互聯網成為基礎設施，數據分析成為基礎能力
“增長黑客”越來越火的這些年，互聯網行業越來越關注數據驅動這件事
最直觀的體驗就是我們看到了“數據產品經理”“數據高級運營”這些崗位的出現
頭條系憑借 算法推薦 降維打擊了所有的傳統內容平臺，讓頭條系快速成長為可以和BAT抗衡的新勢力；
這是項目依靠重視數據及時反饋獲得的成功；
越來越多的行業和公司，不管是產品還是運營層面，越來越重視數據挖掘與分析。
企業發展、業務選擇均大量依靠數據驅動。
一、大數據行業泡沫不再，才更凸顯數據分析能力的重要性；
數據分析這個工作，在很多年前我們只會在外企和金融行業會見到。
隨著互聯網行業的崛起，標準化的數據收集與沉淀變得容易。
海量的數據帶來了可觀的想象空間，大數據的概念才會被一年年翻來覆去的炒。
我相信大家在過去這些年或多或少都接觸過大數據的項目。
企圖站在風口上的豬的也不少，隨著2018-2019的資本寒冬，太多企圖通過概念撈一把的項目無聲死去。
但就像幾百年前的荷蘭郁金香泡沫，雖然泡沫破裂，太多人硬著陸身敗名裂，但也確實將荷蘭塑造為全球最大最有實力的郁金香中心，并且在幾百年后的今天荷蘭依然享受著當年那場泡沫帶來的價值。
大數據也一樣，通過過去這些年泡沫式的野蠻發展，雖然有不少企業和項目折戟。
但整個行業乃至世界對數據的重視程度都上升到了一個新的高度。
通過社會級的大數據，工業、運輸、零售、農業都開始步入數據驅動的時代。
運力和需求大數據調配貨車等運輸資源；市場需求多維大數據驅動零售行業商品及庫存決策；
隨著數據收集的進一步發展，數據驅動行業發展將成為必然事件；
行業和社會依靠數據驅動，對于單個企業和單個項目也是一樣，企業和項目未來的發展也必然依賴數據驅動。
在大企業和整體社會行業數據驅動的同時；
我們也能看到，很多小團隊和傳統企業并沒有系統進行數據挖掘和分析。
可能是沒有意識到業務數據分析的重要性，也可能覺得建設數據分析團隊成本過高。
再過兩年回頭來看，小團隊擁有數據分析及數據驅動能力，一定是團隊活下去的關鍵能力。
數據分析這件事就一定要依靠大型整體的BI項目嗎？
回答是否定的，小團隊依靠團隊內關鍵業務崗位的數據分析能力才是更可行的方向。
不管是產品還是運營，都應該掌握對手中項目第一手數據收集和分析的能力。
使用數據驅動業務成績的提升。
二、重復勞作被Ai和機器人替代的趨勢，數據分析能力讓你掌控未來；
從個人的角度來看，數據分析能力也是讓自己在未來立于不敗之地的關鍵；
這些年大家的焦慮感越來越強，
一邊渴望享受生活，一邊害怕被替代。
經驗快要變成這個時代最不重要的東西；
所有的經驗都會被整理，機器通過極短時間就能習得。
一個很典型的例子，
識別X光片子上病灶的準確率，一個擁有10年看片經驗的專業醫生，會被一個只學習了幾周的Ai打敗。
一天不向前努力，就離自己職業被Ai和機器替代近了一天，很多時候甚至努力也沒有用。
被替代的焦慮，從體力勞動者逐漸向腦力勞動者蔓延；
前幾年，機器臂替代生產線工人的時候，你覺得和自己沒有關系；
現在，醫療Ai替代醫生完成診斷的時候，你也覺得和自己沒有關系；
接下來，Ai接管設計和文案工作的時候，你還覺得和自己沒有關系嗎？
其實互聯網基礎工作被工具替代，向自動化轉變的過程早已開始；
比如：
H5制作，從需要前后端完整團隊到現在一個人使用工具就能完成超復雜的H5搭建；
banner圖這件事情，很多電商平臺實際上已經被Ai接管了，確認標題和商品，Ai就能輸出對應風格Banner圖；
內容的工作也是一樣，已經有Ai能寫新聞稿了，并且模擬人類完成視頻錄制，那離生產營銷內容又有多遠呢？
