现在数据人才稀缺是事实，但除了个别互联网公司，大多数企业缺的不是数据技术人才，而是具有数据思维、能够利用数据技术创造价值的人。

既然如此，为什么大多数公司在招聘数据人才的时候，还有着较高的专业技能要求呢，无论是数据分析师、数据工程师、算法工程师还是数据科学家。

跟你说吧，无奈之举。

职场的供需关系决定了招聘必需设置门槛，而考试成绩、专业技能是相对容易量化比较的，也是相对公平的，中考和高考就是那么一种机制。

但可以肯定的是，一旦你过了这个门槛，当初跨过门槛时所依赖的那点知识就都跟你未来发展的好坏没有什么关系了。

因此，如果你有幸通过面试进入一家企业做数据类工作，一定要记得从你拿到offer那个时刻开始，就要将自己清零，重新去掌握职场需要的真正技能。

1、技术的悖论

大多数企业的技术（包括数据技术）天花板很低，很难培养出顶尖的技术人才，这绝对不是说企业的IT人员能力和素质不够，很多企业的IT人员也有着非常好的教育背景以及综合素质，只是因为这些企业没有进行深入技术研究的环境，而要成为某一领域的技术顶尖人才，往往需要有足够复杂的业务场景和业务的氛围。

阿里巴巴技术比较厉害，最主要的原因也许是有“双11”这样的业务背景，这种业务场景在全球都是少有的，这就对技术的各个层面都提出了前所未有的挑战，自然就需要技术人员发挥出自己的潜能，在实践中不断地吸取经验和教训，这对技术深度的要求就非常高。

大多数企业根本没有像“双11”这样的业务环境，决定了其对于数据等技术的要求其实是比较低的。

实际上，大多企业的数据从业者必须要掌握的计算机技能其实只有三项：SQL、EXCEL、PPT，这三大件能解决企业90%以上的数据采集、处理、分析和挖掘的问题。

SQL：解决清单级数据的采集与处理问题。

EXCEL：解决汇总数据的复杂分析问题。

PPT：解决分析结果的展示问题。

有人可能会问，不会吧，海量大数据的采集和处理需要大数据平台的支撑，大数据分析需要掌握各种算法，大数据可视化更需要专门的软件支持，以上三大件显然不能满足要求。

从三个角度来说明这个问题：

第一、从数据技术的发展趋势看，未来通用的数据技术将像水电煤一样，属于企业最底层的数据基础设施，无论是大数据平台，算法引擎或是可视化软件，大多数企业是不需要自己来研发和运营的，你只要能看懂操作手册、能可视化操作就可以了，底层数据技术对于大多数的数据从业者来说，一定是透明的。

第二、从数据技术的人才走向看，大部分的数据技术研发人员将主要供职于专门的研究机构或是大型科技型企业（比如互联网大厂），企业即使有个性化研发的需要，所需要的人员比例也是很低的，也许只有5%，这是由科斯定理决定的。

第三、从数据人才的企业定位看，基础设施的云化将进一步模糊了OLTP和OLAP的边界，企业IT部门的云技术团队、OLTP技术团队将主导企业技术的选型、使用和运维，未来任何一个IT开发人员都是算法的使用人员，因为在技术层面也仅仅是调个包而已，OLAP团队将越来越上浮去做数据管理、分析和应用。

更重要的是，SQL、EXCEL、PPT在数据领域长期存在，已经证明了自己持久的生命力：

一是生态好，未来所有数据基础设施必然要支持标准SQL的操作,SQL是数据从业者进入数据世界的通行证；

二是门槛低，SQL是最简单的解释性语言，EXCEL是操控数据的最佳引擎，PPT是展现数据的最佳工具；

三是变更慢，判断一件事物能否长期存在，首先要先看下它已经存在了多长时间，我们以前接触过的各种数据平台、算法平台和BI工具，已经走马灯似的换了一茬又一茬了，但SQL、EXCEL和PPT始终坚挺。

事实上，这也是当前大多数企业数据从业者的真实技术写照，你根本不用为自己掌握的有限的数据技术烦恼，很高的入职门槛误导了围墙外的大多数观望者和想进入者，以为进入大厂的人肯定掌握了多么牛逼的数据技术，事实上，他们进去以后大多数时间可能在用SQL取数，5%的定律也是不会变的。

