随着互联网的深入发展，全球进入数据驱动经济社会发展的时代。然而，在数据价值愈发凸显的背景下，与之相关的各种争议也不绝于耳。那么，到底什么是好的数据？什么又是价值？如何实现从数据到价值的转化？大数据创新创业与应用，现状如何，难点何在？10月25日，北大光华思想沙龙本期聚焦“数据思维：从数据分析到商业价值”，邀请学界、业界专业人士以及各大媒体，就该话题共同深入探讨。

出席本次沙龙的嘉宾有：北大光华管理学院王汉生教授，阿里巴巴集团副总裁、阿里研究院院长高红冰；百分点集团董事长兼CEO、北大光华管理学院管理实践教授苏萌，以及狗熊会CEO李广雨。

王汉生教授：数据思维，从数据分析到商业价值

对于大数据，王汉生教授认为，数据产业实践的核心任务是让数据产生价值。更确切地说，是在真实的产业环境中，让数据产生可被产品化的商业价值。

王汉生教授的新著《数据思维：从数据分析到商业价值》，探讨的正是利用数据思维结合具体的业务场景，将数据转化为成为可感知的商业价值。全书围绕三大方面的内容进行阐述。第一，讲数据和价值。第二，谈回归分析，这是统计学在数学技术上的手段，是“术”的层面；更高层面是“道”的层面，把业务问题定义为数据可分析问题，这是特别重要的方法论。最后，通过大量案例来分析“数据模型是如何产品化的”。

什么是数据？王汉生教授给出的定义是，凡是可以电子化记录的其实都是数据。比如：几千年前记录的图像、声音等都可以算数据，因为这是被记录下来的。但如果从数据产业的角度来看就不算数据，因为在那个时代无法谈自动化、产生商业价值，服务某些场景等。从这个角度看，王汉生教授对数据理解具有强烈的时代观。

什么是价值？他认为，不是深度学习、人工智能，而是业务最核心的诉求，在业务场景中每天很细微的工作中可见的诉求。

价值怎么体现？第一是收入：例如：为什么一些医药的民营企业和教育行业对百度特别依赖，因为它带来很好的流量，直接产生销售额，这是看到数据分析带来的收入增加。第二是支出：包括人力、物力、时间、空间等各类支出，对数据的增进了解才会改进支出的行为，比如电视机背后的插口，有了物联网技术后根本无需那么多。第三是风险：现在到处讲金融征信，都是在各种业务场景中试图通过数据分析抹平你的风险。

任何数据产品，如果可以帮助客户，在这三个方面中的任何一个方面实现可量化的改进，那么这个数据的商业价值就比较明朗。数据分析的价值除了体现在这三个要素上，还需要一个重要的因素：可量化的参照系。比如说推荐系统做到90%的转化率，行业会说很高，但如果没有参照系呢？其实预测不准是常态，在不能百分百准确预测的过程中怎么样让人感受到价值是一个核心问题。

如何把数据转化为价值？回归分析是最基本的方法。回归思想其实是人们可以把一个业务问题定义成一个数据可分析问题。但一个问题是不是数据可分析问题，需要回答两点：第一，Y是什么；第二，X是什么。

所谓Y，就是实际业务的核心诉求，或者是科学研究的关键问题。比如，我们的合作伙伴说，他想理解什么样的客户价值高，这是他的业务诉求。这其实也要求合作伙伴不停地梳理业务诉求把“Y”提出来，然后才能继续分析。

X，是用来解释Y 的相关变量，可以是一个，也可以是很多个。X也是我们特别宝贵的业务知识，可能来自刷卡交易、简历、APP、社交网络等等。你的业务知识扩张将让你对价值理解更深入。

简言之，所谓“回归分析”，从“道”的层面而言，就是一种把业务问题定义成为一个数据可分析问题的重要思想。而从“术”的层面，要完成三个重要使命：哪些X变量是同Y真的相关；他们之间的相关关系是正的还是负的；不同变量的相对重要性。

事实上，前述所提及的内容，被王汉生教授称之为“朴素的数据价值观”。此外，本书还有一部分重要内容即“数据模型如何产品化”，通过各行各业的案例进行详解，行业分布包括互联网金融、车联网、学校、企业、电影、电商等多个行业。

