隨著物聯(lián)網(wǎng)等IT信息技術(shù)的發(fā)展，數(shù)字經(jīng)濟日益成為人們生活的日常，而作為數(shù)字經(jīng)濟的基石，數(shù)據(jù)分析能力作為職場人士的核心競爭能力之一，日益成為了職場人士高度重視的對象。

為此，作為一個工作快20年的職場老人，結(jié)合既往服務(wù)過的300余家各行業(yè)成功或者不那么成功企業(yè)的實踐經(jīng)驗，總結(jié)分析如何具有數(shù)據(jù)思維、數(shù)據(jù)敏感性能力、分析研究數(shù)據(jù)、建立數(shù)據(jù)分析團隊、甚至建立數(shù)據(jù)業(yè)務(wù)賦能型組織方面的經(jīng)驗教訓(xùn)以供后來者佐證參考。

打開各種PC端或者移動端的招聘平臺，在Markting或者Brand類的崗位后面多少有一句崗位職能要求：熟悉數(shù)據(jù)分析方法或者對數(shù)據(jù)敏感。

數(shù)據(jù)分析方法！這個統(tǒng)計專業(yè)的科班生至少會說出3種以上的專業(yè)分析工具或者10種以上的統(tǒng)計方法并就其中的優(yōu)劣勢或者各種研究方法的針對性在培訓(xùn)室或者會議室里面展開2個小時以上的研討。

坑太大，暫時先放一邊。

那么，數(shù)據(jù)敏感呢？

請問，您有閱讀各種分析報告或者財務(wù)報告的習(xí)慣嗎？

比如說下面這款：

構(gòu)建一個場景，當(dāng)面試的HR將三個不同行業(yè)不同領(lǐng)域的數(shù)據(jù)報表擺在您面前的時候，您如何展開？又該如何說出個“子丑寅卯辰巳午未申酉戌亥”？

“一萬小時定律”！

拉德威爾在《異類》一書中提出“一萬小時定律”的規(guī)律：“人們眼中的天才之所以卓越非凡，并非天資超人一等，而是付出了持續(xù)不斷的努力。1萬小時的錘煉是任何人從平凡變成世界級大師的必要條件。”他將此稱為“一萬小時定律”。

這樣要具備數(shù)據(jù)思維，對數(shù)據(jù)敏感也需要持續(xù)的報表閱讀和研究分析框架的搭建。

比如說最為基礎(chǔ)的5維數(shù)據(jù)分析框架邏輯搭建訓(xùn)練方法。

a、量級數(shù)據(jù)，數(shù)據(jù)類型（定性、定比、定距）的確定；

b、趨勢，環(huán)比和同比之下，時間序列數(shù)據(jù)的發(fā)展趨勢情況；

c、異常，系統(tǒng)風(fēng)險或者變量之下市場結(jié)構(gòu)改變之后可能存在的市場機會；

d、結(jié)構(gòu)，數(shù)據(jù)來源的構(gòu)成情況，不同數(shù)據(jù)源對結(jié)果的關(guān)系；

e、細分、依據(jù)研究需要對數(shù)據(jù)的顆粒度進行精細劃分，以確定市場或者行動計劃的可行性。

以上這種數(shù)據(jù)分析方法是培養(yǎng)數(shù)據(jù)思維、敏感性最為基礎(chǔ)、常規(guī)的訓(xùn)練方式，然后才有了各種研究人員、數(shù)據(jù)分析師依據(jù)行業(yè)特征搭建的各種數(shù)據(jù)模型、算法和統(tǒng)計研究方法。

對于一個常年面對SQL SERVER和Excel報表的人而言，會發(fā)現(xiàn)了一個比較有趣的問題，最近幾年在街頭看到做街訪或者接到電話訪問的概率變得非常罕見。原因也很簡單，相對于訪問員和被訪者之間的溝通，基于技術(shù)或者大數(shù)據(jù)分析平臺的應(yīng)用，新的研究方法無論是在成本還是質(zhì)量的可追溯性而言，都具有非常明顯的優(yōu)勢。

比如瑞幸的APP客戶運營數(shù)據(jù)分析部門，就號稱能夠獲得客戶全壽命生命周期內(nèi)的運營數(shù)據(jù)。能夠把客戶的用戶數(shù)據(jù)（性別、年齡、屬性和偏好等因素）、行為數(shù)據(jù)（門店、消費過程、購物偏好和跳出率等因素）和業(yè)務(wù)數(shù)據(jù)（產(chǎn)品、價格和營業(yè)額）完整的通過在線數(shù)據(jù)分析平臺進行各個區(qū)域的完美輸出。

如果把同樣的工作內(nèi)容換成傳統(tǒng)的模式，輸出同樣的結(jié)果（用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)），對標(biāo)上個世紀(jì)末的麥當(dāng)勞，就需要全國市場門店分層抽樣基礎(chǔ)上的門店攔截訪問，在單份問卷3000個有效數(shù)據(jù)編碼基礎(chǔ)上結(jié)合門店P(guān)OS數(shù)據(jù)以及相應(yīng)的特別客戶入戶留置研究才能輸出同樣的研究結(jié)果。

