起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識如何用數據武裝自己
編輯導語：這幾年，從招聘市場上我們就可以看到有數據分析師這個崗位，同時在很多崗位上也都會需要有數據分析能力的復合型人才，足以見得數據的重要性，本文就來為大家聊一聊如何用數據武裝自己。
由于從事大數據行業，之前我在也聊過一些關于數據思維、數字化轉型等方面的文章，今天和大家從更通用的角度，聊聊如何用數據武裝自己。
首先得理解什么是數據，本質上來說，數據就是對現實世界的映射，是某種方式下對實體的數字化表達。
這并不難理解，那數據有什么價值呢？
最大的價值在于，數據是人類從定性到定量、模糊到精準的思維和工具。
似乎有點抽象。
一、數據的重要性
仔細想一下，人類所做的所有學習和努力的本質是什么？其實是為了獲取確定性。
比如農耕時代，需要知道選取哪些種子、在什么時候、在什么地方播種、澆多少肥料…
到了工業時代，需要知道的是多少的原材料生成多少產品，如何定價、市場規模、周轉率…
到了信息時代，就變成了行業的規模、獲客成本、單用戶生命周期產出的價值…
可以看到，不管哪個時代，數據就是通過定量的方式，給人類帶來確定性的信息。
商業時代，商業的本質是利用信息的不對稱賺錢，掌握了數據，就占據了先機。
為什么前段時間社區團購很火，原因很簡單，就是因為社區團購通過預售的模式，買到了消費者的確定性。
以信用卡行業的為例，我之前聊過，未來的企業都是服務企業，和用戶之間要建立頻繁的連接，信用卡行業尤其如此。
舉個例子，一個用戶同時是A銀行和B銀行的信用卡用戶，但這個用戶在A銀行使用非常頻繁，產生了大量交易流水，而在B銀行是個睡眠賬戶，這個時候，用戶需要資金周轉，同時向A銀行和B銀行申請貸款，會產生什么結果？
B銀行對這個人的認知可能還只是多年前的表填信息和人行征信，很多情況下只能給這個人普通額度和基準利率定價。
但是對銀行A來說，通過他的交易，不僅知道他的消費習慣，甚至還知道他的家庭住址、辦公區域、家庭規模等等，就能給他量身定制貸款產品。
同樣的用戶，對B銀行是X因素，對A銀行，完全是個透明。
如果A銀行成為了大量用戶的主賬戶，那么，銀行間的競爭，對A銀行來說，就是在打明牌。
所以，我們常說的，未來企業間的競爭就是數據的競爭。
對企業來說，光拿到數據夠不夠呢？其實是不夠的。
需要基于數據，形成感知-理解-決策-行動閉環，如果數據沒辦法被準確感知，并最終落地到行動，數據是沒有價值的。
二、用數據武裝自己
這里面又有兩件事情要做：
第一，需要對商業模式有深刻洞察，建設感知-決策系統。
舉個簡單的例子，有很多公司，對數據的感知僅僅停留在結果層面，比如獲客量，只能知道獲客量是多少、多了還是少了。
這種有價值嗎？不能說沒有，但是很低。
獲客量低了，只能吼一聲大家努力，但是具體在哪個方向上努力、需要多少資源、如何努力，是不知道的。
從本質上，這種做法相當于只看結果意味著只看到了局部的點，卻沒有看到業務中的其他變量以及變量之間的連接關系。
只有對行業深刻的洞察和圍繞洞察，構建的數據感知體系，才能真正指導業務的決策。
第二，構建自動化數據創造價值流水線。
在感知、決策之后，最重要的就是行動，需要建設自動化數據創造價值的流水線。
簡單來說，就是構建策略體系、應用實施、價值后評估。
有了感知、決策、行動、反饋，就形成了閉環，做到這些夠了嗎？
應該說是達到了及格線，還談不上一騎絕塵。
如何一騎絕塵？一個字，快。
通過“快”加速實現和放大決策者的收益。
為什么ABtest、數字孿生這些概念很火，很大程度上在于這些技術能夠加速迭代。
別的公司可能還僅僅在試探，你已經做好五六輪了，那么在你眼中，世界就是個慢動作，你早就已經絕塵而去。
上面這些想要做好并不容易，涉及到數據采集、治理、指標體系、客戶畫像、數據挖掘等一系列大工程，但是一旦這套體系運轉起來，企業之間的差距就非常大了。因為這已經不是一個時代的企業在競爭。
說了這么多企業如何用數據武裝自己，對個人來說，究竟應該怎么做呢？
其實是一樣的。
就像我前面說的，數據的意義是為了獲得確定性，人生中有很多時刻，也會進入到各種十字路口。
比如要考哪所大學、買哪里的房子、進大公司還是小公司、到底要不要跳槽、甚至和誰結婚，這些都是很重要的決策。
和企業一樣，也是要做三件事情。
第一，數據采集。在決定考哪所大學之前，你需要先了解下各大學的就業情況、就業水準，買房子之前，你得了解同樣區域、同品質房子是否在升值，二手房市場是否活躍。
第二，構建你自己的決策機制，決策的本質就是進行收益-成本分析，通過建設一套完整的體系進行評估。
當收益大于成本的時候，你就應該選擇執行，反之，就應該等待時機。
比如很多人問我，現狀這么差，該不該辭職？
我一般給的建議就是，是否跳槽并不取決于你現在有多糟糕，取決于下家給你的收益是否大于當前公司給你的收益和替換成本。
在面對這些問題的時候，要學會用數字評判周圍的東西，比如從1-5打分，日積月累，你就能夠評判細節的差異，做出的判斷會更精準和更嚴謹。
第三，執行、后評估和快速迭代。
完成決策之后就要執行，并時刻評估是否按照你的預期發展，你得評估你決策的前提條件是否還存在，也得評估你執行過程中是否出現了偏差。
三、總結
生活中，不斷迭代你的模型和評估你的決策是否還有效。
有了數據思維武裝自己，你就不會輕易通過主觀的感受去下判斷和做決策，你會估算收益、你會權衡利弊。
數據思維的優勢在于很多時候你是可以進行證實或者證偽，通過反復迭代，你的模型會越來越精密，你的判斷會越來越準確。
以上是本次一丁的分享，希望對你有所啟發。
本文由 @一丁 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基于 CC0 協議
大數據已經不簡簡單單是數據大的事實了，而最重要的現實是對大數據進行分析，只有通過分析才能獲取很多智能的，深入的，有價值的信息。