收录于话题
#职场的思考
44个内容
这是傅一平的第299篇原创
作者：傅一平
个人微信：fuyipingmnb
原创文章即将300篇，今天乘着中秋就写一篇自己近六年的大数据工作体会吧，建议你一定要看一看。李笑来说六年就是一世，刚读的时候没有感觉，等到自己转型做大数据的第六个年头，却觉得有些道理，可以这么理解这句话，当你习惯于靠惯性工作或生活的时候，那的确只有一世，但如果你总是在改变，那每一天都可以是一世。最近马云辞任阿里主席，提到“希望换个江湖，后会有期”，其实也在说这个事，只有变化才有意义，不折腾活着没意思。但变化不是你想有就有的，很少有人能像马云那样，能基于拥有的资源去创造变化，大多数时候逼你做出改变的都来自于外部压力，好比笔者从传统的BI转型做大数据，主要是时代发展和公司转型的要求，自己没有能力跳出既有的框框去做一些新的东西。今天就来谈谈转型大数据工作后，自己做出了哪些改变，专业的变化是必须的，但我觉得专业之外的东西更为重要，希望我的经历和思考于你有启示。笔者自进入公司就一直做取数报表工作，后来做一些专题分析、数据仓库、营销管理、标签库等的项目，大概有10年时间，虽然涵盖的面比较广，但除了对于运营商数据的理解、报表取数方面有所擅长，其他都没到专家的水平，可以聊聊，但没啥广度和深度。因为传统BI这个领域有点特殊，虽然也有所谓的需求沟通，但从专业的角度讲，你只要对于后端的数据结构和常规的指标口径理解的比较清楚，基本上就能胜任了，比如如果没有人提点你，你大概不会理解业务流程对于做数据的重要意义。我以前反复的提过，IT部门是企业的后端，而做传统BI的是IT部门的后端，也就是后端的后端，现在定位有没变化不好说，但在我那个时候就是这样，导致的后果是看问题的视野会比较窄，既不知道发展的方向，也不知道数据如何运营，让数据创造出更多的价值乃至变现更是没影的事。但那时到集团写经分规范，我们却还经常自嘲：“经分的春天何时才能到来啊？”，多少有点怀才不遇的感觉，其实完全不是那么一回事，但领导不会满意你只做报表取数，这是做数据颠扑不磨的真理。有一个事情印象特别深刻，记得团队做了一个四网协同的BI分析专题，领导说策划下如何推广，然后我就写了个公文要求一线使用就算完事了，结局大家都懂的。因为自己的格局问题，完全不知道一线是怎么回事，不知道运营为何物？说哪天突然开窍了基本是天方夜谭，屁股大多时候决定了脑袋，除非有特殊的事情发生。特殊的事情果然发生了，2013年大数据的春风刮到了运营商，因为运营商管道拥有海量的数据，大家觉得其在客户资产、财务资产、通讯资产之外，还拥有信息资产这个金矿，在这个领域可以有所作为。当时自己写过一个PPT，来说明运营商数据资产的价值，大家来看一看其中的一页。
正如孙子兵法所说，“天时地利人和”对于启动做一个事情是非常关键的，很多人换了一个环境突然发生了巨大的变化，大多是环境使然吧。但新的环境能给予你一些以前没有的资源和机会，如果我还能充分发挥主观能动性，那的确可以做出更多的改变，这叫顺势而为。有人说你们做大数据做的不错啊，其实跟我的能力没啥关系。读书20年，当时的梦想就是考上大学，读上博士，但如果放长到30年，40年，其实很多时候会觉得梦想或使命是非常虚的，大家一听汪峰提这个问题就发笑，可能人家的经历你不懂，但汪峰应该是认真的。触发我思考未来的，是环境的变化，数据上，原来以为的成品油很快发现最多是原油，商务上，要赚取一块钱都是那么艰难，产品上，完全是一穷二白，以为可用的标签库其实也不行，突然发现我们这些数据对于社会来讲没有多少价值，辜负了大数据这个名头。