高红冰：阿里的大数据是如何运用在商业实践中的？

在阿里研究院院长高红冰看来，数据不产生商业价值，就没有意义。他很赞同王汉生教授提出的数据思维，数据不是一个简单的工具或技术，而是整套的思考方法。

高红冰说，大家千万不要把阿里巴巴看作电商公司、零售公司，而是数据驱动的创新公司。具体到阿里巴巴的数据体系，他从数据的存、通、用三个层面上分享了自己的体会。

在数据储存方面，高红冰更愿意把数据电子化称为比特化，即相对于由原子组成的实物，数据最终是可以由0、1表达的。对于阿里巴巴来说，整个交易过程有大量数据，就需要沉淀下来，并寻找数据化的业务。

在数据打通方面，阿里巴巴在数据采集方面也走过一段弯路，最初数据也是分散在各个部门，甚至在个别员工手里，后来升级到公司层面，再后来跟阿里巴巴1000多万商家、十几万服务商和几亿消费者的整个商业生态相结合。今天的数据体系是开放的体系，是平台化的，是对等协作的，这样才会产生更大的数据价值。打通数据体系是个非常复杂的过程，需要非常强大的技术支持，但打通之后，才会有良好的用户体验。

在数据的业务化方面，高红冰认为要DT而不是IT，用首席数据官（CDO）而不是首席信息官（ClO）的思维来考虑问题，用数据做成产品，或者数据进一步延伸到应用。在这个过程中，要有对等、开放、分享的思想，而不是独占利益。阿里巴巴在金融、电商、物流等部门都在不断地用技术驱动创新。比如说金融方面，蚂蚁小贷设计了一套评分体系来评估商家账户，确定可以授信的商家，并对他们授信。运行一段时间后，如果坏账率高就把标准调高一些，做动态调整。传统银行一般必须要有抵押、业务报表才会贷款。蚂蚁小贷已经累计为400多万家企业提供贷款。

高红冰总结说，要相信数据及其背后的逻辑，但是关键在于洞察能力。这就需要数据思维，需要全新的思考方式构建。

苏萌：优秀企业将从泡沫中脱颖而出，人才匮乏成行业桎梏

作为大数据行业的从业者，苏萌的身份有些“特殊”，在创业之前他在光华有长达8年的执教生涯。这一身份也让他对行业发展有自己独特的观察视角，在本次沙龙上，他从专业人才培养和市场发展前景两大方面进行了分享。

“今天的中国越来越多的科技公司涌现出来，并逐渐赶超美国的科技公司，这是让人欣喜的，但是相应我们的人才培养是滞后的。”苏萌表示，大数据不仅是学了统计学、数据科学等就能解决问题，还需要多领域的综合技能。目前大部分人才培养还是偏传统的，这就需要教育机构与时俱进，不仅告诉学生理论，更要告诉他们如何做，实现专业人才的培养。

从09年创立至今，百分点实现了业务的持续高成长，已成为国内大数据领域的排头兵。在苏萌看来，这是行业发展所带来的巨大机遇。尽管很多人质疑行业泡沫，但是它也在吸引大量资本和人才，真正优秀的企业将从泡沫中脱颖而出。中国出现阿里、腾讯等让全球骄傲的企业，优秀的企业们将助力中国3000万家中小企业的发展。

对于未来，苏萌表示，他们思考的方向有两点，其一是大数据系统的“普惠”：如何给企业提供更便捷的大数据产品与解决方案，如金蝶、用友为企业提供财务软件服务一样，省去单家企业开发所耗费的大量人力物力。其二是中国新一代信息技术的出海：越来越多中国企业将从国内走向国际，其中就包括以新一代信息技术为代表的中国高科技公司，服务对象将从企业到各地甚至各国政府，输出“中国方案”。苏萌透露，百分点正在帮助多个海外国家搭建国家级的大数据平台，助力当地政府提升政府综合决策和社会治理水平，实现数据治国的目标。

