1.数据成为一种新的生产资料

早在汉代，司马迁就提出了“运筹帷幄之中，决胜千里之外”的浪漫式期许（图1）。这里“筹”，作为名词，它表示一种竹签做的“筹码”，这是一种计算工具，也是数字的物态表征工具。作为动词，它表示“筹划”，是计算与分析的早期形态[1]。

“运筹”演化到今天，就叫“数据分析”。所不同的是，“运筹”的场所发生了变化，它不再是“帷幄（古代将领用的帐篷）”，而是在计算机里。然而，“决胜千里之外”这个对重大决策未来确定性的追求，亘古不变。

一直以来，我们都希望利用数据，让数据说话，用理性代替感性来支持决策。尤其是在当下，我们正身处在一个数据驱动智能时代。大数据作为对客观世界的一个同构表征，给我们提供了一个难得机遇，可以让我们有机会利用科学研究的第四范式——基于数据驱动的研究方法（图2），去感知世界、研究世界，进而改造世界。在这个过程中，数据人才无疑扮演着浓墨重彩的作用[2]。

在传统经济理论中，通常认为有四种主要的生产资料：土地、劳动力、资本和技术。这些资料被视为生产过程中不可或缺的元素，每一种都扮演着关键的角色。

现如今，数据已然成为第五种生产资料，对经济社会的发展起到关键作用。它能够进行预测、更好地了解用户、不断创新产品和服务，以及更精准地分析和防范风险[3]。

在当下这个数据驱动的时代，数据之于决策，正如古代战略家之于战场，无处不在、至关重要。以一家传统的制造企业为例，其数字化转型的旅程仿佛一场在帷幄中的智慧演绎。从原料采购到生产流程，再到产品销售和客户服务，每一环节都被数据的力量重新定义。在这个过程中，数据不仅是信息的载体，更是智慧和价值的源泉，数据已经成为现代版“运筹帷幄”的关键要素。

在21世纪这个数据的时代，数据分析师成为了最令人向往的职业之一，有人甚至称其为“最性感的职业”（图3）[4]。这种说法并非毫无根据，数据分析师在探索和解读数据的海洋中，展现了一种独特的魅力。落实到实操层面，各种数据分析工具都为这份“性感”增色不少（后文详细讨论）。

如果把“性感”定义为市场急需的稀缺特质，那么数据分析师无疑符合这一标准。而市场的“稀缺”程度通常和员工的“薪水”成正比，数据人才无疑是一个非常有前（钱）途的专业。在市场的需求下（或者说在高薪的召唤下），各位数据科学相关的职业如雨后春笋一般涌现出来。

现如今，企业需要最大化数据消费，通过数据实现科学决策，帮助企业降本增效。具备数据分析能力不再是数据科学家或IT专业人士的专属技能，它已经成为未来职场人人必备的核心技能。

2.数据分析：多行业求职者必备技能

随着企业对数据驱动决策的需求不断增长，数据分析的重要性日益凸显。根据《Harvard Business Review》的一项研究[5]，数据分析已成为多个行业求职者必备的技能之一（图4）。无论是金融分析师、市场营销经理、人力资源专家，甚至是教育工作者和医疗专业人员，都在利用数据分析来提高工作效率、优化策略和增强竞争力。

这意味着，无论你的职业路径是什么，理解数据、能够从数据中提取有价值的洞见将成为你的基本技能之一。比如说，在市场营销或运营领域，数据分析技能尤其重要。通过使用像Google Analytics、火山引擎VeDI这样的工具，营销或运营专业人员能够追踪和分析客群倾向、市场趋势和广告活动的效果。

在人力资源管理中，数据分析同样发挥着关键作用。HR专业人员可以利用数据分析工具来优化招聘流程、员工绩效评估和人才发展计划。例如，通过分析员工满意度调查和绩效数据，HR团队能够识别员工离职的潜在原因，从而采取预防措施，减少人才流失。同样，数据分析也可以用于识别培训和发展机会，帮助公司投资于最能提高员工能力和绩效的领域。

