京公网安备 11010802034615号
经营许可证编号:京B2-20210330
写给想要跨界、初入大数据领域,以及想了解数据业务模式的朋友
首先,这篇文章的目标群体很明显,标题上就说啦,是的,主要是三类目标:
1. 计划着跨界,期待华丽转身的朋友。
2. 另外就是初入大数据这个坑,或者说初入职场,略显迷茫的朋友。
3. 想要搭建数据团队,但是不知道如何入手的小型企业。
其实很早以前就想说一下这个话题了,因为自从开了2013年开了博客,2014年开了【数据虫巢】公众号之后,一直陆陆续续有人找到我的联系方式加我,咨询我各种各样的问题。
其中,最近,应该说2016年,感触很深的一个就是,很多朋友纷纷想跨界进入大数据领域,也有不少一点经验没有的童鞋被收入坑中,迷茫不已。
是的,他们想跨界:
有一个北京的朋友,额,在房山一个工厂里上班(别笑,人家好歹是科班出身),感觉一辈子希望渺茫,想要改变自己,嗯,听说大数据挺好,想转行~~
有一个12年物理学的博士,这两年对于大数据有所耳闻,感觉在物理一方面不是自己的菜,另一方面是薪酬待遇也略低(我拿到过这位朋友的简历,其实期望薪酬真的一点都不高,最起码以这个学历来说相对于大数据技术人员真心不高),所以想跨界。
有一个北科大毕业的冶金专业硕士,工作年份倒是不久,但久居帝都也感觉到了帝都的生存压力,一样,想跨界,想改变自己的人生轨迹。
有一个我记得也是北京人,嗯,是北京人不是待在北京的人,文科生貌似,在一电视台演播室工作,不想吃老本,想有自己的人生目标,嗯,其实就是想进大数据领域,做点有挑战的事,顺便能挣自己的钱的事,额,还喊着要拜我为师(汗我一地)。
….
还有很多,无法一一列举,总之出身各异,但核心目标是一致的,你就是意图改变自己,改变自己的人生轨迹。
还有一类人,被这个时代推进了大数据坑,迷茫不已:
比如,有一个朋友,应该算工作不短时间了吧,也算是IT界的人,换了份工作,大数据企业的售前技术支持,关键他连大数据的概念都不是很清楚,有点小迷茫的意思(不是贬低,只是想知道他们企业怎么招人的)。
还有一个应该算是我师弟还是师妹的人,刚入一国企,传统企业中的传统企业,做石油交易的,到底有多传统呢?他们很大一部分数据都是纸质记录的,然后~~他们也要做大数据,然后~~
…
还有一些就不多说了,其实他们也有一个特点,那就是国情所致,导致各种企业纷纷要做大数据(这很大可能是2016年大数据国策所致),但市场上哪有这么熟练工,所以就各种招新手,往那一丢,也没人管,太凶残。
针对于上述情况,其实映射出来的问题就是,很多小型企业或者偏传统企业,想要从数据的角度去驱动业务,但是又不知道如何入手,又或者是招了一群入门级大数据工程师,无法成体系化进行数据业务支撑。
对于很多小型企业来说,如何组建一个最小规模的大数据团队、如何对团队角色定位、如何通过数据来驱动业务,都是问题。
先说一说跨界
针对于大数据整个行业状态以及相关的东西,以前的文章写过不少,包括《2017年,这两个大数据岗位一定会火》在内的好几篇(看文末的扩展阅读),都已经做了足够多的分析和拆解,这里就不过多的阐述了。
对于一心想跨界,意图改变自己人生轨迹的朋友,你们首先要搞清楚的一个事就是:大数据到底是什么?能干什么?要做些什么?
虽然大数据就一个词,但里头的门门道道真心不少,在我认为他已经是可以形成一个领域级的东西了。
所以,想进入大数据领域,需要搞清楚这个领域到底有哪些东西,他是一个巨大的体系化的方向,随便挑出一个细分的技术方向都够你研究几年了。
其次,你需要搞清楚每个细分方向的市场需求、技术基础需求是什么,你才知道自己的技术基础能不能支撑你做跨界的跃迁,你是否真的清楚你做出的选择对于你来说挑战到底有多大。
然后即使成功跃迁之后,这个方向到底能不能实现你升职、加薪、出任CEO、迎娶白富美的愿望,市场热度还能持续多久,你是否清楚。
你是否熟悉每个细分的背后,其支撑的业务到底是什么,跟你的性格特点、兴趣爱好是否匹配,如果不匹配,你是不是又要在自己不喜欢的岗位上“抑郁终生”。
真的,我最怕的就是遇到这种朋友:
我想转行,听说大数据很火,想做大数据。
大数据是什么清楚吗?
啊,就是大数据啊,就是想做大数据。
。。。
再聊一聊乱象
上面说到一些初入门的大数据朋友的迷茫,其实也是有原因的,这个也跟不少朋友聊过这个话题。
一方面是市场的数据驱动需求在上升,另一方面是基于数据国策的驱动,这点对于很多传统IT行业来说影响很大,在Dang国的号召下,连互联网是啥都没有搞清的很多传统公司,也要搞大数据。
不管怎么说,数据业务需求的上升,那对于数据人才的需求肯定随之上涨,但想想具有三年以上实打实大数据经验的人总共就这些,完全是狼多肉少的节奏。
于是,只能拿应届生或者大数据新手来顶了,这也是导致了上面描述的那种乱象的直接原因。
分析乱象不是这里的重点,重点是如何解决。
对于企业来说,首先需要了解清楚的是:数据到底能给你的业务,或者工作效率带来什么样的提升?
其次才是,如何处理这些数据,或者说如何获取这些数据做进一步的加工?
最后,思考清楚,想要实现如上业务目的,我们如何以最低代价搭建一个合理又能解决问题数据团队,而不是招一群新兵蛋子双眼茫然,你看我我看你,都不知道怎么开搞。
对于上面所说的新兵蛋子来说,如果你刚好是其中的一员,你也可以按照上面的思路,来做一做分析,然后动脑思考一下,看看如何做一些自己没做过的事情,挑战自我。
当然,此时的你需要做更多的努力,去快速吸收知识,去自我成长,挑起你们年轻的数据团队大梁!
最后,谈谈数据化与智能化
大数据,在未来一定是一个企业的标配!
这个观点,已经和不少朋友聊过,在未来效率至上时代,数据驱动一定是个主流,在数据的基础上,再衍生出智能化,进一步解放人力,这才是进化的终极目标。
在阿法狗大放异彩的今天,AI人工智能已经被推到了风尖浪口,但是,相信我,那个还太远,目前还属于高端玩家玩的东西,现在要做的是数据化,没有数据化的基础,妄谈智能化都是扯淡。
在数据化成为标配的那天,不管你是个体也好,企业也好,希望别被出局了!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18