最后，苏萌坚信，随着人才、资本、技术等进一步合力，在未来5—8年的时间，中国新一代信息技术，大数据、人工智能等将会成为中国核心技术品牌输出海外，走向国际。

李广雨：狗熊会的使命是聚数据英才，助产业振兴

狗熊会CEO李广雨介绍了狗熊会的使命主要是两个方面, 第一是聚数据英才，第二是助产业振兴。

首先，狗熊会的核心团队来自北大、人大、央财等高校统计学方面的年轻优秀教师, 他们都有着强烈的教书育人的社会责任感, 想帮助全国更多的高校和学生学习好数据科学这门专业。狗熊会从一个免费的微信公众号起步，逐渐做成一个标准的数据科学案例库平台内容创造者。近两年教育部已经批准国内高校本科设立数据科学专业，但很多高校在此专业上缺少好的教材，更缺少数据分析的案例和产业实践。狗熊会今年做的四五十个案例涵盖了互联网金融、征信、车联网、广告、工业制造等多个行业，每个案例都带数据、代码、PPT和视频，整体交付给高校来用。希望在全国范围内提高高校数据科学的教学能力。与此同时，狗熊会做了免费的人才计划，帮助优秀的学生进一步提升产业实践的能力。狗熊会希望在高校和企业之间搭建一个桥梁，不仅把北大这样优秀大学的经验和能力输送到其他的大学，同时也让学生们应用到企业当中，解决了企业在大数据人才方面招人难的问题。

第二是助产业振兴。大数据这个领域非常重要的两个因素是场景和分析方法。企业有非常好的场景，但是缺分析方法和人才。狗熊会针对每个服务企业都有项目组，配备的组长都是高校优秀教师，每周定期深入企业现场，共同分析研究问题，伴随企业共同成长。通过这样的模式，狗熊会产业实践的能力得到极大提升。与此同时，把企业好的实践产品转化成案例，再反哺到高校教学过程，这样的案例就非常真实。

未来的狗熊会想做成数据科学领域的社区，做好高校育人和产业实践的桥梁和纽带。

“光华思想力”是北大光华的思想平台，旨在用国际通行的研究工具和方法做具有国际水准的立足中国、辐射世界的中国学问，提供政策建议和咨询意见，服务经济社会发展，用扎根中国经济社会的政策研究和前沿商业实践研究反哺商学教育。

1、数据分析的就业前景还是很好的，就业市场比较广阔。在大数据领域，国内发展的比较晚，从2016年开始，仅有200多所大学开设大数据相关的专业，也就是2020年第一批毕业生才刚刚步入社会，而且目前的能力还达不到企业的要求。所以我国大数据领域的市场环境处于急需人才但人才不足的阶段。

2、数据分析师需要掌握一些数据处理的工具，需要具备商业知识架构，需要会把商业知识和数据结合起来，同时需要养成良好的分析思维习惯，也包括一些软性技能，这样才能利用数据的价值，帮助企业解决问题，推动企业的发展。

本人某一本大学 数据科学与大数据专业的一名大四学长希望能给到你帮助。

就业前景:大数据这个专业就业前景挺不错的是个很好的选择。如果混的好年薪百万还真不是梦(哈哈有点夸张了这个还要看选择的方向)。一个人职业的发展取决于个人，学校，行业的情况。那么你到底适不适合呢？请往下看。

专业课程涉及:统计学，计算机，数学。高中所学的统计学知识对比大学来说少之又少远远不够。对于个人来说只要数学好就可以学，如果你是一个电脑爱好者就更好了（不是游戏爱好者看清了）。因为你所需要学习的知识不仅仅是统计学，还需要高等代数，数学分析（关于微分和积分的）等专业基础数学课。

推荐学的:你最好毕业于985/211或海外名校那么你到哪里都是很受欢迎的。你也更配的上大数据这个名号。新兴专业更加看重学校本身实力（计算机实力强的大学会更好）

劝退的:如果你只是考上了一个普通的本科学校最好不要选这个专业了吧。我这样说有两个原因。第一个是学校：普通的学校根本不具备足够的师资力量和成熟的人才培养方案。第二个是这个专业也不是普通人能学会的这是一个多学科融合的专业，计算机，数学，统计学任何一个学科分开来想要学好对于一般人来说都是一件困难的事情，更不用说大数据这种交叉型学科了。（本人也是做了四年的小白鼠哈哈）如果到这你还不死心，你也可以通过考研提升学历。

考研难：有些人会觉得本科学校不行我可以考研提升学历啊。现在（2021年）由于就业压力大，许多同学纷纷加入考研大军，这让考研党压力也很大。还有这个专业考研也相当难，本来就是个新专业有这个专业研究生的学校也都挺厉害的竞争压力也不会小。

许多人之所以关注到这个专业是现在这个专业的热度依然在，给人感觉很高大上也赚的多。个人觉得这很大程度得益于培训机构的宣传。我个人不太认同说选专业一定要感兴趣。其实对于个人来说只要你不讨厌这个专业你也可以把事情做好成为谋生的本领。如果没有做好职业规划你依然会遇见这样那样的问题。

选择专业的原则不是什么火就选什么。你在大学学习四年，市场上的某个职业可能已经从蓝海变成红海了。前些年电子商务也很火的，没过几年现在也不好就业啊。

当然很欣赏你可以对自己未来职业的选择有自己的想法。对于自己职业的选择有规划一定会让你少走弯路的，平常可以多去关注和了解一些行业有利于职业的选择。希望我的回答可以帮助到你。

本片文章仅代表个人观点存在自身认知局限性欢迎交流！

一直都想写实习经历和大家分享奈何自己太懒了(还是躺着舒服啊哈哈)

下面的话都是个人经历希望能给uu们有所帮助主要说技术方面的业务我们接触不到也不懂。

现在在一家小的互联网公司实习快两个月了(纯粹实习没有转正)。我们公司主要是提供网络安全产品数据咨询服务的(网络安全产品招标和中标相关信息)。

和我一块实习的有八个人有研究生也有留学生(哈哈我的学历一比较还是太low了现在找工作真卷)我们八个人都归我们业务分析老师管(在这里吹一下业务老师脾气真的好没对我们发过火，如果我们做错了还会比较细心的给我沟通爱了爱了)因为没有竞争关系所以我们八个人平时关系也挺好互相帮助吧。

我们八个人分工配合完成平时的工作。主要工作有日常提数据(用python代码或者tableau pp)、数据清洗、制作报表(excel)、使用tableau画图和做数据验证(用两种方式提数据看数据是否一致)，最终汇总制作ppt。

我主要负责使用python代码提数据(这个是需要根据业务老师的需求去写代码提取的，代码基本不会有太大的变化改改就可以满足大部分需求，偶尔有一些复杂的需求需要重新写但是对我来说没有什么挑战比较简单，可是其他人这方面确实有点弱这个和大学专业有关吧)

大概说一下提数据代码逻辑吧

首先连接数据库写sql查询语句提数据然后把他存储为dataframe格式用代码进行各种处理后输出为excel表

我平时还要用tableau制作数据看板这个我在公司和几个大佬学的所以其他实习生有什么问题很多时候我可以提供帮助。也会偶尔做做ppt快两个月了做了一次ppt。

这些事对我来说还是比较简单的所以我平时也有自己的时间。所以我利用空闲时间刷算法题和研究机器学习(这个已经学过一遍了感觉没学透就又来一遍)我之后想做数据挖掘所以只能平时多花点时间了

说一说数据清洗吧我本以为有多高级呢期待了好久最近公司年末说元旦之前吧所有脏数据清洗完成。但是安排任务的时候没叫我因为我在另一个任务。他们和领导开了个会。回来之后他们五个人开始清洗数据。他们把客户为空的数据全部提出来然后在excel中一条一条的去找我日上万找数据呢。纷纷吐槽费眼。完全在搬砖啊太难了。这个数据清洗完全可以先用代码去清洗减少了大量的脏数据然后人工做那些代码做不了的会更省力吧。我最近在和另外两个小伙伴做增长策略项目感觉还好我主要负责编程，他们负责ppt和写文章。

我觉得数据分析师这个工作技术上难度不高一般人在公司待几个月应该都会的差不多了吧(需要写代码的可能对于没经验的会稍微难点，但是做久了就那么点需求改改代码应该不难吧)

在这实习感觉还挺好的毕竟第一次出来工作，就是在工作中有些时候会比较烦。一个任务上周做完了他不要下一周又要了还待重做。有些时候老师说需求提数据的时候不知道他到底要干啥(我们老师只懂业务不懂技术)。做时间长了你可能会觉得没有意思天天就那么一点事没有挑战。

疫情下找工作真的挺难的，马上就要过年了，现在准备春招(准备往数据挖掘那方面转毕竟数据分析师这个岗位太卷了入行的谨慎一点)

祝各位万事胜意！！！拜拜了