10多年前自己以新人的身份開啟數據生涯，現在算是一個數據老人了，與當初的自己相比，現在看數據的視角發生了很大的變化，這里列出了50條關于新人老人在數據認知上的可能的差異，希望能帶來些啟示。

第一條

新人把一張張寬表看成一塊塊浮冰。

老人知道這些浮冰只是冰山一角，看不見的沉在水下的表才是最重要的，因此不要總對著幾張寬表猛干，知其所以然很重要。

第二條

新人寫PPT，喜歡寫一頁是一頁，在排版上會不自覺花很多功夫。

老人寫PPT，會努力理解老板的意圖，理清楚思路，給出目錄架構，明確每頁要表達的主題，然后才開始動筆。

第三條

新人做分析，都喜歡先想：這個問題可以用個什么模型。

老兵去做分析，都喜歡先看：數據是從哪些系統產生的，產生數據需要什么流程，有哪些字段，這些字段在業務上有什么含義，基礎質量如何。

第四條

新人做精確營銷，喜歡琢磨數據和模型，迷于各種算法、AUC，ROC等等。

老人做精確營銷，喜歡先看看這個需求是不是公司的業務重點，業務部門的預期是什么，成本是不是限制因素，流程是否順暢，渠道是否有資源投放，效果數據能否回來。

第五條

新人認為數據倉庫的ODS，DWD，DW神圣不可動搖。

老人總想著顛覆下數據倉庫的DW。

第六條

新人對著數據中臺不覺明歷。

老人認為數據中臺的技術沒啥新意，挑戰最大的是人，文化、組織和流程。

第七條

新人想象中的數據分析是自己發現了一個“驚天秘密”，對著老板揮斥方遒。

老人覺得大多數時候能夠跟上老板的思路就不錯了，老板才是最大的發動機和操盤手

第八條

新人認為數據分析師是一種可以為之奮斗一生的職業。

老人認為數據分析師只是職場的一個階段。

第九條

新人認為BI可以有效提升分析能力。

老人認為BI就是報表和取數的馬甲。

第十條

新人每天想著用數據驅動別人。

老人想著如何讓數據先驅動自己。

第十一條

新人認為自助取數可以降低人工取數量，想著脫離苦海的那一天。

老人認為人工取數量不會降低，激發了更多自助取數而已，跟老板要說增量，少提降本。

第十二條

新人認為搞可視化大幅提升報表體驗。

老人認為還不如搞個導出EXCEL來得實在。

第十三條

新人認為指標標準化可以降低報表開發量。

老人認為公司的支持、標準的制定、前期的投入、規模的效益、業務的態度都決定了這件事情90%要被搞黃。

第十四條

新人認為全力配合好業務部門的取數是最大的成績。

老人知道老板更關注的是取數人員的獨特價值創造，放緩取數的節奏，也許做個分析、談談業務的理解和建議更有出其不意的效果。

第十五條

新人認為業務部門太過強勢。

老人知道多半是因為能力不夠所致。

第十六條

新人認為元數據是個玄妙的東西。

老人說那是一個簡單通用概念被抽象化的、失敗的取名案例。

第十七條

新人覺得每天SQL取數沒有技術含量。

老人說從踏上取數那天開始，就要先撇開技術，多關注數據和業務含量，那是以后吃飯的家伙。

第十八條

新人評價機器學習引擎的好壞是算法是否足夠多，調用是否簡單。

老人關注的是機器學習引擎能否跟自身的數據生態相融合。

第十九條

新人認為搞可視化浪費資源。

老人認為這是管理扁平化的一種有效手段。

第二十條

新人認為模型都是由算法實現的。

老人知道現實中的模型大多是由業務規則的簡單疊加形成的。

第二十一條

新人認為算法第一。

老人認為業務第一。

第二十二條

新人只想干算法。

老人知道算法工程化也許更重要。

第二十三條

新人認為報表指標太多難以管理。

老人知道雖然這是業務前端的問題，但你不管，企業里就沒有其他人能管好了。

第二十四條

新人認為搞模型的不需要懂產品。

老人知道產品是模型價值的出口，有時候是唯一的一個。

第二十五條

