针对该问题,提出几个我认为的关键要点∶
一是要认识到使用数据是有成本的,一个企业不应冒进地采取数据扩展策略。数据并不是越多越好,要重视数据质量、真实性、数据背后的意义、以及数据与具体业务(商业模式)的相关性,有针对性地收集数据、使用数据;
二是要认清市场竞争环境仍然以零和博弈”的形态为主,使用数据的目的是获取决策信息,但仅仅如此是不够的,更重要的是相对于市场上的竞争对手获得更强的信息不对称优势。因此,在当前的市场环境下,在传统行业中充分使用数据分析技术。会给企业带来超额价值,更容易取得成功(如农业、传统制造业、能源行业等);
三是要怀着谦逊的心态看待数据分析技能,把它看作一种必备技能(就像英语一样),而非核心竞争力,这也是我最想强调的;这里所说的数据分析技能,既包括一般的业务数据分析°,也包括相对复杂一些的数据挖掘、机器学习、深度学习等。尽管后者的方法对技术要求更高,但是随着编程能力的普及化、算法程式的乐高化、以及数据教育的亲民化,在未来(当你毕业的时候),这些内容都不大会构筑非常高的入行门槛。
因此,若非个人能力特别牛,有著名高校和著名paper的背书,不建议把数据分析技术作为核心能力去培养(纯兴趣除外)。毕竟整个社会对纯算法研发岗位的需求少之又少(仅限于高校及top大厂的研究院),就算有,大多数的技术创新也仅维持在简单的应用层面,很难在当今异常成熟的技术条件下做出特别重大的算法上创新。
想要了解更多关于大数据资讯信息,请关注中培伟业李老师二维码: