǎng)景外，互聯(lián)網(wǎng)公司常用的場(chǎng)景有：圖片優(yōu)化，例如商品頭圖的質(zhì)量會(huì)影響用戶的點(diǎn)擊欲望，靠運(yùn)營(yíng)去更新圖片一方面耗費(fèi)人力高，另一方面，運(yùn)營(yíng)的審美不一定能夠代表大眾審美，通過(guò)機(jī)器學(xué)習(xí)模型，對(duì)圖片進(jìn)行打分，自動(dòng)確定商品頭圖。內(nèi)容審核：點(diǎn)評(píng)、短視頻平臺(tái)等UGC平臺(tái)，內(nèi)容合法合規(guī)的監(jiān)管關(guān)系到企業(yè)的生死存亡（內(nèi)涵段子），所有內(nèi)容靠人工審核那發(fā)布周期就很長(zhǎng)，用戶體驗(yàn)差。抖音上億日活，每天生產(chǎn)視頻內(nèi)容數(shù)十億，是怎么那么快審核的，有些“危險(xiǎn)動(dòng)作請(qǐng)勿模仿”“內(nèi)容可能引起不適”標(biāo)簽如何打的呢？AI技術(shù)。即內(nèi)容發(fā)布后，平臺(tái)基于算法模型對(duì)視頻內(nèi)容進(jìn)行自動(dòng)審核，識(shí)別不了的才會(huì)由人工運(yùn)營(yíng)審核。

7.用戶增長(zhǎng)策略

2015年《增長(zhǎng)黑客》一書(shū)出現(xiàn)后，很多面臨增長(zhǎng)瓶頸的公司似乎看到了續(xù)命的稻草，用戶增長(zhǎng)產(chǎn)品經(jīng)理的崗位大受追捧，希望通過(guò)用戶增長(zhǎng)產(chǎn)品經(jīng)理，為企業(yè)挖掘新的增長(zhǎng)點(diǎn)。互聯(lián)網(wǎng)公司里用戶增長(zhǎng)策略玩的最6的要數(shù)某多多，從最初的下沉市場(chǎng)開(kāi)始，微信群、朋友圈用“幫忙砍一刀”來(lái)見(jiàn)證友情、親情、愛(ài)情，到現(xiàn)在的頭部電商的后起之秀，用六七年時(shí)間實(shí)現(xiàn)某寶、某東十幾年的沉淀。數(shù)據(jù)賦能用戶增長(zhǎng)最核心的思想是，通過(guò)數(shù)據(jù)分析和挖掘找到用戶增長(zhǎng)的機(jī)會(huì)點(diǎn)，通過(guò)產(chǎn)品和運(yùn)營(yíng)策略來(lái)刺激用戶行為，最終實(shí)現(xiàn)用戶的增長(zhǎng)。有沒(méi)有相關(guān)拼刀刀早期拼團(tuán)人數(shù)為什么是５人？免費(fèi)領(lǐng)100元紅包時(shí)，為什么開(kāi)局99，越到后面每個(gè)人拆的紅包越小？這些都是基于數(shù)據(jù)挖掘制定的產(chǎn)品增長(zhǎng)策略。增長(zhǎng)分析一般的留存是：

確定增長(zhǎng)目標(biāo)，活躍留存，復(fù)購(gòu)，還是分享傳播？

基于業(yè)務(wù)留存拆分用戶行為指標(biāo)體系，以大眾點(diǎn)評(píng)用戶留存為例，用戶在平臺(tái)的行為會(huì)包括瀏覽商家頁(yè)、瀏覽推薦菜、寫(xiě)點(diǎn)評(píng)、收藏商家、簽到等各自行為

相關(guān)分析，分析各個(gè)指標(biāo)與留存行為的相關(guān)性，確定核心行為

核心行為定量分析，尋找核心行為的“魔法數(shù)字”，即當(dāng)某些行為發(fā)生多少次時(shí)，用戶的留存率趨于穩(wěn)定

制定激勵(lì)策略，一般和用戶運(yùn)營(yíng)或C端產(chǎn)品聯(lián)動(dòng)，數(shù)據(jù)提供分析結(jié)論支撐，產(chǎn)品＆運(yùn)營(yíng)設(shè)計(jì)產(chǎn)品流程，比如寫(xiě)過(guò)３次點(diǎn)評(píng)的用戶留存率３２％，且趨于穩(wěn)定，則激勵(lì)策略上可以通過(guò)積分獎(jiǎng)勵(lì)、禮品激勵(lì)等不同方式引導(dǎo)用戶完成３次點(diǎn)評(píng)的行為。

策略復(fù)盤(pán)，用戶增長(zhǎng)策略是不斷試錯(cuò)過(guò)程，不可能所有的策略一上線就行之有效，要持續(xù)復(fù)盤(pán)總結(jié)，優(yōu)化改進(jìn)。

四、總結(jié)

大數(shù)據(jù)的價(jià)值體現(xiàn)在于數(shù)據(jù)應(yīng)用，包括數(shù)據(jù)化決策分析、數(shù)據(jù)智能應(yīng)用。作為數(shù)據(jù)人，除了做好基礎(chǔ)的支撐工作外，還要走進(jìn)業(yè)務(wù)，了解業(yè)務(wù)，持續(xù)思考如何更好的為業(yè)務(wù)賦能。這樣數(shù)據(jù)部門(mén)才能在公司發(fā)揮更大的價(jià)值，用數(shù)據(jù)賦能企業(yè)增長(zhǎng)，而不僅僅是“成本中心”。