“用数据” 更多的是一种方法论，而 “养数据” 则是一种数据战略，是基于深入业务理解的更高层次的商业决策。问题 & 对策：数据的录入 & 补录 & 提取和修改、流转、口径和指标规则等，有些可以短期解决，有些由于系统架构、托管等问题短时间难以解决（暂时通过较低级的曲线方法绕过），人员这块业务部门有数据经验的不多、也没有相关思路，技术这块下沉不够，整体上关于数据的真正作用和价值，很少有人去在意，更多是外部的监管推动自身的治理，思路还是数据运营 / 有数就可以运营而不是运营数据 / 运营好数据。还是要上下目标一致、线路清晰、齐心协力，抓住这波数字化转型机会实现数据治理和运营（人，财，物，制）。

如今，随着银行业的各种转型，大零售也好、数字化也好、金融科技也好，不外乎就是通过科技的手段对传统零售业务的展业模式、服务流程、营销效率、成本控制、产能评估等方面进行精细化管理，或者叫重塑。以前，我们是 “有问题找数据”，在大数据时代，是通过 “数据找机会”，要有预判，就是哪些数据是你必须要提炼出来解决盲点的。而合格的数据从业者，应该是有业务和产品意识的。客户作为零售业务的基础，各银行首先应该把自身基于客户的数据积累进行深入的挖掘，充分发挥业务价值。从广义上理解，数字化就是信息从具体到抽象、从模糊到精确、从主观到客观的转化过程。通过这个转化，信息会变得简单、易扩展、储存、传输和处理。其本质就是抽象化、标准化和结构化。任何一个行业，在需求端和供给端之间都有一个很长的链条，链条上的每一个环节，都有数字化的机会，都可以针对性地设计数字化工具。具体到数据的应用，所谓的数据建模，通俗一点，就是基于很多以往的经验进行总结，或者是对旧数据使用规则的发现，将经验和数据相结合，最后输出一个可以被套用的业务规则。在大数据时代，越能够还原用户真实身份和真实行为的数据，就越能够让企业在大数据竞争中保持战略优势。同时，大数据的应用和所谓的爆发，也是需要一个全链条的培育期和成熟期，需要持续的投入和基建才能夯实基础设施，更好地与业务相结合，呈现出数据价值。

大数据像铺天盖地的洪水一样涌来！由于近年来数字媒体、网络和移动技术的迅猛发展，数据的积累速度已对数据的存储、管理、分析和决策应用提出了前所未有的挑战。很多企业、政府机构、学校和研究机构为了能在大数据时代继续生存和发展，都在重新定位和寻找新的方向。让我们高兴的是，作者作为一个先行者，在阿里巴巴已经走出了一条大数据运营的路，并又在运营大数据方面总结了很多成功经验。他的《决战大数据》一书尤其为读者提供了 “数据化思考” 的模式和框架。通过讲故事、作比喻，品觉打破了大数据的神秘，然而又能使读者产生丰富的联想，开动脑筋，真正理解大数据成功运用的要诀。感谢品觉为 “大数据金矿” 的探索开发作出的贡献。

这是一本有关大数据实战应用的书籍。作者车品觉在阿里巴巴任职的 6 年期间，主导了阿里从电商平台到数据平台的转型，经历了阿里数据从零到有、从有到精的整个过程。在本书中，作者用自己十几年的数据实战经验，剖析了企业用不好数据的原因，分享了企业用好数据的关键，并且对未来数据实战应用的趋势做出了预测。通过本书，你将能看到有关阿里巴巴数据应用的方法论，了解他们如何挑选和培养数据人才，以及数据收集、管理和使用的实操方法。大数据的应用阶段已经从发现问题、分析问题过渡到帮助企业挖掘更大的商业机会、辅助高层决策了。于此同时，很多企业的数据应用依然停留在表面，不仅错过了大数据蕴藏的巨大商业机会，也没有用数据给企业带来实打实的利润。因此，本书主要分享作者在数据领域深耕十几年的经验，阿里巴巴数据实战应用的方法论，以及提出了大数据在未来实战层面上的应用趋势。本书核心内容：1. 大数据怎么样 “从说到用”。2. 阿里巴巴从事数据运营中积累的宝贵管理经验。3. 大数据未来的应用趋势。第一个方面，是大数据怎么从说到用。也就是说，企业怎么把数据变成利润。“用数据” 这一招练好了，会成为一个辅助企业决策、开拓商业新机会的重要武器。而大多数公司用不好数据的根源，是在人的数据思维层面上没有建立起用户意识。第二个方面，是阿里巴巴数据运营的成功经验。阿里巴巴培养数据人才，靠的是内三板斧 “混通晒”，阿里巴巴数据应用的升级迭代，靠的外三板斧 “存管用”。这就是阿里巴巴在数据应用上最值得分享给你的宝贵经验。第三个方面，是大数据今后的应用趋势。我向你介绍了信息数据化、决策实时化和人类智能化。要想用好大数据，不能只关心科技的发展，还要注重思维的开拓。只有先进的科技加上开阔的数据思维，大数据的价值才能发挥得淋漓尽致。阅读这本书，会发现每个章节结束的地方都有一个小节，叫做 “数据化思考”。作者把自己的实战经验总结锤炼成了一种基本的思维方式，而且全部放在 “数据化思考” 这个部分交付给了读者。日本著名企业家稻盛和夫曾经说过：“工作就是最好的修行”。车品觉也十分尊崇这样的信仰，不但在书中毫无保留地分享了自己的经验，还把这本书的全部稿费都捐献给了桑珠助学基金会。希望这本书在方法论之外，也能给你带来更多的启发。2017 年，车品觉出版了他的新作《数据的本质》，这本书在《决战大数据》的基础上，讲述了商业智能时代大数据思维如何大展拳脚，包括：大数据变现五大场景、区块链、新零售、FINTECH 等等；当然，你也能继续看到很多阿里巴巴的内幕故事，每一个故事，都是一段 “数据化思考” 的内化历程。作为《决战大数据》延伸阅读，我也在这里一并推荐给你。