一个显而易见的结论就是，无论是对个人职业发展还是企业的整体竞争力，具备数据分析能力都不再是一个可选技能，而是一个必备技能。随着我们进入一个数据驱动的未来，拥有数据分析能力将成为每个职场人士的标配。这不仅是一种趋势，更是一个不可逆转的现实。

3.企业数字化转型开启数据消费模式

数据作为一种生产资料，企业的使命之一就是要把这些生产资料加工成产品，完成创造价值的闭环。在这个过程中，数据不仅是被动的记录工具，更是驱动业务增长和创新的关键资产。为了有效地利用这一资源，就需要

打造更多更好用的数据分析工具，就是让不同领域的非专业人士可以借助工具实现分析，将其转化为有价值的洞察和行动方案，从而获得业务收益，完成商业闭环[6]。

市场需求的变化，以及全球化带来的激烈市场竞争，迫使企业寻求新的运营和商业模式。互联网、云计算、大数据、人工智能等技术的发展提供了数字化转型的技术基础。企业需要降本增效，并创新服务和产品以应对快速变化的市场环境。这些背景因素共同推动了企业向数字化转型的方向发展，以适应并引领现代经济和社会的变革。

在当今商业环境下，数字化转型被视为业务模型创新（Business Model Innovatio，BMI）的一个关键驱动因素（图5）。

企业数字化转型，在本质上，是向智能化的演进，而智能化的实现必须建立在坚实的数字化基础之上。顺丰集团CTO&顺丰科技的首席执行官耿艳坤在一次访谈中明确指出，数字化的构建是科技引领和驱动的关键。

拿顺丰快递举例，在这一企业数字化转型过程中，作为生产系统的每一个环节——从收件到转运再到派送，无论是陆运、航运还是他们数十万名收派员——每个人的工作都与数字化紧密相连，实现了与数字化的协同进化（图6）。

民生银行首席信息官张斌在一次访谈中指出，数据本质上是一种资源，每个行业都有其独特的数据资源。要使这些资源转变为资产——根据会计学的定义，即过去的活动或交易形成的、当前被企业拥有和控制、未来能够为组织带来经济利益的资源——需满足几个条件：

首先，数据质量必须得到保证。否则，将陷入“垃圾进，垃圾出（Garbage in, garbage out，GIGO）”的困境，即低质量的输入导致无用的输出。

其次，所收集和存储的数据必须与业务相关。企业在发展过程中必须考虑投资回报率（ROI，Return on Investment）。与业务无关的数据不仅无法创造价值，还可能带来沉重的成本负担。

最后，数据必须得到有效利用。它应该在不同的业务场景中发挥作用，实现其价值。正如马克思在《资本论》中所述，“商品到货币是一次惊险的跳跃。如果掉下去，那么摔碎的不仅是商品，而是商品的所有者”。这句话说的就是，商品的价值只有在售出并转化为货币形式时才真正实现。同样，数据也必须通过在实际应用，发挥价值，才能完成它的“惊险一跃”，否则就是数据拥有者的负担和成本。

数据想要用得好，进而产生价值，就不得不提一个概念——数据消费。

4.从数据消费到数据飞轮

数据消费（Data Consumption）是一个涉及获取、处理和使用数据的过程，目的是从数据中提取有价值的信息和洞察。它涉及数据的读取、分析和应用，以支持决策过程、提高效率或驱动创新。

让数据能够真正驱动业务的核心在于数据消费。针对数据消费，火山引擎总裁谭待给了一个经验之谈——字节跳动的“80%原则”（图7）[7]：判断一个企业里面数据消费是不是健康，第一个80%是说，企业员工的80%以上的人有没有通过各种各样的工具，如火山引擎VeDI、Google Analytics等，有没有去覆盖到。这其实说得就是，“工欲善其事，必先利其器”；第二个80%，就是企业构建的基于数据分析的指标有没有覆盖到80%的业务。

