与数据同行

每每看到数据挖掘师对于大规模数据处理，机器学习算法侃侃而谈的时候，觉得这就是数据分析师该有的样子，这就是大师。

企业内有人通过取数升级成数据分析师、数据挖掘师，亦或投奔业务，而很多人则一直在取数，捣腾着那一分三亩的数据，很勤奋但没有进步，为什么？

五大数据模型，是笔者认为运营商进一步提升自身数据价值要去努力的方向，它是基于运营商特有数据，综合采用爬虫、社交网络、搜索、推荐、自然语言处理等技术才能打造出来的，正如互联网公司花了很大代价去做ID-MAPPIN1NG一样，这些都是核心能力，需要运营商以工匠的精神去倾力打造。

未来也许只有三类机器学习工程师有前途，一类是能改进和创造新的算法的，这是算法大师，二是做机器学习平台的，含功能，算法和数据，这是产品大师，三是能够深刻理解客户需求的，在某个行业有足够业务和数据底蕴，因此能够利用高效的平台工具创造价值的，这是应用大师。

大数据是新的机会，对于运维也是重新的开始，未来的挑战很大，与大家共勉

今天继续谈阿里的这本书，包括数据服务平台、数据挖掘平台、数据建模、数据管理及数据应用，希望于你有启示。

它山之石，可以攻玉。

在经分的年代，数据仓库推倒重来了几遍，构建了很多的专题项目，经历了上万次取数，制作了成百上千的报表，但在支撑了当初的业务发展的同时，到底给如今的企业留下了多少资产？

这半年，采集、建模、运维、运营、培训、新员工、实习生各类事情交杂在一起，每项工作其实都可以做得更好，但都落下了很多遗憾，现在做个简要总结，特分享于你。

最近在推进一些跨域的事情，聆听了一些教诲，获得了一些新的感悟，作为大数据管理者，拥有技术是远远不够的，更需要有大胸怀，特此分享于你。 1、 在架构层面，大数据平台要是企业级的 大数据平台从技术层面讲没有太多的秘密，无论有多大的难度，大家都可以从小做起，但平台的定位企业则要想清楚，这是由你决定的，因为…

2004至2017，整整13个春秋，见证了一个平台的发展历史，每一年聊聊几字显然无法表达所有的内容，但还是能看到一个企业数据平台发展的一个脉络，希望于你有所启示。

DT时代，企业大数据团队能否基于大数据平台给予企业的营销赋能，成为驱动企业转型的关键所在。

大数据席卷全行业，但面对企业内的业务人员，如何进行培训以领进门呢？

“企业内部的大数据普及很困难，看看以前BI的推广情况就知道了。”这个问题很尖锐，也直指问题的核心。

当前BAT基本公开了其大数据平台架构，从网上也能查询到一些资料，关于大数据平台的各类技术介绍也不少，但在那个机制、那个环境、那个人才、那个薪酬体系下，对于传统企业，可借鉴的东西也是有限的。