数据创造价值的基本逻辑

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，请关注中培教育李老师二维码：