傳統(tǒng)和現(xiàn)代的優(yōu)劣勢一目了然。

在這里無意過度展開，重要的事情在于：雖然時代不同，數(shù)據(jù)獲得的方式差異較大，但是數(shù)據(jù)分析的框架依然沒有改變。還是基于用戶數(shù)據(jù)、行為數(shù)據(jù)以及業(yè)務(wù)數(shù)據(jù)三大模塊進行展開，并依據(jù)不同需求部門的brief進行深度展開和論證。

現(xiàn)代的數(shù)據(jù)分析研究方法只是在數(shù)據(jù)的可獲得性以及數(shù)據(jù)分析的范圍和邊緣學(xué)科交叉的領(lǐng)域獲得了更深入的突破，在數(shù)理模型以及計算機算法方面相對10余年前基于基礎(chǔ)學(xué)科的局限依然沒有獲得質(zhì)的突破。

對于研究人員而言，依然需要基于數(shù)據(jù)的完整性和科學(xué)性進行基礎(chǔ)的評估后，結(jié)合業(yè)務(wù)的具體需求就問題產(chǎn)生的具體原因找出根源性的問題，然后結(jié)合資源的可落地性給出具體可供執(zhí)行的可行性建議，最終通過制度和IT的建設(shè)形成一個標(biāo)準(zhǔn)的自循環(huán)和自我糾偏的流程化業(yè)務(wù)分析SOP機制。

分析或者是數(shù)據(jù)分析通俗的講還是屬于技術(shù)的領(lǐng)域，要為組織或者公司的發(fā)展提供更深入的發(fā)展需要組建相應(yīng)的業(yè)務(wù)分析團隊來推進業(yè)務(wù)的成長。

很多互聯(lián)網(wǎng)企業(yè)內(nèi)部都有首席數(shù)據(jù)官CDO職務(wù)的設(shè)置，希望通過數(shù)據(jù)服務(wù)實現(xiàn)：a、數(shù)據(jù)和業(yè)務(wù)的深度綁定，而不是和業(yè)務(wù)脫離后的單純的數(shù)據(jù)建模；b、在IT信息部門的加成上實現(xiàn)跨部門的深度融合，避免單個部門信息孤島的出現(xiàn)；c、數(shù)據(jù)思維形成整個公司的企業(yè)文化，讓數(shù)據(jù)化的決策服務(wù)成為組織內(nèi)部每個個體自發(fā)的行為。

但是，多數(shù)企業(yè)內(nèi)部CDO的職業(yè)背景多數(shù)源自于信息部門的負責(zé)人。要一個計算機背景業(yè)務(wù)部門的負責(zé)人去推動數(shù)字業(yè)務(wù)的發(fā)展，變業(yè)務(wù)管理部門為生產(chǎn)部門，并上升到整個企業(yè)文化的高度，顯然有點勉為其難。

怎么辦？一把手工程成為了不是解決辦法的解決辦法。

誕生于2012年的三只松鼠借助互聯(lián)網(wǎng)紅利發(fā)展成了堅果領(lǐng)域的知名企業(yè)，但是在企業(yè)轉(zhuǎn)型線下的過程中卻發(fā)生了反復(fù)開店和關(guān)店的“試錯”行為。在渠道模式的“試錯”過程中三只松鼠實質(zhì)是對企業(yè)本身的經(jīng)營模式定位沒有認(rèn)知清楚，沒有對消費者的購物行為進行完整、深入的研究，從而導(dǎo)致了轉(zhuǎn)戰(zhàn)線下的過程中對渠道發(fā)展模式的誤判。

反過來則是今日頭條式的命題，能用A/B測試解決的問題都不是問題。而GOOGLE則是標(biāo)準(zhǔn)的數(shù)字推進型公司，在《How Google Works》中對數(shù)據(jù)進行了深入的分析研究。

當(dāng)然，有人會吐槽，電商時代的三只松鼠和全渠道的三只松鼠，鼠老爹面臨的局面完全不同，在面對沒有歷史數(shù)據(jù)積累的決策的時候，自然會出現(xiàn)各種各樣的問題。比如蘋果智能手機以及Chat GΡT此類“奇點” 的應(yīng)用。

但是數(shù)據(jù)分析的基礎(chǔ)概率統(tǒng)計中有方差的概念，以說明樣本數(shù)據(jù)的離散程度，不是每個企業(yè)都是蘋果或者Open AI之類的企業(yè)。您的Boss也并非是喬之類的天才，對此還是需要通過PDCA之類的管理模型推進業(yè)務(wù)流程的持續(xù)發(fā)展。

如：為生動化服務(wù)的店內(nèi)購物動線行為數(shù)據(jù)模型就需要評估《個人信息保護法》的情況下對信息數(shù)據(jù)收集的方式、具體業(yè)務(wù)流程進行深入評估后才能持續(xù)發(fā)展。