針對該問題，提出幾個我認為的關鍵要點∶

一是要認識到使用數(shù)據(jù)是有成本的，一個企業(yè)不應冒進地采取數(shù)據(jù)擴展策略。數(shù)據(jù)并不是越多越好，要重視數(shù)據(jù)質(zhì)量、真實性、數(shù)據(jù)背后的意義、以及數(shù)據(jù)與具體業(yè)務（商業(yè)模式）的相關性，有針對性地收集數(shù)據(jù)、使用數(shù)據(jù)；

二是要認清市場競爭環(huán)境仍然以零和博弈”的形態(tài)為主，使用數(shù)據(jù)的目的是獲取決策信息，但僅僅如此是不夠的，更重要的是相對于市場上的競爭對手獲得更強的信息不對稱優(yōu)勢。因此，在當前的市場環(huán)境下，在傳統(tǒng)行業(yè)中充分使用數(shù)據(jù)分析技術。會給企業(yè)帶來超額價值，更容易取得成功（如農(nóng)業(yè)、傳統(tǒng)制造業(yè)、能源行業(yè)等）；

三是要懷著謙遜的心態(tài)看待數(shù)據(jù)分析技能，把它看作一種必備技能（就像英語一樣），而非核心競爭力，這也是我最想強調(diào)的；這里所說的數(shù)據(jù)分析技能，既包括一般的業(yè)務數(shù)據(jù)分析°，也包括相對復雜一些的數(shù)據(jù)挖掘、機器學習、深度學習等。盡管后者的方法對技術要求更高，但是隨著編程能力的普及化、算法程式的樂高化、以及數(shù)據(jù)教育的親民化，在未來（當你畢業(yè)的時候），這些內(nèi)容都不大會構(gòu)筑非常高的入行門檻。

因此，若非個人能力特別牛，有著名高校和著名paper的背書，不建議把數(shù)據(jù)分析技術作為核心能力去培養(yǎng)（純興趣除外）。畢竟整個社會對純算法研發(fā)崗位的需求少之又少（僅限于高校及top大廠的研究院），就算有，大多數(shù)的技術創(chuàng)新也僅維持在簡單的應用層面，很難在當今異常成熟的技術條件下做出特別重大的算法上創(chuàng)新。

想要了解更多關于大數(shù)據(jù)資訊信息，請關注中培偉業(yè)李老師二維碼：