同时接触到更多的人和事后，发现自己在很多方面是达不到那个层次的，年龄的增长让我明白自己不再像年轻人一样有无限的可能。总是会从年少轻狂回归到理性的现实，很多事情都能想得开，但看到跳广场舞的大妈，想着也没啥爱好（其实啥都不会），就会纠结这个问题：这不是我退休后想要的生活。然后就是去寻找答案，自己运气很好，从《得到》里找到了一个，即创造贡献感：个人在未来应该拥有一些差异化的价值，这样自己的付出才更有意义。这也算是对马斯洛需求层次理论的自我诠释，虽然没法跟比尔盖茨、马云比贡献，但贡献感上没有鄙视链。显然现在没有，退休了以后总不可能去跟人家讲报表取数吧，而大数据既然是趋势，而转型又给了我实践的机会，也许再花20多年时间，我可以拥有对别人更有价值的东西。这个东西不会由于你退休而变得失去价值，甚至可以通过写作记录下来。我们这个社会那么多聪明人，那么多好的经验，那么多灵光一现，如果不即时记录下来那就太可惜了，很多名人都会出书，也是基于这个道理吧。这个使命驱动我开了这个微信公众号：与数据同行，没有坚持一说，就是觉得要去做，你会发现我写得关于数据的东西更侧重管理和思想，而不是硬技术，就是觉得诸如程序语言诸如此类的东西更新迭代的速度有点快。有了使命感，专业学习的驱动力问题就解决了，但对于传统BI转型做大数据的人来讲，专业上的挑战却是巨大的，而对于做技术管理的人来讲，学习的内涵就更广泛了。2013年转型大数据后，自己在业务上啥都不清楚，就是摸着石头过河，那个时候每天干的活，就是思考方向，撰写PPT，以下是我规划的目录和一个目录里的内容，大家不要见笑。
记得有次去参加新加坡一个技术交流会议，在那边2个礼拜，基本上就写了2个礼拜的PPT（前面已经写了一个月了），回来后BOSS看了第一页PPT就直接被打回了，就这么跌跌撞撞写了一年多。如果自己不转型做大数据，光看书要获得一些大数据的专业见解其实很难，必须在那个实际场景里，你才会获得更多的洞见。有时候你会觉得自己很厉害，做出了不少贡献，那是因为你首先很幸运的在这样的一个企业平台上，但并不表示你比别人更努力或更有天赋。其实自己以前的专业是偏重传统的数据管理，对于数据采集/建模/应用（报表取数等等）/元数据/数据质量有较好的理解，有次公司老大要求去汇报大数据技术，真让我写的时候发现完全不行，诸如hadoop/MPP/流处理/CAP/Shared-Nothing架构/newsql/nosql等等大数据技术平台的原理，我真的是一知半解。后来有了大师（我们的大数据架构师）的协助才搞定。老板是理工科出生，技术和方向都问的很细，这个时候，你才发现自己几斤几量，真是弱爆了。大家都知道，将一个非常技术化的东西用业务化的语言表达出来是很困难的，但作为一个技术管理者，你得要有这个功力。笔者不止一次的提到，大数据平台建完才是大数据运营的真正起点，从前端来讲，要在数据产品上进行创新突破获得收入，比如我们的神灯产品体系，这在以前是难以想象的；从中台来讲，要打造业务化、开放化、服务化的数据中台来为前端赋能，对于这个笔者有大量的实践和思考，写得文章也很多了；从后端来讲，要做好大数据的资产管理，确保“书同文，车同轨”，诸如此类等等。有个词叫做元认知，就是能够审视自己的认知是否正确，我特别提两个点：关于专业能力和做人谦卑的认识，它们改变了我很多看法，虽然有时做不到，事后我也大概知道自己的问题在哪里。