這幾年，有人約我講“工業大數據”課時，我常問他們：能不能換成別的？講課時間能不能短一點？主要就是我覺得自己的認識零散、不繫統、有明顯缺陷。最近想清楚了一些事情，有必要把思路重新整理一下。其中，除了對大數據的理解（前面已經講過），最重要的一點是從以下三個層次來看問題：
這個三個層次分別是：數據分析師的層次、管理者的層次和決策者的層次。這樣劃分的目的是區分重點和關鍵，也是在強調一個潛臺詞：許多工作和技術沒有多大關係。
數據分析師的工作往往是相對明確的技術問題，就是從數據裡獲得知識。我把這類工作分成兩類：一類是根據結果找原因（根因分析），一類是根據原因找結果（預測模型）。這類工作是我最熟悉的工作。從具體技術角度講，這種工作的專業性要求最高。關鍵的技巧其實是避開復雜的算法，把數據分析知識與業務知識融合。也就是我常說的兩句話：利用人的知識、針對人的盲點。這種工作最大的困難並不是算法，而是數據本身的質量和分佈不能滿足要求。如果數據質量差，再牛的分析師都沒有辦法。所以，數據分析師的工作做得好，需要把前置性的工作做好。
管路者的層次直接面對的是管理問題。針對企業的管理指標。如效率、質量、成本等。典型的如鋼廠的能源效率優化。這類工作的第一個任務是發現價值，而難點在於價值的隱藏——這一點我反覆說過：管理上沒有做好的事情，大家往往都不會說。所以，發現價值的過程往往涉及到人的利益。這是一個很大的難點。在此基礎上，就是把管理問題轉化成數字化的問題。我經常稱之為“翻譯問題”：把現實問題轉化成數字空間的問題。最適合做轉化工作的，是那些具備數字化思維的業務人員。問題轉化好了之後，可能會交給數據分析師。我一直強調：一個轉化好的問題往往並不難做。難做只有兩種原因：一種是沒有轉化好，一種是數據條件太不理想。
決策者的層次關注的，是用數字化方法進行業務和組織的重構，可能需要較大的投資。比如，傢俱企業提供用戶個性化定製的產品。這種改變需要大的權力，所以需要決策者拍板。一般來說，決策的難度不在具體技術層面——要儘量採取成熟的技術、成熟的方案。技術的難點在系統層面：系統規劃要縝密，要防止功虧一簣，防止“千里之堤毀於蟻穴”。優秀的決策者不僅關注大局、還關注長期。所謂關注長期，就是讓未來數據分析層面、管理層面的工作變得簡單。
這三個劃分的特點，是把通用的專業技術分離出來。比如，IT工程師存儲數據的技術、平臺技術、通信技術、芯片製造技術。在我看來，這些技術是專業公司提供的專業技術，對應用者來說不一定知道。把這些技術剝離出來之後，大數據技術就是普通企業的應用技術，是“不需要關心數據大不大”的技術了，正如我們不必關心芯片是如何製造的。
在社會分工高度發展的今天，我們一定要找好自己的定位才能發揮優勢。從某種意義上說，幾乎所有的工程師都只需要關係“應用”——用其他專業的知識，解決自己的問題。這樣才能稱為專業化的人才。決策者和管理者也要明白這些差別，才能有效地協同各種人才，和資源，促進企業的數字化轉型。
閱讀更多 海促會 的文章
