? ? ? 正文開始

? ? ??現在數據人才稀缺是事實，但除了個別互聯網公司，大多數企業缺的不是數據技術人才，而是具有數據思維、能夠利用數據技術創造價值的人。

? ? ??既然如此，為什么大多數公司在招聘數據人才的時候，還有著較高的專業技能要求呢，無論是數據分析師、數據工程師、算法工程師還是數據科學家。

? ? ??大魚跟你說吧，無奈之舉。

? ? ??職場的供需關系決定了招聘必需設置門檻，而考試成績、專業技能是相對容易量化比較的，也是相對公平的，中考和高考就是那么一種機制。

? ? ??但可以肯定的是，一旦你過了這個門檻，當初跨過門檻時所依賴的那點知識就都跟你未來發展的好壞沒有什么關系了。

? ? ??因此，如果你有幸通過面試進入一家企業做數據類工作，一定要記得從你拿到offer那個時刻開始，就要將自己清零，重新去掌握職場需要的真正技能。

? ? ??1、技術的悖論

? ? ??大多數企業的技術（包括數據技術）天花板很低，很難培養出頂尖的技術人才，這絕對不是說企業的IT人員能力和素質不夠，很多企業的IT人員也有著非常好的教育背景以及綜合素質，只是因為這些企業沒有進行深入技術研究的環境，而要成為某一領域的技術頂尖人才，往往需要有足夠復雜的業務場景和業務的氛圍。

? ? ??阿里巴巴技術比較厲害，最主要的原因也許是有“雙11”這樣的業務背景，這種業務場景在全球都是少有的，這就對技術的各個層面都提出了前所未有的挑戰，自然就需要技術人員發揮出自己的潛能，在實踐中不斷地吸取經驗和教訓，這對技術深度的要求就非常高。

? ? ??大多數企業根本沒有像“雙11”這樣的業務環境，決定了其對于數據等技術的要求其實是比較低的。

? ? ??實際上，大多企業的數據從業者必須要掌握的計算機技能其實只有三項：SQL、EXCEL、PPT，這三大件能解決企業90%以上的數據采集、處理、分析和挖掘的問題。

? ? ??SQL：解決清單級數據的采集與處理問題。

? ? ??EXCEL：解決匯總數據的復雜分析問題。

? ? ??PPT：解決分析結果的展示問題。

? ? ??有人可能會問，不會吧，海量大數據的采集和處理需要大數據平臺的支撐，大數據分析需要掌握各種算法，大數據可視化更需要專門的軟件支持，以上三大件顯然不能滿足要求。

? ? ??大魚從三個角度來說明這個問題：

? ? ??第一、從數據技術的發展趨勢看，未來通用的數據技術將像水電煤一樣，屬于企業最底層的數據基礎設施，無論是大數據平臺，算法引擎或是可視化軟件，大多數企業是不需要自己來研發和運營的，你只要能看懂操作手冊、能可視化操作就可以了，底層數據技術對于大多數的數據從業者來說，一定是透明的。

? ? ??第二、從數據技術的人才走向看，大部分的數據技術研發人員將主要供職于專門的研究機構或是大型科技型企業（比如互聯網大廠），企業即使有個性化研發的需要，所需要的人員比例也是很低的，也許只有5%，這是由科斯定理決定的。

? ? ??第三、從數據人才的企業定位看，基礎設施的云化將進一步模糊了OLTP和OLAP的邊界，企業IT部門的云技術團隊、OLTP技術團隊將主導企業技術的選型、使用和運維，未來任何一個IT開發人員都是算法的使用人員，因為在技術層面也僅僅是調個包而已，OLAP團隊將越來越上浮去做數據管理、分析和應用。

? ? ??更重要的是，SQL、EXCEL、PPT在數據領域長期存在，已經證明了自己持久的生命力：

? ? ??一是生態好，未來所有數據基礎設施必然要支持標準SQL的操作,SQL是數據從業者進入數據世界的通行證；

? ? ??二是門檻低，SQL是最簡單的解釋性語言，EXCEL是操控數據的最佳引擎，PPT是展現數據的最佳工具；

? ? ??三是變更慢，判斷一件事物能否長期存在，首先要先看下它已經存在了多長時間，我們以前接觸過的各種數據平臺、算法平臺和BI工具，已經走馬燈似的換了一茬又一茬了，但SQL、EXCEL和PPT始終堅挺。

? ? ??事實上，這也是當前大多數企業數據從業者的真實技術寫照，你根本不用為自己掌握的有限的數據技術煩惱，很高的入職門檻誤導了圍墻外的大多數觀望者和想進入者，以為進入大廠的人肯定掌握了多么牛逼的數據技術，事實上，他們進去以后大多數時間可能在用SQL取數，5%的定律也是不會變的。