其中涉及的大脑决策机制、生物学原理、神经学原理、心理学原理、杏仁核、前额叶、海马体、丹尼尔·卡尼曼等等我也很清楚，但知行合一的确很难，这是一个自我修行的过程。“我们所谓的专业，比如市场营销、法律、政治、历史、文学、IT，抑或其中的数据挖掘师，其实只是人为制造的分类标签罢了，但是，这个世界并不是按照你划分的标签在各个专业之内单独运行的。一个市场营销的问题，背后往往涉及法律、政治、历史和文化的因素，可是我们所谓的专业，并不管这些：你学好4P（产品、价格、渠道、促销）、市场细分等概念，就可以毕业了，这种认识，会极大地阻碍我们学习真正应该学的知识。”究其原因就是我们对于专业理解上的一个误区，比如对于通识能力的漠视，导致高分低能这种职场上的问题比比皆是，奈飞文化有一句话很经典：“我们只招成年人！”最近2年，自己每年在《得到》上花的学习时长超过800小时，就是觉得《得到》给了我一个学习通识知识的指南，由于长时间盯着手机屏幕，眼镜度数飙升200度，直到有一天到电影院看不清楚字幕才察觉到，开会也总是希望坐前面的位置，因为已经看不清投影上的文字了。“谦卑”在英文世界被越拔越高，已经到了精英人士最值得拥有的美德中排名第一的位置。谦卑是承认自己的认识和能力是有限的，承认自己会犯错误，所以保持开放的头脑，能听得进去别人的意见，能随时调整方向。真正的谦卑不是故作姿态，其实是理性的思考的必然，你会注意到地球在宇宙中、生命在自然界、人在生物界、你在人群中，都不特殊。你当然很重要，但是别人也重要。有这样的谦卑态度，人的情绪就会特别稳定，就不会进退失据。据说通过回忆自己在高中时候的尴尬时刻 —并且意识到每个人都有这样的时刻 —然后一笑了之，能培养这种谦卑意识。在几年前，我在别人眼里肯定是个爱争论、好面子的对象，其实争论本身没有问题，但很多争论是由于极高的自尊、浅薄的认识所致，而这些对于解决问题没有帮助，经常发现自己就成了自己最不喜欢的那种人。每每看到很多领导儒雅、处事不惊的样子，我是很佩服的，因为只有在平静中才能接收到更多的信息，特别是对于大数据，你首先要承认自己的无知才能吸纳更多。但人的本性好顽固，我给你讲个自己最近的事情，小区实施垃圾分类了，妻提醒我以后早上吃完苹果的核要留在桌上，不要扔进垃圾袋，但我还是习惯性的连续扔了三次，直到妻的暴怒和自我的反省才逐步改进。现在习惯完全改变了，说明虽然大脑很顽固，但还是具有可朔性，只要你重复反省的次数足够多。自己一方面在实践中去领会，比如沟通中尽量换位思考，现在气急了会自己缓一下，另一方面就是不停的去读《得到》的专栏《精英日课》，因为里面讲谦卑的内容很多，还有就是买很多的管理类、心理类书籍来看。决策支持是搞数据的人经常提得名词，但理性决策的前提就是能够深度思考，权衡利弊，但拥有思考习惯的人并不是很多。回忆自己以前做报表取数，就好比拉磨的驴子一样不停重复，但鲜有思考。而做大数据创新完全不一样，前面没有路，只能自己趟出来，思考能力绝对是最重要的。无论是选择将“位置+内容”作为数据中台能力的突破点，还是“百万标签”、“行业知识库”、“精准定位”等模型的研发，或是“”、“搭台唱戏”、“建模大赛”等运营活动，亦或“合弄制”、“OKR”、“日报”等管理提升举措，都是深度思考的结果，在特定的场景下，大多时候没人能告诉你怎么做。最近我们有一个新的主管上任，他最大的进步就是比以前更会思考了，有一天他就跟我讲，现在自己不开车了，就坐班车，坐班车有一个好处，就是可以有系统的思考时间，我觉得非常好。