数据人如何提高核心竞争力
大家好，我是一哥，最近几个小伙伴私聊问题数据人的未来在哪里，天天提数，接需求，看不到头。今天结合自己的一些经验来给大家谈谈，每个人的路线不一样，仅供参考哈，有不同想法的可以在评论区留言让我看到哈~
背景
之前我讲过一个《业务重要？还是技术重要？》，后来收到评论恢复，工作3年以上的同事大多认为业务和技术同等重要。作为一个数据人，我一直想讲业务比数据更重要，但一直怕遭到热衷技术同学的鄙视，这句话一直没敢说。其实，数据人都知道，现在很多大会包括老板，一直都在提“数据赋能价值”。作为员工，我一直对此深信不疑，我也一直在对团队内强调。
谈谈数据赋能
大家对数据赋能价值产生共鸣后，就开始寻找数据价值，当然，刚开始还是有部分同事不以为然，还是要靠领导者来趟路，给大家做一个“模范”。数据要产生价值，并不是数据越多越好。很多时候我们花费大量的时间来搞数据融合，解决“数据孤岛”，最后数据都躺在服务器上“睡觉”。
很多时候，数据人员不是很清楚如何把现有的数据做出价值。但是业务人员很多时候都清楚自己要什么，他们苦恼的是不会运用数据。所以很多时候，业务频繁的给数据人员提大量的需求，有些甚至是“无理”的需求。最终导致数据平台开发了很多指标，还是静静的躺在报表系统里，业务人员也许用过一次后就再也不会点开了。上面已经说了，业务人员很清楚如何实现数据的价值，那为什么不让业务人员自己来分析数据呢？于是我们开始建设数据分析平台，然后构建数据产品！一个个数据指标是静态的，但分析的理念和框架是动态的，通过提炼分析框架和业务目标进行数据泛化形成数据产品，才能让数据被真正用起来。
数据产品特点：
数据产品要结合实际的业务场景 数据产品方便业务人员操作 数据产品要能够让业务人员自己构建，比如通过拖拽的方式。
也许，你会问了，有了自助分析平台和数据产品，业务就可以自己出数据报告，不用再让数据人员提数了，那么作为数据人员的你是不是瑟瑟发抖。
数据人员不会再花大量的时间和业务人员“砍需求”，而是专注数据应用场景，然后规划自己的模型。从数据采集到数仓规划和建模开发，包括数据资产管理都会从数据应用的角度出发来实施。期间，从前的“表哥表姐”还能抽出时间搞个数据挖掘和算法，从多维度探索数据，更大的挖掘数据价值（方便以后跳槽）。
学点数据挖掘吧
关于数据挖掘，上面我们已经说了，数据的上层应用挖掘，这个需求随着数据处理流程日益完善，数据的应用已经从简单的多维统计分析，慢慢的向深层挖掘过渡。那么作为曾经只会SQL的数据工程师要重新拿起“西瓜书”了吗？
招聘网站，我们看到很多公司在招聘算法工程师，关于算法工程师招聘到公司具体做什么，我也了解过一些其他公司的（自己团队的算法工程师，我很清楚需要他们做什么）。通过了解一圈发现，很多公司招聘的算法工程师其实就是数据挖掘工程师。我理解真正的算法工程师是专注于数学工程化的，他们更专注于数据问题研究到极致，工作更加纯粹。除了头部IT公司，应该很少有公司在做真正的高精尖算法研究吧，然而作为数据挖掘工程师就需要了解数据。
数据挖掘工程师需要知道一整个数据到业务输出的机制或者说是系统，可能涉及到复杂的算法转化，也可能只是简单的规则转化，或者多个模型的转化组合输出等等，他是一个比较全面而概括性定位。
核心竞争力
1、熟悉业务
进入公司（新岗位）的第一步就是去了解部门限制处理的业务，数据都是从哪里来的，涉及哪些业务，我了解他们的系统。只有了解了你接下来面对业务系统，才能更好的“服务于”业务。
2、熟悉平台
了解部门平台架构，知道平台数据怎么接入的，如何存储的，怎么处理的。很多算法工程师，只知道要自己算法需要的特征数据，对数据仓库工程师提了各种需求，然后“静静的”等数据。数据来了以后，发现和自己要的有出入，就又来了一轮，大家都很痛苦。没有人比你自己更了解你需要什么数据，所以“自己动手，才是王道”。
3、帮助别人
帮助团队成员能力提升，“大家好，才是真的好”。其实进入到一个部门，每个人都有自己的优势，帮助别人提升能力的同时，自己也不断提升，团队也会获得更好的“绩效”，也帮助了领导“解忧”，自然会成为部门的“红人”。
end
进群方式：请加微信（微信号：dataclub_bigdata），回复：加群，通过审核会拉你进群。
(备注：行业-职位-城市)
01. 后台回复「数据」,即可领取大数据经典资料。
02. 后台回复「转型」,即可传统数据仓库转型大数据必学资料。
03. 后台回复「加群」,或添加一哥微信ID：dataclub_bigdata 拉您入群（大数据|数仓|分析）或领取资料。
！关注不迷路~ 各种福利、资源定期分享！