新人認為大數據最重要的特征是數據量足夠大。

老人知道維度多才更有力量。

第二十六條

新人認為數據是一門有前途的職業。

老人知道CDO很少，諸君要努力。

第二十七條

新人總是把大數據跟價值創造聯系在一起。

老人知道大數據很難獨立創造價值，被人質疑最多的恰恰是大數據的價值創造能力。

第二十八條

新人眼中的大數據是精確營銷、風險控制、城市大腦等等。

老人眼中的大數據大多是報表、指標和取數。

第二十九條

新人覺得酒香不怕巷子深。

老人認為數據需要一個外交官。

第三十條

新人想去算法牛的公司。

老人想去數據多的公司。

第三十一條

新人為做了很多報表而自豪。

老人為少做了很多報表而自豪。

第三十二條

新人認為做產品是其他部門的事情。

老人認為一個有前途的數據團隊必需自己做產品。

第三十三條

新人為取數加班而自豪。

老人為業務人員更正了一個口徑而自豪。

第三十四條

新人：昨天老板夸我的數據分析報告做得很好，今天我提供的數據獲得了業務部門小張的點贊，這是實力的證明。

老人：今天我提供的數據獲得了外部客戶的認可，這是實力的證明。

第三十五條

新人：我要去大廠掌握先進的數據技術。

老人：我要深入某個行業理解真正的數據訴求。

第三十六條

新人：數據產品的體驗最重要。

老人：數據產品的差異化數據最重要。

第三十七條

新人：數據分析師、算法工程師、數據工程師是企業最大的缺口。

老人：他們的頭最稀缺，也就是優秀的數據管理者，我最大的困惑是沒有“出頭之日”。

第三十八條

新人：乙方的數據工程師水平不行，只知道執行。

老人：那些既有想法，又能執行的乙方很難在你面前出現。

第三十九條

新人想得是少干點PPT，多練練技術。

老人想得是把PPT干好，然后讓新人有干技術的機會。

第四十條

新人喜歡倒騰算法來提升模型效果。

老人喜歡倒騰業務和數據來提升模型效果。

第四十一條

新人：數據運維沒意思，工作不夠顯性化。

老人：這是一種錯覺，牛逼的人都被派去干前端了，因此牛逼的人更容易在運維做出成績。

第四十二條

新人：老板總抓著數據的細節不放，是否有點吹毛求疵？

老人：這是老板的高明之處，一方面高度和細節不沖突，另一方面見微知著，老板難得檢查一次你都不全力以赴，可見平時之散漫，或者不是做數據的料。

第四十三條

新人對大數據的認識過程：牛逼、忽悠、忽悠...

老人對大數據的認知過程：牛逼、忽悠、忽悠、牛逼、忽悠、牛逼、牛逼、牛逼...很多新人沒有機會堅持到最后。

第四十四條

新人：連接各個數據孤島是最大的問題。

老人：相對于數據連接，數據孤島本身的開放是個更現實的問題。

第四十五條

新人：數據湖海納百川，聯邦學習合縱連橫，flink流批一體，clickhouse顛覆olap。

老人：數據倉庫活了20年，多方安全計算提出了40年，批處理支撐了20年，OLAP艱難的混了20年，請給我一個現在選擇的理由。

第四十六條

新人：我要去互聯網公司用數據改變世界（產業數字化）。

老人：互聯網準備改造的數字世界就在你現在呆的地方，為什么要舍近求遠？

第四十七條

新人：為什么業務部門不好好管管報表？

老人：報表是你工作的100%，但僅是業務管理者工作的10%，這就是你要管的原因。

第四十八條

新人：我畢業于某著名985大學，從事大數據、人工智能、機器學習研究。

老人：快去取數。

第四十九條

新人：我這個月做了100個取數。

老人：請用兩句話總結你這個月的工作成果。

第五十條

新人：為什么我要遵守那么多數據管理的規范和流程？

老人：規范和流程確保做事的底線，這就是我們團隊牛逼的原因。

以上是一家之言，有機會跟大家聊數據治理、數據技術的新老人的思維差別！