另外一位我佩服的同事的就是给他安排的工作总能超出预期，比我想得更深，信息量更多，非深度思考者不可能做到。笔者写作的一个原因就是希望能养成一种强制性的思考习惯，因为在写作中对于一个问题的认识会更深入，更能触类旁通，对我来讲，进入心流不是事。一定程度上讲，我如果一个事情办不好，主要原因是自己的能力不够（经验也是能力），智力有限，而不是没有时间或者分心。最后，再谈谈管理，作为一名技术管理者，专业能力再强，如果不懂管理，也就是个光杆司令，我需要通过管理激发团队成员的善意，否则就没法进步。如果你有机会去做一些大数据的创新性工作，团队还不大，那么最近几年我在管理上的一些实践可以供你参考，但对于大多数靠流程驱动就能完美运作的公司来讲，我的经验就毫无价值了。“对于创新业务来讲，没人能定明确的指标，只能定目标，预计完成的指标只是个参考，否则大家以后都kpi导向，这样就坏事了。okr完成的比例在70%左右倒说明当时定的不错，我更看重的是过程中体现的创新和发展，比如是不是比以前有进步，每周跟踪指标是为了有个监控和抓手，发现问题可以及时调整。”“比如收入，如果是按部就班的实现，很难得到最佳，因为要么是指标定的不合理，要么就是运气，如果你的某个创新导致了收入提升，即使完不成既定的指标，都可能获得更多认可，比如告警及时率，这个月高了你得告诉我原因，到底是你的努力还是正常波动，但别拿偶然当业绩。”我尝试的是合弄制，合弄制是从《得到》了解到的，然后看了阿里也是这么搞的，的确是一种创新性的组织形态。比如以前的一支数据团队人数不少，干的事情多而杂，虽然有分工，但有能力的人往往沉在下面，没有试错的机会，这会扼杀创新，也不利于人员成长。做大数据这两年也越来越意识到人才的重要性，传统企业搞大数据有优势也有劣势，但大多人员离职不是薪资问题，而是发展空间问题，我怎么让团队成员有获得感，甚至因人设岗，人尽其才呢？很多东西得靠设计，合弄制是一种。因此这两年适当打破了科室的界限，成立了9个小团队，让其各自在一个专业领域去攻坚，这不仅仅是要解决一个业务问题，也要解决人员发展的问题。比如从产品组和数据组抽人成立位置洞察组，独立的进行位置类模型和产品的研发。到目前为止，我认为这种组织方式适应了业务发展的需要，有不少人脱颖而出，虽然谈不上有什么成绩，但这种组织设计相对以往更能激发员工的动力和协作力。互联网公司值得我们学习的，不仅仅是技术，透明化、扁平化绝对是重要的一条。Google在《重新定义团队》提了很多了，对冲基金公司桥水创始人瑞·达利欧在《原则》一书中提到了“极度求真和极度透明”，李开复在微软亚洲研究院提倡的“白板文化”激荡和迸发了多少创意，也许只有经历过才能知道开放透明的价值。无论是我强制要求成员写日报、每周的OKR跟踪、还是组织技术研讨会，分享会都在尝试解决这个问题，希望能达成“五指成拳，力出一孔”的效果，因为没了数据灵魂的产品不会有差异化竞争力，没了运营的数据和产品就会成为一堆摆设，而这都需要多方专业的人紧密的协同。做大数据的第六年马上就要过去了，我也将迎来下一个轮回，相信很多人跟我一样，在转型做大数据中会面临着很多变化，希望大家都能找到解决办法，与大家共勉！如果你觉得有点用，欢迎推荐和转发，如果你有独到的见解和意见，欢迎到我的知识星球进行探讨。
一、个人成长
数据管理者的自我修养：日报的价值
《被讨厌的勇气》：关于选择、烦恼和幸福
不仅仅是技术，大数据更需要往前一步的勇气！
传统的数据从业者，并不会从大数据中获得多少红利
