兵无常势，水无常形，能因敌变化而取胜，谓之神。   ——《孙子兵法》

在智能时代中，数据就如同氧气一样提供助燃动力，对于企业决策来说越来越重要。那么在数据的生产过程以及使用过程，会遇到一些问题，作为数据（商业）分析师该扮演什么样的角色，会有很多困惑。今天DO君给大家带来车品觉老师的一本书《决战大数据》的拆书分享，这本书不是一本技术书，而是一些接地气的经验和方法，希望可以解答各位心中的一些疑惑。

车品觉老师曾任阿里巴巴集团副总裁，数据委员会会长豆瓣评分7.3分。

01 3个小问题

有3个问题大家可以先思考下：

-数据的本质是什么？数据与信息，知识的关系？

我的理解是数据其实是存储的记录，这记录的承载形式可以是文字，图片，视频，数字等，根据吴军老师的描述，数据本身是有噪音的，通过对数据进行降噪处理，然后提取出来信息，可以用来消除不确定性。就像福尔摩斯探案一样，数据就是案发现场的一系列蛛丝马迹，而信息就是侦探需要去伪存真，还原真实的现场。

-收集数据的价值是什么？

文中认为收集数据的作用是知道你的用户是谁（通过一套用户id体系来串联识别用户），然后根据用户与网站或者APP的互动行为来还原用户场景，最终提高企业服务用户的效率，增加收入。

-目前数据驱动实践中遇到的问题是什么？

现实的工作中参与数据驱动常常是由两部分组成，一部分人负责数据收集与存储组，离业务比较远，也不知道收集到的这些数据可以做什么；另外一部分人负责数据应用层，知道数据怎么用，但是不知道数据是怎么来，数据经历过怎么样的处理步骤，数据来源是否可信，

针对这个问题，作者提出了两种方法论：数据化运营与运营数据。

02 数据化运营

意思就是利用数据来做正向驱动决策，也是目前常规的数据分析师所要干的事情。但是如何做的好，车老师提出内三板斧“混-通-晒”。我是觉得混与通是过程，晒是结果。

混- 与业务部门的人员混在一起，不能整天坐在办公桌前，会过于沉浸与数据，因为所谓的商业敏感度，以及最新的业务变化对于数据层面的影响，这样做出的分析会更近地气。

通- 将商业问题与数据进行连接，而不是孤立的沉浸在数据中，将不同部门的数据疏通起来

晒- 真实解决业务问题，然后在管理层会议中晒出分析报告，影响决策，这个部分的要求最高。

我在书中还看到有几个分析思维不错的，同步分享给大家。

1- 假设数据是可以获取的；这个思维出发点是让我们在分析前期以商业问题角度来入手，先不用考虑数据是否有，假定数据是可以获取的。找到论证方法之后，就是找到要收集的目标数据了，剩下来就是实现方式的问题了。

2- 巧妙利用外部数据；可以得到更多辅助信息消除不确定性，文中举了一个例子，亚马逊收集用户的IP数据，然后与外部的实体书店的地址进行匹配判断周边是否有竞争对手的实体书店；还有在电商领域利用爬虫来获取竞争对手对应商品的价格，从而进行价格收益优化。

3- 负能量思考；我觉得车老师的这个点最有意思，俗称：小偷思维，有种思维叫小偷思维。偷东西本身就是风险高的事件，小偷在采取行动之前通常会进行所谓的踩点，高大上一点就是调研。调查环境，路线等。不仅需要偷到东西，而且必须保证安全逃跑。因为一旦被抓那就是一辈子的事。其实提高对风险的敏感性，如何防止失败，在分析工作中不放过产生异常的点。

03 运营数据

俗称养数据，与我们常规的理解相似。一块是数据的治理，包含数据安全与权限设置，数据生产流程的文档性，数据口径的统一，这其实应该是数据仓库团队负责的内容。另外一块是数据的种类，常规的根据数据生产流程来分之外，还有个有意思的分法是不可再生数据（日志数据）与可再生数据（逻辑生成的数据）。

提到了这一块的三板斧“存-管-用”，觉得没啥。

04 个人大数据管理

车老师还分享了一个很有意思，个人也觉得挺受用的，采用打标签的方式，记录最新的关注的行业领域，然后方便自己随时调用。这个可以是自己工作的领域，也可以是自己感兴趣的领域，坚持半年，可以成为某一细分领域的小专家。我目前是在结合自己工作的旅游行业进行尝试。

有效的标签：时间链+（公司/人物/来源）+知识体系（标签）+内容格式，知识体系标签划分行业，或者技术类型多种切分方法。

附上文章思维导图：

更多私藏数据分析资料欢迎关注公众号数据氧气，回复【POWER BI】获取。