全球企业在加快对数据的管理和使用

全球4个阶段的技术升级

从全球范围看，19世纪80年代企业开始大规模应用计算机技术，至今几十年间，一共经历了4个阶段的技术升级：信息化、SaaS化、移动化和AI化。

信息化是指利用计算机来提高企业的生产管理效率，把之前手工做的事情交给计算机来完成，例如企业常见的ERP、CRM、OA等信息化系统。

到了2000年，软件开始SaaS化，也即采用了云计算的架构，把软件作为一种服务提供，在SaaS下面涉及到基础设施的云化IaaS，平台的云化PaaS。

到了2008年，由苹果推出的第一代iPhone开启了移动化的时代，到今天我们已经离不开各种手机APP了，移动化已经在我们的工作生活中深度扎根。

2015年开始，AI技术逐渐应用和普及，我们进入一个全新AI时代。

再看回国内，前面几个阶段都会滞后全球几年的时间，但从AI化开始，已经基本保持同步。从信息化到AI化，每一次的技术升级以及基于新技术的企业服务升级都会驱动一波经济增长。展望未来，AI将作为一种新的发展引擎驱动数字经济的不断发展。而数据作为AI的生产要素，也必将发挥出更大的价值。

数字经济下，数据无处不在，我们已经从IT时代迈入DT时代。IT时代以流程来驱动业务，而在DT时代，将以数据来驱动业务。

特别是对于互联网公司来说，拥有海量的数据并充分利用，已经成为其致胜的法宝。例如你用手机淘宝购物，在整个使用过程中淘宝需要向你推荐什么商品，哪些商品最有可能引起你的兴趣，都是根据你在淘宝上的使用数据通过模型计算出来的。

在这方面做得最极致的就是字节跳动，旗下的头条、抖音等APP根据用户的兴趣爱好等数据进行计算 ，把最合适的内容智能地推送给最合适的用户，从而在短时间内成了新的国民APP。

又比如滴滴拼车，根据不同乘客的起止地点，司机的位置等实时数据进行智能匹配，从而找到一条最合理、效率最高的拼车路线。外卖的骑手派单也是这种模式，由系统根据实时数据进行匹配，找到了一条最高效的派送路线。像这样的例子比比皆是，可以说，数据已经真正用来服务我们工作生活的方方面面。

传统经济发展离不开公路、铁路、机场等“铁公基”的建设，数字经济同样也离不开新型基础设施建设，我们称之为“新基建”。

在“新基建”覆盖的七大领域中，5G基站建设、大数据中心、人工智能、工业互联网都是数字经济的基础设施，与各行各业息息相关。其中，算力是核心、数据是要素。

5G提供数据通信网络，大数据中心提供数据管理和算力，人工智能提供数据应用手段，工业互联网和新能源充电桩等提供数据应用场景。今年4月9号发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》明确指出：将数据作为一种新型生产要素，充分发挥数据对其他要素效率的倍增作用。

数据分析是从大量的数据中通过统计方法，搜索隐藏于其中信息的过程。1858年，克里米亚战争期间，南丁格尔通过搜集数据分析，发现很多死亡原因非“战死沙场”，而是战场上受伤感染疾病。

2009年，Google利用大数据(人们搜索的历史记录)预测了H1N1流感爆发地。

疫情期间，Smartbi通过收集丁香医生、国家卫健委提供的数据，利用可视化、模型预测的分析方法，预测疫情的上升拐点将出现在2月16日。通过这几个例子说明，数据分析确实可以给我们的生活带来改变和价值。

数据分析也可以辅助企业管理者的决策，包括三个层次。第一个层次为“现状分析”，揭示“发生了什么”，如企业运营好了还是坏了？经营指标完成情况？第二个层次为“原因分析”，揭示“为什么发生”， 如去年利润环比下降10%什么原因导致的？年度的销售量目标为什么未达成？第三个层次为“预测分析”，揭示“将要发生什么”，如明年公司业绩将会是多少？哪些客户可能流失？

2020年5月6日，人力资源和社会保障部发布《新职业—大数据工程技术人员就业景气现状分析报告》，报告显示：预计2020年中国大数据行业人才需求规模将达210万，2025年前大数据人才需求仍将保持30%—40%的增速，需求总量在2000万人左右，数据分析人才是市场上迫切需要的高端型人才。

排名前15的职位年增长率，摘自领英《2020年新兴职业报告》

从上表可以看出，人工智能专家是需求量最大的岗位，年增长率达到74%，优势特别明显。未来是AI的时代，AI将无处不在，因此需要大量的AI人才。数据科学家也即数据分析师，是分析类岗位，数据工程师负责处理数据，是技术类岗位。两者都和数据分析相关，年增长率也分别达到了37%和33%。

随机抽取招聘网站2019年至今的招聘数据，分析发现目前市场上和数据相关的岗位主要划分为两类：纯数据岗位和数据赋能岗位。

数据赋能岗位的需求说明数据分析已经渗透到各行各业各个岗位中，不再仅仅作为单一的岗位存在。企业在招聘一个财务经理、产品经理或者销售，都可能需要应聘者具备数据分析的能力，这样对所从事的工作会大有帮助。

不同工作地点的薪资变化较大，选取纯数据零工作经验岗位数据分析，发现薪资排名TOP20城市的平均工资为12.3K，除北上广深外，无锡、三门等其他城市均可达到10K起步薪资。相比于消费水平较高的一线城市，这些高收入低消费城市也是不错的选择。

随机抽取产品经理和HR两个岗位无工作经验、相同工作地点，对比传统和数据赋能（数据产品经理、HR数据分析专员）的平均薪资差异，发现数据赋能岗位薪资均高于传统职位，高出的部分受益于数据分析技能的贡献。

总之，数据已经成为这个时代的核心生产要素，各行各业的数字化转型是大势所趋。培养更多数据分析人才对于实施国家大数据战略，发展数字经济，满足当下的海量人才需求是非常必要的。同样，对于掌握数据分析技能的人才来说，未来就业的前景将非常广阔。特别是掌握高端AI技术，在AI时代一定大有可为！