如何理解马云演讲「十年后没有数据分析师的职业」

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

如何理解马云演讲「十年后没有数据分析师的职业」

缘起

结缘:我个人很喜欢研究马云的研究,一是认为他把事情做到了不可思议的高度,二是他很爱对未来思考而且愿意把成果分享。能够接触他的思想,是一件非常幸运的事情。我踏入数据行业也是基于一句话“比聪明你已经没有机会了,比勤奋估计更没机会,你只能比未来,我认为十年以后中国社会会出现这样的事情,我必须去做。”10年之后数据必将成为主要能源,谁能玩转数据就有可能创造更多价值。

为什么要解读马云的演讲:

寻找未来方向:我一直在思考未来之路要怎么走,从营销转行数据开始到现在从未停止。对未来的恐惧和缺少老师,曾经让我一度找不到方向,而从马云的历次演讲中来寻找灵感,站在巨人的肩膀上来筛选方向,至少他在对未来判断的这件事情上,犯错的概率要比我低得多。于是我会按照演讲内容重现推导过程,形成自己的理解,来指导日常工作。

学习思维方法:我一直相信”思维致胜“,如果你已经想明白事情,做成只是早晚的事情。马云一直在思考未来,如果能学习他对问题的理解角度和思维方法,对自己现在的提升非常好。

为什么写出我的理解过程:

我认为普通人与精英的看得见的差距越来越小,借由互联网的分享意识和信息传播速度,在信息层面越来越平等,而且这个时代造成人与人之间的差距并不在于缺少资源、钱等硬件条件,而在于意识和你的思维方法。

想象一下在每次演讲中下面就坐的高管和你同样听了马云的演讲,大家的理解是否是一样?精英们听完可能会花一周甚至一个月的时间去消化理解,可能会形成一个思路、作出一个产业business;如果一般人想当然理解,仅停留在“恩,马云讲的听起来好像很有道理,牛人讲出来的东西就是不一样”这样作为旁观者去judge马云讲的好不好,那会跟坐精英的圈子始终处于两条平行线。因为你社交圈子、获取信息的速度都不占优势,而理解力不跟上,那很难有突破的机会。

时代赋予机会相对平等获取信息,如果不能用自己的话和案例来把道理讲清楚,指导自己的行为,那会浪费宇宙给你的机会。

我把过程写出来不是要证明比谁强,而是展示这样去理解马云的演讲,来训练思考能力,来指导我的工作方向。若干年后,如果我的经历能够证明有效,可以到时翻开这些文章照做。但如果现在能看懂我在做的事情,同时你也一起做,恭喜你,你的人生已经开始改变。

「数据分析师将消失」具体指什么?

马云在历次演讲中提到的“十年后没有数据分析师这个职业,都是机器在做;十年之后Times周刊上年度最佳CEO是一个机器人”,基于此,我在想“假如他说的是对的,那我要做哪些事情来避免成为一个注定被机器取代的角色?”“我做哪些事情是机器无法取代的?”

马云有没有可能在说谎?

他有没有可能故意说违心的话?至少在2017年,据不完全统计,在包括0402深圳IT峰会、0422中国绿郑州年会、0527贵州数博会等多次会议上均提出该结论。作为如此地位的人,多次公开演讲连续故意说假话的概率比较低,反而是愿意分享思考成果一致性表达的几率更高。我承认没有马云的格局和思考能力,那先相信他的判断。(至少对未来的把握,犯错的概率比我要低很多) 。

他关于数据分析师的论断,并不是孤立存在,而是他对于未来的整体分析的一部分。拿出最近一期在数博会上的演讲来作说明。

/ 01 /开篇:为什么贵州能在大数据领域超车?

马云最有价值的是思考问题方法,他也会抛出很多有价值的问题。开篇就很好地体现出来 。

”贵州与大数据“的问题提出体现马云的两个能力:

从不想当然:对一切事物好奇并探究原因?为什么最火的大数据会议出现在贵州?作为一个“先天不足”的省份,它是怎么通过把握未来而在4-5年异军突起?(想象一下,如果是传统后工业时代的玩法,50年内能超过北上广估计都很难)这个经验在公司和个人的发展身上有什么启发?

演讲水平:开场既表达了对主办方的认可,同时也提出了一个非常值得思考的问题。合情合理,非常自然,从演讲的技巧来看,恰到好处。

贵州问题引发的思考:贵州以如此低的先天条件而完成跨越(茅台酒是因为条件差而运不出粮食所以才酿酒以保存),肯定在对未来的趋势判断上有值得学习的地方。如果你希望超车,肯定不能按照现有的理解和游戏规则来玩。怎么看待未来就非常重要。观点决定了做事的方法,所以观点需要更新,未来才可能会有所不同,否则只能是重复过去,跟在别人后面亦步亦趋。那有哪些观点需要重新定义?