字节跳动的数据平台建设以数据消费的视角为核心，有效支持了内部头条、抖音、电商等业务的迅猛发展。这种建设策略不仅强调数据的有效利用，也促进了公司业务的高速增长。实际上，许多在数据驱动方面表现卓越的公司同样采用了这种逻辑，证明了以数据消费为导向的平台建设对企业发展的重要性。

如果一个企业能达到两个80%的覆盖，那么这个企业的“数据飞轮”就有条件转动起来，达到“飞轮效应”。也就是用数据消费去驱动业务的发展，用数据消费去形成数据资产，又从数据消费让企业整个的业务能够去提升。

飞轮效应的概念被众人熟知源自于亚马逊，但这个概念最早并不是亚马逊提出来的，而是吉姆·柯林斯（Jim Collins）提出的，他是著名的管理专家和畅销书作家，《基业长青》和《从优秀到卓越》就是他的代表作。

针对数据消费领域，数据飞轮（Data Flywheel）是一个描述数据如何在企业或组织中产生连续增长和改进的概念。这个概念借鉴了物理学中的飞轮原理，即一旦推动起来，便能维持和加速其旋转速度。在数据的背景下，飞轮代表了一种自我强化的循环：随着越来越多的数据被收集、分析和利用，企业能够更有效地操作，创造更多的数据，进而推动更多的增长和优化（图8）。

数据飞轮不是原地打转，而是一环扣一环，是基于数字化持续的迭代升级，我们要演变成如何去智能化决策。有效地利用数据飞轮，企业可以不断提高其运营效率，更好地满足客户需求，快速适应市场变化，从而在竞争中获得优势。

要让数据飞轮高效转动，关键在于最大化数据消费，这要求企业中的每个岗位都具备数据分析思维。在这个数据驱动的时代，不仅数据分析师，各行各业的员工都需要具备解读和利用数据的能力。这样，员工能更好地理解业务、做出明智的决策，并为公司带来更大的价值。因此，预计企业未来会优先招聘那些具备数据分析能力的人才。这种趋势不仅反映了市场对数据技能的高需求，也显示了数据在现代商业环境中的重要性。

5.AI大模型降低数据消费门槛

现在有一个特别火热的话题，就是AI大模型。简单来说，大模型（Large Models）通常指的是具有大量参数的深度学习模型，这些模型能够处理和生成复杂的数据。AI大模型的出现可能让很多的行业也都做了变化，包括字节跳动旗下的云服务平台火山引擎，其数智平台VeDI推出了大语言模型应用 DataWind- 分析助手、DataLeap- 找数助手、DataLeap- 开发助手，它们可以为企业提供从数据资产层到业务应用层的全链路 AI 能力。

火山引擎VeDI这样的平台通过大幅降低数据分析的门槛（图9），正在帮助更多人培养数据分析思维。这个平台的用户友好性和易用性使得即使非数据专业人士也能轻松进行数据分析，从而在日常工作中更好地应用数据驱动的决策。这不仅提升了个人的数据思维，也促进了整个组织对数据的理解和利用。

6.小结

在数据驱动决策的时代背景下，拥有数据分析思维的人士变得至关重要。正如《荀子·劝学》所言，“君子生非异也，善假于物也”，君子之智慧在于巧妙利用外部资源以自我提升。

这一智慧同样适用于数据分析领域。技术工具，如火山引擎等，为数据分析提供了强大的支持，使企业能够更高效地实现数据消费，将数据流融入业务流，从而实现数据资产与业务应用的协同增长。

正如古语所示，智者善于借助工具，以智驭数，驱动业务之轮盘，持续前行，转起企业的数据飞轮和你的人生飞轮。

#老板们都在热议的数据飞轮是啥#

【参考文献】

网友看法

1、网友氓雨：运筹帷幄之中，决胜千里之外，不是刘邦说张良的么，关司马迁啥事。。。

2、网友像风一样139172626：转发了