? ? ??這很正常，恰恰反映了大多數企業的正常訴求。

? ? ??很多時候，EXCEL、PPT才是體現自身價值的最強工具，如果一個數據從業者需要用純數據技術來證明自己的價值，這個世界能提供給他的舞臺實際是非常小的。

? ? ??2、業務的真諦

? ? ??如果希望自己的數據技術達到一定的高度，就要去像Google、阿里這樣具備足夠復雜業務場景和純技術產品研發氛圍的公司，頂尖的技術網絡也不是一個公司能打造出來的，它需要天時、地利和人和，不要試圖去改變它。

? ? ??如果你沒機會進入這類公司，就意味著你已經做出了選擇，業務為王，技術為輔，別無選擇，如果你處在一個不崇尚技術的企業卻拼著命希望在技術上一枝獨秀，往往事倍功半。

? ? ??業務從某種意義上來講，也是一種技術，在一個企業內，最容易拉開數據從業者之間差距的，往往是獨特的業務理解力。

? ? ??純粹的數據技術，站在一個企業管理者的角度來講，大多時候是無足輕重的，你調研100個數據管理者，有99個會說，我需要找到足夠的業務場景讓自己的數據產生價值，而不是說我需要更牛逼的數據技術來解決自己的業務問題。

? ? ??大魚不建議數據崗位人員走純技術路線，一定要努力把自己培養成那種“精通業務、懂技術”的人，數據技術很容易被人學習和模仿，而獨特的業務理解不會，充分理解企業所在行業的背景，把業務吃透，不管是云計算、大數據還是AI，都能拿來為你所用，幫你解決業務問題，達到“手中無劍，心中有劍”的境界，最大化的創造價值，這樣你不單單是企業不可或缺的人才，而且在職場上也將利于不敗之地。

? ? ??企業的業務戰略、業務產品、業務流程、業務渠道、業務平臺、業務數據等都是理解業務所必需的，我們既可以通過做搞調研、做需求、帶項目等手段來理解業務，也可以通過構建指標、報表來分析業務。

? ? ??現在各個企業都在提數字化轉型，但實施團隊在數字化轉型中最大的挑戰肯定不是數據技術，而是業務理解力，試想如果連業務對象和流程都搞不清楚，那么數字化轉型一定是空中樓閣。業務理解力需要的是積淀，而數據技術一般可以用錢解決。

? ? ??經常聽到數據從業者跟我講在企業內缺乏話語權，但話語權不是更高層領導和外界環境能賦予的，而是自己爭取來的，數據從業者要相信業務也是一種技術，甚至比技術更為重要，要能主動貼近業務去尋找機會，甚至創造出新的業務。

? ? ??不懂數據，要驅動業務很難，但如果不懂業務，就失去了方向。

? ? ??3、智慧的火花

? ? ??從數據到信息，信息到知識，知識到智慧的三個階段中，最后一步的智慧絕對是超越專業限制的，也就是即使你懂業務也懂技術，但如果缺乏智慧，還是做不成事。

? ? ??智慧是指識別和應用相關知識的能力，智慧的本質就是決策，決策的關鍵是選擇，多模型思維則是理性決策的基礎。在采取行動時，有智慧的人會應用多個模型，就像醫生會讓病人做好幾種檢查來幫助診斷一樣，領導在做決策的時候，也往往征詢各方的意見，這些都是智慧的體現。

? ? ??書呆子做事往往一根筋，這種現象在企業普遍存在。

? ? ??這里舉個多模型思維在精確營銷應用的案例，精確營銷不是一堆精通數據技術的人能搞出來的東西，這已經為我們的實踐所證明，如下圖所示。

? ? ??要真正的做好精確營銷，你往往需要具備各個領域的模型知識，也就是查理芒果提出多元思維模型：這個世界的知識被人為的切成了很多專業，而企業面臨的環境是復雜的，大多需要用多模型的思維去解釋和預測！

? ? ??很多崇尚數據技術的人做事如同機器，其邏輯是這樣的：“如果我看到/聽到/聞到X，那么我能得出什么結論？” 然而，企業需要得到的回答往往是這個樣子的“如果我采取了行動A，會有什么結果。”這是更為復雜而有風險的事情。

? ? ??具有多模型思維的人體現出來的技能包括以下一些方面：解決問題的能力，創新思維，判斷與決策能力，Critical-Thinking，表達溝通能力，Open Mind 等等，并由此延展，比如PPT寫得很棒，主要受益于其嚴謹而清晰的邏輯。

? ? ??獲得智慧是數據從業者的使命，但智慧往往在詩外。

? ? ??數據從業者癡迷于各種數據技術不是壞事，但有時也要抬起頭來思考下，到底是自己的數據技術不夠還是其他的因素，導致自己始終創造不了足夠的價值。