/ 02/怎么理解DT时代?

在多数人还不理解IT的时候,我们已经进入DT时代(data technology) 。”万物互联“,我们还不知道数据能带来什么?但是我们知道现在的改变?手机装载操作系统,通话功能只占20%,晚上醒来第一件事情不是摸老婆,而是摸手机。汽车如果加上数据,“代步”功能如果只有20%的话,那未来会变成什么样子?灯泡、家用电器智能以后呢?(由此联想孙正义斥资330亿美金收购移动设备芯片市占率超过90%的 ARM,公司仅有2000人,平均每人值1650W美金,这是对未来的折现溢价)

我的理解:我们现在用数据做的事情包括报表支持运营、个性化推荐、图像识别等等;在医学领域分析X光片超过专业医师的水准,在围棋领域战胜人类的第一名。凭我们现在的认识水平,可能无法想象未来“万物互联”后的数据可以发挥多大的作用,从《红旗法案》看出人们当时对于汽车的认识,远远没有看到未来会有时速300公里的跑车以及能上天的飞机。我们现在对于新技术的态度,应包容各种可能性,提醒自己“万一未来实现了,我能做些什么来顺应或者推动这个趋势? “。

我的准备:如果“万物互联”出现的大量数据,会对社会造成什么影响?可能是翻天覆地的影响。这个影响已经超过现在我能认知的范围,需要借助大佬的前瞻性思考,来窥测未来可能会发生什么。

/ 03/五个新行业重新被定义?

新零售,以前的零售是卖货,未来的零售是做服务。未来零售计算要做的事情是,所有的物流、产品流、经营流、服务流必须合在一起。20世纪如果是工业制造的能力,21世纪是服务的能力。

新零售:阿里巴巴的电子商务,改变的是销售的渠道,用淘宝天猫模式来替换线下的实体店、批发代理制度,直面消费者,是把线下搬到了线上,是一种销售渠道的转变。而现在提倡的服务,是物流、产品流、经营流、服务流通过计算来解决,服务很值得深思。会不会是代表我知道你想要什么,并能马上送到你家?甚至在你自己想到之前我就懂你?其中涉及到服务流的用户画像和个性化推荐、产品流的自动识别筛选库存管理以及物流的快速配送 。

新制造,未来十年,制造业会遭遇前所未有的冲击。原来的所谓流水线、标准化、规模化、集装箱、低成本将会彻底改变。智慧化、定制化将会越来越多,特别是IOT(Internet of things)。大数据对传统制造业的冲击将远远超过电子商务对零售行业的冲击。以前20年,我们把人变成了机器,未来20年我们会把机器变成人。机器会越来越聪明,机器会越来越自我学习,这对传统制造业的打击是非常大的 。

新制造:精益生产设计的初衷就是柔性生产,定制化,减少浪费,缩短工期,在同一条生产线上根据订单定制产品。马云所理解的新制造,C2M Customer-to- Manufactory 从消费者下单、工厂再生产的方式,可能是精益生产的一种更极致的做法,因为以前是经销商下单,虽说批量小,但是还是有最低订货要求;现在是直接响应消费者,数量更少,定制化要求更高。

”以前20年都是把人变成机器,未来20年是把机器变成人。“这句话充满想象力。因为人相比机器,按照现在的理解,区别在于人会思考,而机器只是执行指令。如果未来20年,机器变成人,是不是可以畅想“我想要一包又好吃又好玩的饼干”,工厂可以根据我喜欢disney的数据给我做一个micky拼图的饼干,而这一切都是机器的思考?!

新金融,所有的金融机构最担心的是钱不能到需要的人手上。过去的是二八理论,只要服务20%大客户就能获得80%的利润。未来是八二理论,未来必须去服务80%的小企业和个人,来获得20%利润。中国现在很多金融机构跟一两百年前的当铺是没有差异的,未来新金融必须建立以数据为基础的信用体系 。

新金融:金融服务需要在80%的个体来争夺20%的收益,而信用体系在200年内并没有显著变动,那数据在信用体系的突破,能够让80%人群的金融服务更加便捷,更加顺畅。

新技术,我们昨天认为的强大技术,很有可能今天并不重要。很多人还没有搞清楚IT是什么,就进入了DT时代。原来在PC为主,今天是移动端为主。现在手机已经成为人身体的一部分,开玩笑说晚上醒过来摸得不是老婆,摸得是手机。手机其实是AI最早的应用。装上操作系统之后,通话功能从100%降为20%。设想如果汽车装上操作系统加入了数据,世界将会变成什么样子? 假如电灯、电冰箱、电视机都介入操作系统之后,世界将会变成什么样子? 以前是插上电会听你话,今后是通上数据。

新技术:技术随着业务的发展而应用,没有最牛的技术,只有与业务趋势最适合的形态,技术的不断更新换代对人的要求越来越高。

新能源,第一次工业革命能源是煤,诞生的商业模式是工厂;第二次工业革命的能源是石油,诞生的企业行为是公司。这一次数据将成为主要能源,如果离开数据任何组织的创新都是瞎话 。

新能源:数据将成为能源,任何组织的创新都离不开数据的支持,尤其是在未来“万物互联”的社会 。如果数据作为能源,如果有一天会不会成为”煤老板“?