听是湛卢文化解读的听书，又看了电子书，印像最深的还是数据的 “混晒通，存管用”

未来几年将是大数据技术及其应用发展的黄金时期，本书是车品觉老师根据自身在蚂蚁金服以及阿里集团的多年数据实践，并结合理论对数据产品规律进行了深入阐述。本书构思流畅，由术入道，深入浅出，既适合初学者以及业务人员了解大数据的相关知识，也适合专家级别的读者细细品味，无疑是大数据领域的必读书籍。

作为一个职场人，深深感觉大数据在工作和生活中越来越重要，但是每天听大数据互联网，又不是特别清晰大数据究竟如何影响我们生活工作，带着问题开始阅读这本书，读完之后还是有一些感触的。具体如下：1、读后知道数据在互联网时代所起到的作用，数据除了描述性外，还有诊断性和预测性的重大作用，如果预测价值实现，将会创造更多的商业机会 （读取数据 - 解决数据 - 推理数据）2、电商重要的数据 成交额 = 访问量 * 转化率 * 客单价        只是做一个改变测试不可以，当做一项决策时，这三个指标都需要考虑。3、个人大数据管理至关重要。 我现在的 onenote 管理就是数据收集，而之后我要考虑如何让我的数据运营更有效。从数据运营到运营数据转变。让自己打通数据收集的三板斧 混通晒。只有天天和你感兴趣的领域混在一起，才可能培养出觉，只有打通数据间的关系才可以实现数据闭环，晒则讲求的是运用。 4、数据趋于行业化。互联网影响大的行业容易数据化，已经冒出来的金融、医疗、电商。金融领域主要是信用管理 医疗领域不同医院医生资源整合， 电商访问量 转化率零售业：利用大数据，吧供应和零散的需求相匹配，供应方，用最小库存，最快放阀，最合理利润率来满足消费者的需求，从而使供应链处理数据更好，成本满足最低要求。5、合适的时间做合适的事，对关注的信息整理分组，指配到合适的时间完成。整体感觉收获颇多，但个人感觉框架结构还可以再整合下，小标题太多分散精力，主线容易迷失，每个大标题下的小标题读着读着就忘记这章的主题是什么了。读完之后也为作者的善心点赞！

引用书中一句话 “请记住，在很多时候，决斗对象不一定是他人，而是自己。”

