当前位置:主页 > 数据驱动 >

大数据之路依然还很长,看你怎么走

 发布时间:2018-04-04 来源:
01

前段时间做了一次大数据直播课,主要是大数据职业生涯规划的一些内容。第一次做,磕磕绊绊,但总算顺利搞完了。

直播课中有收集到群里朋友的一些问题,并且在直播中进行了观点阐述解答,但是基于时间的关系(只直播了3个小时左右),所以很多问题并没有阐述的很完全。

在这里,我们着重的对一些核心关注的问题进行更全面的分析,以及对直播课中遗漏的一些内容做补充,或许结合直播课的录屏以及这篇文章的内容,会让大数据职业生涯规划这个话题更完善一些。

02

作为大数据领域的从业者,或许对于偏技术类的,诸如大数据开发工程师、数据分析师,俞或者是数据挖掘工程师等岗位已经很熟悉了,但在此之前甚少人会关注偏业务的,比如数据产品经理,大数据售前工程师等这种岗位。

所以,在直播的时候,就有不少朋友提到过类似的问题:

数据产品经理的职业发展路径是怎样的,已经注重锻炼什么核心技能?

偏前端的工作,诸如大数据产品销售、售前等岗位,需要掌握什么知识?

这类问题逐渐被越来越多的人所关注,说明大数据这个点逐渐的被越来越多人所认可,并试图逐渐的将其应用于业务,将其产业化、产品化,这是个可喜的进步。说明,大数据这个东西正在试图标准化与常规化。

在过去,并没有很正经的数据产品经理,或者大数据销售、售前这类岗位之说,但随着其形态以及重要性逐渐被探索,这也是必经的一个过程,说明大数据逐渐往健康良性的状态里转换。

并且,就我个人来说,也在一直有意义的将自己从一个大数据技术人员往大数据产品应用层面去转换,或者不能说转换,最起码需要兼顾大数据产品应用的属性。大数据再怎么神化,终归是要业务落地的!

回归到上面的问题,我们需要如何去调整,来应对大数据产品化的节奏呢?在我认为对数据理解最透彻的应该是早期参与到数据流程处理的人,其实就是大数据工程师们,但是他们离数据产品还隔着业务,所以,他们需要补充大量的业务知识,并试图将两者打通贯穿,从这个角度说,我个人是很推荐一些思维灵活的大数据工程师往大数据产品甚至是售前售后这种偏上层岗位上转。

对于传统的产品经理们来说,在未来,数据一定是驱动力所在(不见BAT都忙着玩数据、说AI么),所以在未来大部分的科技产品中,必然会包含数据以及AI的元素,那么,对于他们来说,理解数据并使数据很好的落地就成了一个可升值的属性。

对于数据产品经理,以及大数据销售、售前售后等岗位的人来说,要习惯以数据的思维去看待业务问题,学会常规的业务数据分析的角度去思考问题,多看多了解大数据的一些典型落地场景,并结合自身的业务,能够把数据和业务的事情说透,基本就差不多了。

更落地的做法是,技术人猿需要更多的与业务人员沟通,尝试通过数据解决业务的瓶颈,加速业务的过程;而对于偏业务的产品以及销售来说,需要了解更多大数据落地的场景,了解数据的基本流转流程、数据的应用模型等。

03

关于大数据与传统领域的关联,同样很多人关注,并涉及到了未来大数据的一个大致发展方向问题。

其实我个人认为,大数据真的要成为一个变革性的东西,一直在互联网圈子里玩是远远不够的,它必须是能够深入到普通人的生活里头的,而不仅仅是偏爱互联网的群体。那么,如何覆盖呢?打通线上与线下的场景,让数据流通起来。这点,不管是腾讯也好、阿里也好,或者是百度也好,都深谙其道!

以支付场景为例,腾讯近两年来一直致力于将手机移动支付“侵入”到我们生活的方面方面,并且甚至不惜与ZF一起联合在各个方面做尝试,并且其他几家同样也在跑马圈地,与各个地方ZF打造智慧城市等项目。

试想一下,你骑个车、打个的、坐个公交地铁、加个油,去个超市,你的各种数据都会通过你的支付入口,,流入到线上,进行数据的集成,然后分析挖掘,再反向反馈给你,比如基于你的消费能力、行为、习惯,完善你的资产评估、信用评估,而在未来数据化的信用将是个好东西,意味着很多时候你不再需要证明你的信用。再比如说,基于你的各种出行数据,结合LBS服务,再实时的将线上的服务推送给你,充分体现便捷性。

这就是线上技术往线下侵入,实现数据的全面收集,打造更完善的用户画像,并基于画像提供覆盖线上线下的一体化服务,未来你的生活的方方面面都会发现,更加的便捷了。

除此之外,传统领域必将会被大数据逐渐侵入的另一个原因就是,传感技术的逐渐成熟,导致了各种感应器、传感器的成本直线下降,各种智能终端铺天盖地,这也是线下数据快速集成至线上的重要原因,有了数据,后面的事就简单多了。

一个很落地的疑问是:

大数据在传统行业(非互联网行业)有哪些落地应用?

其实大数据在非互联网领域已经逐渐越来越多的应用了,目前相对比较成熟的,诸如通过传感器收集工业制造环节的所有数据,进而构建数学模型,用于改进工业生产流程,减少次品率,提升生产效率。这就是数据很纯粹的走向线下,并对线下领域带来变化。除此之外,商业选址也是个很成熟的案例了。

目前一些大的品牌连锁店,已经在探索数据的另一个应用。他们不止对购物清单进行分析,还在各个连锁门店安装大量的感应器,来收集客户的门店活动数据,然后通过分析,来进行商品铺陈拜访,格局的设置,商品的搭配各种优化。而那些收集过来的数据是顾客的店内行动轨迹、目光的聚焦点、商品的查看数据,商品柜的挺溜时间等等,各种以前很难去收集的数据。

听起来有点悬,但事实却是是存在,并且越来越多的大型线下传统零售商会走这个路子。只要线下数据能变成线上的虚拟数据,一些场景都可以进行数据化,而未来一定是个高效的社会。

从目前看,其实已经有部分比较偏传统的公司开始涉及数据,但他们面临的最大的挑战是如何进行数据的规整、打通。因为在传统领域很多信息都记录在纸质实体上,所以进行数据线上化是第一步,此外就是他们很多线上系统数据都是孤立的,哪怕是不同部门之间的数据都是孤立的,需要进行打通,使之流转,才能言之分析挖掘。

04

由于现在越来越多公司试图在数据时代真正颠覆之前占得一席之地,所以也早早开启了数据研究使用之路,那么,问题来了,如何完成0到1的过渡阶段呢?

之前很多参与《大数据职业生涯规划直播课》的朋友一些疑惑的点诸如:

针对一个传统企业做大数据顶层规划,帮他们组建大数据团队,制定阶段计划,目标是快速用数据带来业务提升?

初创公司数据团队是否更需要能力更加全面的工程师?

记得很久以前写过一个系列《从0到1构建数据生态系列》,其中就涉及到了不少这块的话题。针对于上面第一个问题,其实不止是传统企业,一般其他企业的过程也一样的。

文章评论

互联网 自媒体专栏 智能硬件 资本动态 移动互联网 游戏 数据驱动 滚动新闻 O2O 访问移动版
Copyright © 2002-2013 搞数码网 版权所有  电话:0510-898978789 邮箱:89898989@qq.com 地址:北京市新会金水岸国商大厦B-6-B