圖片來源自UNSPLASH
最近和妻子討論面試大學生時，有不少人在簡歷上寫到對數據敏感的能力，但有問到具體的問題卻回答不上來的情況。
數據分析是今天以及未來對各個行業都十分重要的能力。
今天來簡單聊聊什麼才能叫做對數據敏感。我將從求職的角度來談論，由於篇幅有限只能基於商業分析來討論，希望對於正在或者將來需要求職的朋友有一點幫助。
圖片來源自UNSPLASH
首先我們需要重新思考一下數據的意義。
數據在這個時代已經變成了一種資產，這個詞相對以往任何一個時代來說，都變得更加有價值。
亞馬遜可以輕易地通過自家平臺的數據，切入任何具有成熟供應鏈的產業，例如數據線，充電寶，耳機，音箱，手機支架等等。它可以建立自己的品牌來提高利潤，同時利用流量傾斜到自己的品牌，它的品牌「創業」從一開始，就是從1到N的旅程，而不是像大多數公司那樣經歷生死地從0到1。
而谷歌可以通過累積多年的搜索引擎數據，建立絕大多數公司沒有的海量語義識別數據庫，在谷歌智能音箱上對人類語言的理解能力更加準確。
故我們在討論數據的時候，應該要說是要討論那些能夠成為資產的數據。
能成為資產的數據是能規模越大越有優勢，能夠產生商業價值，以及可以被重新計算成為新應用。
人工智能時代背景下，這些資產變得越來越有商業前景，但同時也讓人們重新思考數據分析的定義。
大量重複和苦力的數據分析勞動被機器取代，它們日以繼夜地工作，並且表現比人類還出色。
那麼人類的價值應該在哪裡體現？
我們的價值取向應該是往人工智能無法取代的數據分析去發展，讓機器幫我們節省出來的時間去思考更加深度，分析以前來不及考慮的問題。
例如，長期投資決策的分析不能依賴單一的數據模型，或者說不能依賴無法自適應環境的策略模型，可能涉及宏觀經濟，政策，自然環境等大量複雜的因素影響。
機器無法完成的任務，人類成為多種機器模型的連接和匯聚分析點，這時人的分析價值才能長久地體現。
所以說，我們不需要抵抗人工智能的數據分析，反而需要跟上潮流更好地利用它幫助我們，至少需要掌握一些基礎的數據分析工具。
學習一門處理數據的編程語言是最好的方法，Python或者R又或者SQL。
如果不願意學習Python等來抓取以及分析數據，入門的工具例如Excel操作和透視表分析也是一項加分項之一。
當然，我還是強烈建議你去接觸並學習一門數據分析課程，掌握基本的編程能力。
原因有三點。
首先技術趨勢永遠是扁平化的，越是大規模應用的技術都會變得如同堆砌積木一樣簡單。
其次，把編程是一門與機器溝通的語言，把機器當做一個物種，學習編程的熱情應該如同學習英語，日語，西班牙語一樣充滿渴望交流的熱情。
最後，目前的機器還是很聽話的，一旦你掌握了技能，它就是你的能力延伸。
掌握了工具，還是要實際地用一個框架去分析數據，因為工具並不是目的本身，我們希望分析數據是希望把這種資產成為有價值的業務。
數據的分析最重要的一條原則是基於業務的理解作出價值取向，它往往決定了你的分析框架。
舉個例子，我們需要分析一家電器公司是否具有投資價值。
如果你重視價值投資，你可能會關注現金流，淨資產收益率，市場佔有率，毛利率，存貨週轉率等指標。
如果你重視短期投機，你可能回去關注百度熱點，微博熱點指數，公司公告，成交量，換手率，KDJ等指標。
無論如何，你的價值取向決定了你選取的數據範圍。有了框架內的相應關鍵指標，更進一步地去分析這些指標數據的大小和增速。
我們應該重點關注的數據的具體變化，通過橫向的比較，縱向的比較之後，得出相對完整的證據去支撐你最終的決策觀點。
舉個例子，小米聲稱的硬件淨利率不會超過5%的新聞，不懂行的拍手稱讚，實際上硬件淨利率並不是財報的標準指標，但從這個概念來看也有很多空間可以「調整」。
橫向來比，其它硬件廠商的毛利率也一直不高，能夠達到5%的企業其實也並不多，只有像蘋果掌握這APP Store的優質軟件生態，像三星掌握大量核心部件的企業才能從硬件上溢價達到高利潤率。
再從小米本身縱向來比，它上市前兩年的報表數據，硬件的毛利率分別是-0.3%和3.4%，還要減去銷售管理研發等費用，實際硬件利潤率就更低了。
也就是說小米賣硬件一直都不賺錢甚至虧錢，所以這樣的新聞無法有效地支撐你的投資決策，也無法支撐你對其情懷的支持。
大小的變化是一個方面，另一個方面是數據的增速。
一個行業的興衰，處於什麼樣的生命週期，已經決定了你選取什麼樣的工具和指標去分析它的前景。
框架還是一樣，從縱向比較，例如比去年同期的增速，放緩的原因是自身產品吸引力問題，還是行業生命週期轉化了？
橫向比較，行業平均水平，重要競爭對手的增速等，都能有助於你看懂當下的競爭格局。
對數據敏感的體現通過上面的過程也成了一件很自然的事情。
你選取了一個價值指標，它的框架上有對應的關鍵指標，通過關鍵指標的橫向縱向分析，它的大與小，快與慢都成為不同含義的語言表達，透露著你所分析的趨勢觀點。
敏感的含義在這裡更準確地應該表達為，找到關鍵指標並且找出出有助於決策的證據。
最後簡單總結一下，為了把簡歷上的「對數據敏感」提供實際的能力支撐，你至少需要準備：
1.瞭解數據作為資產的重要性
2.掌握基本的數據分析工具,最好學一門編程
3.價值取向決定你分析的框架，關鍵的數據指標藏在框架之中，通過橫向縱向對比分析能夠獲取更全面的證據支撐觀點。
當有天別人問你為什麼說你對數據敏感的時候，希望你已經做好了充足的準備。
閱讀更多 獨思有疑 的文章