从支付宝到淘宝；从数据运营到运营数据；从混、通、晒到存、管、用，跟着大神的视角，重新理解一遍大数据。万物皆数至少在互联网上是这样，不论是文本、图片、音视频。在海量的数据中，会被分为基础层、中间层、应用层。快、准的数据可以引导我们在已知的规律中发现价值；广、乱的数据给于我们重新发现的能力。假设数据都能获取是思考的前提，问对问题是最重要的突破口，数据已成为重要的生成资料，描述过去、诊断当下、指导未来。谁能更高效的使用、谁能跟贴合业务场景，谁就能抢占先机。1. 数据运营的底层心法 a. 一切从定义问题开始，问题问好了，答案就在里面；b. 在万物皆数据的年代，要以 “假设数据都能获取” 为前提去思考问题；c. 数据助力企业经营：描述现况、深入诊断、预测趋势、指挥行动；d.“快 + 准” 的数据，让我们可以从已知规律中寻找价值；e.“广 + 乱” 的数据，给予我们从发现中获取颠覆过去规律的能力；2. 对消费者来说，购物就是决策，凡是决策，都是要对比、细分、溯源、看趋势。所谓的冲动消费是 “什么都不管了”，直接拍下，那就要分析购物当天的场景了；3. 大数据相信全量数据，而非样本；是分析得出，而不是抽样获得；4. 很多数据是经历了加工才产生这个价值的，而往往其中整个加工链条的中间数据并未被区分出来，一个好的数据人则必须要对各个数据的价值和稳定性有深刻的理解；5. 数据分类的四大维度 a. 是否可以再生，不可在生的数据通常都是最原始的，若没有记录就无法还原；b. 以数据存储层次，基础层未加工的原始数据、中间层进行了加工处理、应用层针对于业务场景；c. 以数据业务归属；d. 以隐私（安全级别）；6. 能够辨别关系、身份的数据是最重要的。这些数据应该是有多少存多少，永远不要放弃。在大数据时代，越能够还原用户真实身份和真实行为的数据，就越能够让企业在大数据竞争中保持战略优势；7. 一个单独的数据是没有意义的，要把数据放在一个 “数据框架”（场景）中，才能看出存在的问题；8. 当我们面对这样两难的问题时，一定要从压抑中迅速跳出来思考：除了是与否，还有其他可能嘛；9. 别把自己逼到 “或” 式选择的境地，这在逻辑思考中非常致命。你必须跳出来，问，为什么是或；10. 数据盲点 a. 物理盲点：数据库中不存在这样的数据，即没有收集到应该收集的数据；b. 逻辑盲点：有数据但没有被很好的发掘出来；c. 经验盲点：没有注意到环境变化的趋势；11. 数据化运营的前提是假定数据是稳定的，并且以此来改变企业的运营，假定数据稳定，也意味着我们习惯于不去寻找一些新数据；12. 业务需要进行比较才能判断好坏，而比较的前提就是要不断地去寻找比较对象；13. 如果业务场景是要查找精确的数据时，用图，就错了；如果业务场景要观察变化趋势却用了表，那也错了；14. 从运营数据的角度来说，如果我们只收集数据而不做分析和应用的话，代价就是很沉重的存储成本；15. 标签使用的两个核心点 a. 中间层和业务层的对接，典型的应用之一就是 DMP（Data Management Platform，数据管理平台），终端使用这个根据需求调取标签；b. 中间层的易用性，对于终端用户来说，选择标签需要足够简单，并且能够非常清楚地知道这个标签具体代表的含义是什么；16. 大数据的趋势是运用集体智慧去优化个体的意愿，这种互动是一种新的生活方式；17. 清楚了问题之后，就比较容易找到相关的数据和信息。而在没弄清楚问题之前，便没办法进行下一步的思考和行动；18. 从最早期的描述性分析（发生了什么）到诊断性分析（为什么发生），直至今天每一个行业和垂直领域都在努力开展的预测分析；19. 每年一到冬天刚结束，就有人开始寻找夏装，而当广州的天气第一次变热时，夏装的需求就爆发了。反过来，在冬天，北方城市的首次降温也会带来冬装搜索的热潮；20. 对零售业来说最重要的就是如何利用数据，把供应与零散的需求做匹配，大数据对对零售业来说不是一个单纯的转型问题，而是一个攸关生死存亡的问题；21. 未来的 “推荐” 应该是游离于 “优选” 与 “逛” 之间；22. 不用再斤斤计较于大数据的词义，要将关注点集中到怎么样看待问题、看懂问题，然后试着通过数据思考，并最终落地实践；23. 为什么我要不断地去问问题呢，原因很简单，就是我想知道问题到底出在哪里，以找出每一个问题背后不一样的原因；24. 数据运营的三阶段 a. 第 1 阶段：有多少数据就收集多少数据，数据只从点上指导运营；b. 第 2 阶段：数据要精准化，数据之间开始有了关系，可以为战略作参考；c. 第 3 阶段：数据模型，分析外围数据变得异常重要，为下一步战略找出路；

非常棒的一本书，作者分享了很多干货，有 know how，有他的思维框架还有方法论，有些来自他的成功经验，有些应该是来自于他踩过的坑，还有一些他怀疑和不确定的，也坦诚的探讨。像无目的的无限收集数据是个大坑，如何养数据，数据质量稳定，要明确问题，负向思维等等都是非常有启发的。另外，作者十年如一日的坚持清晨 4 点半起来打坐晨读以及尽心尽力的资助甘孜的那些孩子实在令人敬佩。出了快 10 年的书了，还能在当当上买到新的（17 年升级版本，21 年第 9 次印刷）也确证了这本书价值和生命力。