/ 04/做事基于理想而不是争口气

对未来要有理想,坚持才有可能。而这份理想并不是为了争口气去超越别人,而是为社会创造独特的价值 。

中国以前是有市场,没有资金和技术,所以一直在模仿国外,填补空白(国外有的而国内没有,叫做“空白”)。现在有市场、资金、技术的时候,应该思考的是超越未来,追赶未来。为别人,为世界,为未来创造独特的价值。

从获得“诺贝尔奖”的价值观来看,你是想“为国争光”,还是把它作为一种人类一种未来的责任的担当?这是由很大区别。(同一件事情,你脑袋怎么思考是非常重要的。)我们必须有自己独特的思考,像贵州才有可能在四五年之内大数据领域异军突起。

/ 05/人类应该跟机器比什么?

机器让人”善假于物也“:每次新技术革命所带来的进步,都弥补了人类原来的不足。第一次工业革命的蒸汽机,带来的劳动生产率的提升(尤其是纺织)让织布这件事情变得非常容易;第二次工业革命的石油和电力,带来的内燃机、飞机,让人与人之间的距离可以很近。如果你非要比较人和机器织布的质量和效率,人和飞机的速度和高度,那会很滑稽。而现在的人工智能,未来机器一定会做到人类未曾达到的境界,如在传统计算、储存、理性以及持久度上,都是他的天下。

人”智慧“长于机器:人类能够竞争机器的地方在哪里?马云提到是“智慧”的竞争,“体验”的竞争。”智慧”不是知识,庄子曾说“吾生也有涯,而知也无涯。以有涯随无涯,殆己”,庄子追寻的是智慧,放弃的是知识。智慧可以是无数知识总结而成的规则,这些规则放之四海而皆准(比如老子、庄子、孔子、王阳明、释迦牟尼等的智慧)。在几千年人类历史中,知识技术在不断进步,而智慧停留在在传承,并没有长足的进步。

未来人与机器智能之间,可能是智慧的竞争。机器可能很难理解“道可道非常道,名可名非常名”如何应用在现实生活中。TA可以会从无限的知识中寻找规律,但TA无法在实际运用中真正理解。而这也是人的一份生命功课。就像《与神对话》说“每个人都是神的一个个体,通过你们来经验神的存在”。 

智慧与体验的关系:智慧是需要经过体验得来,就像你可以说一本字典很有知识,但是不能说这本字典很有智慧;你可以说一个白手起家的老板很有智慧,但他不一定有知识。未来的机器人也是这样,你可以说这个机器人很有知识,但是很难说TA很有智慧。因为智慧需要通过体验来获得,而不是死记硬背。你可能从小踢足球而磨练的团队合作能力,在未来工作中就很会领导部门。这种经过体验的智慧很难想象机器会获得。

所以未来是体验的时代,是服务的时代。谁能把体验和服务做好,谁就能在DT时代不被机器人所代替。

后记

这篇文章是基于我现在的理解、人生经历而形成,是根据我当下的思考水平而来。(一定不是最准确的解读,其实我认为没有最准确,只有最符合。)未来我可能发现有些解读是滑稽的,这很正常,因为我自己也在不断进步。我在一步一步积累对未来的认识,每次可能步子很小,但坚持一年两年之后可能会有非常大的不同。

共勉。


本文作者:lichald

来源:51CTO

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
8月前
|
人工智能 数据可视化 数据挖掘
【python】python职业人群体检数据分析(代码+数据)【独一无二】
【python】python职业人群体检数据分析(代码+数据)【独一无二】
254 0
|
数据挖掘 定位技术 SQL
数据分析研发工程师职业技能和要求
数据分析研发工程师职业技能和要求 工作职责: 1、负责LBS数据分析体系建设 2、负责LBS业务分析平台建设,负责业务数据的提取、查询、处理、分析等工作; 3、负责LBS相关产品日常运营分析、输出相关运营、决策、分析数据 职位要求: -热爱互联网,对大数据处理和数据分析挖掘有浓厚的兴趣 -熟悉Java、Hadoop、Hive,能够使用Py
1616 0
|
5月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
101 2
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
288 4
|
2月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
144 4
数据分析的 10 个最佳 Python 库
|
5月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
111 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
2月前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。