一个数据管理者的自我修养（一）：从KPI、OKR到信息赋能
PPT，考验你的格局、能力和思维的方式，你得学会驾驭它！
如何才能拥有自己的数据技术工匠？
立功思维，创造大数据团队的尤里卡时刻！
2018年，关于运营商大数据管理的八个思考和实践！
罗振宇2018跨年演讲，我的一年800小时《得到》学习启示，你应该听谁的？
做大数据的越看不清楚形势，就越要做好年度思考和计划！
追求数据团队的多样性，就好比大数据的多维度那么重要！
为什么开放、透明的环境对于大数据团队是如此重要？
如何才能有效的进行大数据创新？
数据建模师的起跑线，从踏上工作岗位那一刻开始
传统企业的模型最佳实践为什么很难复制推广？
为什么数据从业者要学点产品思维？
企业如何打造数据人才成长的环境？
数据挖掘师，要从一个人活成一支队伍
跨界吧，新形式下大数据支撑者的重新定位
一种创新型的大数据管理组织
谈谈我的《深入浅出大数据系列讲义课程》
关于提升机器学习能力的方法 | 从周志华《机器学习》到李航的《统计学习方法》
大数据运维的思考
用数据说话：一份不算总结的半年度总结
如何准备一次企业内的大数据普及培训？
决战大数据的对内运营
传统企业要培养自己的大数据人才
你有多少数据竞争力？
经分伙伴，我们如何携手度过下一个十年？
这五个灵魂问题，解决BI新人80%的困惑
我们需要什么样的大数据培训？
重装上阵-大数据管理的实践和思考
大数据需要什么样的合作伙伴？
我们缺什么，一次大数据头脑风暴的启示！
数据从业者与PPT的进阶
为什么数据挖掘很难成功？
经营分析师如何进一步提升自己的境界
为什么有些人用3年的时间获得了 你12年的数据分析经验
走自己的路，谈运营商数据人的坚持
数据分析师的自我修养
二、数据中台
超越平台，数据中台的业务化、服务化及开放化！
读透《阿里巴巴数据中台实践》，其到底有什么高明之处？
什么才是运营商数据中台最大的竞争力？
为什么企业要从离线数据中台走向实时数据中台？
艰难的旅程，你的数据中台到底能为一线提供多少火力？
如何清晰的实施“大中台，小前台” 大数据运营策略？
数据中台到底是什么？
企业的数据中台的价值
艰难的抉择，阿里“小前台、大中台”的解读
三、数据挖掘
联邦学习，带我们走出“数据孤岛”的困境？
从SQLFLOW开源说起，谈谈如何全面提升数据挖掘的效率？
从芝麻信用分透露的详细数据设计，我们能从中得到什么启示？
数据分析师的算法推荐是否会陷入“真实的谎言”？
从贝叶斯出发，如何真正的理解算法？
个人信用分是如何计算出来的？
一克统计学：小数定律和随机事件
一克统计学：人人都能懂的贝叶斯定理
四、人工智能
我从《阿里云:人工智能应用实践与趋势》白皮书学到了什么？
冷静看待人工智能，企业如何从人工智能产业中受益？
如何清晰的理解从神经网络到人工智能这个概念？
从李开复的人工智能的万字长文中能学到什么？
理解深度学习的钥匙–参数篇
理解深度学习的钥匙 –启蒙篇
我如何理解深度学习？
五、数据平台
拥有敏捷数据交付平台（DataMaster）是怎样一种体验？
痛苦与变革，如何避免大数据PaaS平台建设中的这些“坑”？
中国电信的“天翼大数据飞龙平台”长啥样？
如何打造敏捷的数据挖掘能力？
论道数据仓库维度建模和关系建模
解读云栖大会的《阿里巴巴数据服务产品开发及大数据体系》
阿里云机器学习平台的思考
一个传统企业大数据发展的编年史
一个业务化的大数据PaaS平台启示录
为什么选择这样的大数据平台架构？
我们需要什么样的ETL?