这很正常，恰恰反映了大多数企业的正常诉求。

很多时候，EXCEL、PPT才是体现自身价值的最强工具，如果一个数据从业者需要用纯数据技术来证明自己的价值，这个世界能提供给他的舞台实际是非常小的。

2、业务的真谛

如果希望自己的数据技术达到一定的高度，就要去像Google、阿里这样具备足够复杂业务场景和纯技术产品研发氛围的公司，顶尖的技术网络也不是一个公司能打造出来的，它需要天时、地利和人和，不要试图去改变它。

如果你没机会进入这类公司，就意味着你已经做出了选择，业务为王，技术为辅，别无选择，如果你处在一个不崇尚技术的企业却拼着命希望在技术上一枝独秀，往往事倍功半。

业务从某种意义上来讲，也是一种技术，在一个企业内，最容易拉开数据从业者之间差距的，往往是独特的业务理解力。

纯粹的数据技术，站在一个企业管理者的角度来讲，大多时候是无足轻重的，你调研100个数据管理者，有99个会说，我需要找到足够的业务场景让自己的数据产生价值，而不是说我需要更牛逼的数据技术来解决自己的业务问题。

不建议数据岗位人员走纯技术路线，一定要努力把自己培养成那种“精通业务、懂技术”的人，数据技术很容易被人学习和模仿，而独特的业务理解不会，充分理解企业所在行业的背景，把业务吃透，不管是云计算、大数据还是AI，都能拿来为你所用，帮你解决业务问题，达到“手中无剑，心中有剑”的境界，最大化的创造价值，这样你不单单是企业不可或缺的人才，而且在职场上也将利于不败之地。

企业的业务战略、业务产品、业务流程、业务渠道、业务平台、业务数据等都是理解业务所必需的，我们既可以通过做搞调研、做需求、带项目等手段来理解业务，也可以通过构建指标、报表来分析业务。

现在各个企业都在提数字化转型，但实施团队在数字化转型中最大的挑战肯定不是数据技术，而是业务理解力，试想如果连业务对象和流程都搞不清楚，那么数字化转型一定是空中楼阁。业务理解力需要的是积淀，而数据技术一般可以用钱解决。

经常听到数据从业者跟我讲在企业内缺乏话语权，但话语权不是更高层领导和外界环境能赋予的，而是自己争取来的，数据从业者要相信业务也是一种技术，甚至比技术更为重要，要能主动贴近业务去寻找机会，甚至创造出新的业务。

不懂数据，要驱动业务很难，但如果不懂业务，就失去了方向。

3、智慧的火花

从数据到信息，信息到知识，知识到智慧的三个阶段中，最后一步的智慧绝对是超越专业限制的，也就是即使你懂业务也懂技术，但如果缺乏智慧，还是做不成事。

智慧是指识别和应用相关知识的能力，智慧的本质就是决策，决策的关键是选择，多模型思维则是理性决策的基础。在采取行动时，有智慧的人会应用多个模型，就像医生会让病人做好几种检查来帮助诊断一样，领导在做决策的时候，也往往征询各方的意见，这些都是智慧的体现。

书呆子做事往往一根筋，这种现象在企业普遍存在。

这里举个多模型思维在精确营销应用的案例，精确营销不是一堆精通数据技术的人能搞出来的东西，这已经为我们的实践所证明，如下图所示。

要真正的做好精确营销，你往往需要具备各个领域的模型知识，也就是查理芒果提出多元思维模型：这个世界的知识被人为的切成了很多专业，而企业面临的环境是复杂的，大多需要用多模型的思维去解释和预测！

很多崇尚数据技术的人做事如同机器，其逻辑是这样的：“如果我看到/听到/闻到X，那么我能得出什么结论？” 然而，企业需要得到的回答往往是这个样子的“如果我采取了行动A，会有什么结果。”这是更为复杂而有风险的事情。

具有多模型思维的人体现出来的技能包括以下一些方面：解决问题的能力，创新思维，判断与决策能力，Critical-Thinking，表达沟通能力，Open Mind 等等，并由此延展，比如PPT写得很棒，主要受益于其严谨而清晰的逻辑。

获得智慧是数据从业者的使命，但智慧往往在诗外。

数据从业者痴迷于各种数据技术不是坏事，但有时也要抬起头来思考下，到底是自己的数据技术不够还是其他的因素，导致自己始终创造不了足够的价值。