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據是有成本的，一個企業不應冒進地采取數據擴展策略。數據并不是越多越好，要重視數據質量、真實性、數據背后的意義、以及數據與具體業務（商業模式）的相關性，有針對性地收集數據、使用數據；

二是要認清市場競爭環境仍然以零和博弈”的形態為主，使用數據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勢。因此，在當前的市場環境下，在傳統行業中充分使用數據分析技術。會給企業帶來超額價值，更容易取得成功（如農業、傳統制造業、能源行業等）；

三是要懷著謙遜的心態看待數據分析技能，把它看作一種必備技能（就像英語一樣），而非核心競爭力，這也是我最想強調的；這里所說的數據分析技能，既包括一般的業務數據分析°，也包括相對復雜一些的數據挖掘、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、以及數據教育的親民化，在未來（當你畢業的時候），這些內容都不大會構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，不建議把數據分析技術作為核心能力去培養（純興趣除外）。畢竟整個社會對純算法研發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，大多數的技術創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新。

想要了解更多關于大數據資訊信息，請關注中培偉業李老師二維碼：