重新认识数据可视化
一只传统企业大数据平台团队的绽放！
看上去很美, 谈谈阿里云的大数据平台「数加」
浙江移动大数据平台践行之路（上）
浙江移动大数据平台践行之路（下）
六、数据产品
为什么你的标签库没人用？
降维打击：流量造假者，我知道你昨天干了什么？
十年的标签库建设经历，我得到了什么启示？
为什么微信公众号的用户分析功能这么弱？
浙江移动神灯大数据重磅推出城市规划产品：城市实验室！
从交通行业说起，运营商大数据如何有策略的切入一个垂直行业？
运营商大数据在智慧交通方面能有什么作为？
为什么就做不好数据产品的体验？
百万标签发布了，这是怎样一种体验？
我们是如何来设计互联网大会上“城市24小时”这块数字大屏的？
直击传统商业五大痛点，如何打造一个爆款的商圈洞察产品？
照亮自己，点亮他人，详解浙江移动“神灯”大数据！
连续发布十款大数据产品：浙江移动赋能金融行业
运营商大数据产品变现面临的挑战和机遇
中国移动信用分悄然登场了！
一座城、一块屏、用大数据讲述城市的故事
七、数据变现
浙江移动“神灯大数据”官方微信公众号正式发布，欢迎关注！
大数据规模化变现，也许我们需要一只地推铁军？
从资源到能力，重谈运营商大数据变现的核心竞争力
为什么运营商大数据变现要搞“行业知识图谱”？
大数据洞察类产品如何才能规模变现？
为变现赋能 | 运营商大数据建模的五个方向
如何走出大数据洞察报告变现的困境
为什么没人愿意为大数据洞察报告买单？
沙龙回顾 | 运营商要变现必须从建模中发现数据的价值！
1小时解读运营商大数据的变现模式，你感兴趣吗？
终端企业需要什么样的第三方分析报告？
论运营商当下的大数据变现服务模式
关于在中国统计网峰会 《运营商大数据价值变现的实践和思考》演讲的解读
唯有数据创新，运营商才能实现大数据变现的突破
互联网广告：大数据变现的颜值担当
八、数据分析
一次客户细分的实践
经验，套路还是逻辑？从我的一次数据分析经历中能得到什么？
为什么我提交的数据分析报告总是被领导K？
大数据也是个江湖：关于腾讯大数据“购买iPhone人群普遍无房无车学历低”的一地鸡毛
浙江移动发布手机终端大数据分析报告
为什么客户画像这么难？
九、报表取数
如何避免成为一台取数机器？
刻意练习，如何成为一名取数大师
BI取数者的职业发展之路？
BI的囚徒困境
十幅图读懂BI自助取数系统！
BI一线管理者的二次创业
报表系统的雄心
如何才能做好一张报表?
BI自助取数是怎么炼成的?
为什么BI取数这么难?
为什么传统BI没前途？
大数据，为什么不是传统BI的简单升级？
涅槃？高效报表开发人员的五件武器
十、资产管理
图数据库：一种解决元数据管理“两张皮”的方法！
最新发布的《数据资产管理实践白皮书4.0》，是学习数据管理的最好框架指引！
数据的价值到底如何评估？
业务系统的数据资产管理为什么这么难？
深度 | 从变现的角度重新认识运营商大数据的价值
数据的价值到底如何衡量？
从DAMA出发，一个指标库到底是如何炼成的？
一本数据字典的三生三世
博弈？运营商，HTTPS，大数据
思考|谈谈数据管理的原则
我如何完成一本企业数据字典的编写？
为什么数据管理工作很难成功?