我們需要去思考，在基礎的重復勞作被工具和Ai接管后，
真實世界的我們需要的是什么能力？
就目前的情況來看，決策這件事情還需要人類來完成。
正如波音737-max墜機的事件，因為給予電子系統高于人類的決策權，出現電子故障就可能導致機毀人亡。
Moss雖然說“果然奢求人類永遠保持理智是不可能的！”，但劉培強中校也讓我們看到人類不會把決策權拱手交給Ai的（大誤）。
如何掌握和優化決策能力，在這個數據的時代，我們必須要掌握數據分析能力。
使用數據驅動讓我們更好的完成工作；
利用數據分析的結果，驅動我們進行符合需求的決策。
擁有數據分析能力的好處，下面說得實在一點：
我們去展示自己工作成果的時候，就不會干干巴巴（麻麻賴賴），甩出來可視化的圖表，直接展示同比提升百分比，想不加薪也難；
通過數據驅動工作，我們能實時看到自己工作的達成情況。
一個階段的工作，我們不用在階段結束的時候才發現工作有漏洞，
每天我們都能實時監測工作項目的進度和發展趨勢，在過程中快速進行調整和修正。
不至于在最后工作未完成被狂批。
建立業務數據模型，我們能多維度監控我們的工作完成情況，找到是工作的哪一個環節出了問題。
相信大家都遇到過效果不理想時各個環節負責互相甩鍋的情況，
如果所有階段的數據都是實時可視的，
不用花時間在甩鍋上，花時間在處理那個環節的問題上更棒呀！
三、數據分析能力學習曲線并沒有想象的陡峭
其實作為產品經理的自己，之前項目的數據大量依賴友盟等數據平臺提供的數據。
但是去年下半年開始的項目，我開始進一步關注保存在項目數據庫中的業務數據，嘗試進行各維度的數據分析和模型的搭建，才發現之前錯過了那么多。
那種感覺就像是，
荒島求生的自己，
想盡辦法要鉆木取火，
結果發現自己包里就有火柴。
之前一直覺得數據分析這件事情很難，
其實讓開發的同事導出一個表給你，通過Excel你就能挖掘很多你想要的數據；
分配一個只讀的數據庫賬號，借助第三方的免費BI系統，你就能做出媲美大型BI儀表盤的效果；
通過前期規劃，開發同事多花10s，多收集一個數據，可能困擾你許久的問題，就能通過可視化的表呈現出來。
而以上的這些，并不需要你懂任何mysql或者python的知識，你只要會用Excel都能輕松搞定。
技術角度的進階路線大致如下：
1.Excel數據整理，清洗為自己需要的內容和格式；
2.Excel數據處理，學習函數，計算出自己需要的數據；
3.Excel數據展現，將清洗和計算后的數據用多維度的圖表展現；
4.學點mysql，當數據條數過多時，Excel有點承載不了，當然這個數據：最大行數是1048576行，最大列數是16384列；（一百萬條還是一個挺大的數字）
5.掌握一個第三方BI數據可視化系統，微軟的PowerBI，國產的FineBI之類；
6.掌握一門語言進行更加復雜的分析（R、Python等等）
可能大家看到后面學語言和第三方BI系統的時候會有點怕，但其實只要你能掌握Excel，已經能夠滿足大多數的數據統計分析的需求。
無論是Excel，還是看上去更逼格的sql、PowerBI、Python等等
都只是你數據分析的工具。
更為重要的是對業務的理解，找到對于業務來說關鍵的數據。
在未來，每個人都應該有點數據分析的能力，經營人生、經營職業生涯可能都需要一點點數據驅動。
最近自己處于無業狀態，在這段時間將持續關注“如何快速入門數據分析”這件事
老貓觀內容定位也會轉向，未來會專注“數據分析和如何通過數據驅動業務”
可能接下來會“如何從Excel快速入手數據分析”這個角度入手吧！
大家有什么好的想法，也希望能和我進行分享。
關注微信公眾號“老貓觀”，希望有更多新收獲。