DPI大数据之战，运营商的艰难抉择
深度 | PK BAT，运营商大数据其实更有价值
六把武器？谈谈DT时代的大数据资产管理（下）
六把武器？谈谈DT时代的大数据资产管理（上）
十一、数据运营
运营商大数据运营的现状及思考
业务人员的革命：从大数据运营是一台“戏”开始
一个大数据应用是如何炼成的？
不忘初心，大数据不是IT的狂欢！
传统企业大数据对内运营变现如何破局？
天龙八步：传统企业大数据运营的一些思考
普及、开放与平台：大数据价值运营之路（上）
普及、开放与平台：大数据价值运营之路（中）
普及、开放与平台：大数据价值运营之路（下）
十二、数据安全
迄今为止最深入浅出的关于个人网络数据权利的解读，从淘宝胜诉全国首例大数据产品不正当竞争纠纷案说起！
滴滴出行，能否引入大数据风控技术保障乘客安全？
谁用得好就归谁？谈谈大数据的所有权
电信运营商的反欺诈系统不会侵犯用户隐私！
十三、数据思维
从吴军的“算法的油水就那么多”说起！
《长安十二时辰》的大案牍术可不是什么“穿越版”的大数据！
从黑天鹅、遍历性再到尾部风险：塔勒布关于随机性的洞见！
我该如何从互联网“夺回”自己数据的所有权？
从计划到市场，精准营销也许到了该改变的时候了！
有了大数据这个工具，“社会科学”也许可以变得更让人信服！
哪些广为人知的数据挖掘案例其实是一地鸡毛？
如何进一步理解精准营销的内涵？
我如何用统计学指导自己的生活？
谈谈大数据时代的《别被算法困在“信息茧房”》
从大数据变现出发，如何清晰的理解新零售？
大数据建模的自主和外包，边界到底在哪里？
数据建模者，对算法要“知其所以然”
大数据变现给了数据建模者自证价值的最好机会
从吴恩达的“AI的壁垒非算法而是数据”说起！
部门有界，数据无界，大数据需要大胸怀
大数据，悟道2016
联通的大数据反欺诈，依赖互联网公司靠谱吗？
“9·11”15年：致癌人数已超5400人，这个新闻靠谱吗？
宝洁，没必要去亵渎精准营销！
黑客帝国的前奏：工业大数据的崛起
大数据时代，你应该知道的生活真相（上）
阿里金融帝国的早晨：大数据金融的逆袭
数据说谎的艺术
从“男人比女人孝顺”和“百度医疗竞价”说起，大数据需要科学和正直的品格
七剑下天山，谈谈我认识的精准营销
十四、读书笔记
白领将是高危职业吗？读李开复新书《AI·未来》
赫拉利在《今日简史》中是如何谈算法霸权的？
从《孙子兵法》到BI运营
读《从优秀到卓越》
读周鸿祎的《极致产品》
开启心智，把时间当作朋友！
品《阿里巴巴大数据实践-大数据之路》一书（上）
品《阿里巴巴大数据实践-大数据之路》一书（下）
2017年2季度| 最近读的跟大数据相关的八本书
从罗辑思维的《得到》能得到什么？
读李开复的新书《人工智能》
1.5万字读透《未来简史》
读吴军的《智能时代》
进阶: 产品启示录
数学中的“罗辑思维”
用心找书，大数据的思想书籍推荐
“数据化”与“差不多”先生，浅谈数据量化决策
重读《大数据时代》：关于大数据的再认识
十五、杂七杂八
大数据在5G时代会有什么不同？
中国移动集中化大数据平台起航了，意义深远！
如何深入浅出的理解5G在自动驾驶、新媒体、农业、能源、医疗、工业等垂直行业的重要作用？
【图文】如何清晰的理解物联网这个概念？
父子一局棋：这该死的小升初制度
罗辑思维，且走且珍惜！
逆袭 | 运营商吸引大数据人才的七个优势
如何清晰的理解区块链？
为什么反电信欺诈这么难？