前言：21世纪是数据的时代，毋庸置疑；如果我们把它看作是如同石油一样的生产要素，那么谁才能通过它获得财富呢？那些勇于冒险、能提前看到未来的人。
“万物即数”，财富隐藏在数据的相互关系与逻辑之中；数据决策的过程就是寻找和挖掘财富的过程——数据分析引导有意义的价值和行动。
简言之：“万物即数”，分析即探索，决策即择优。
【后补】在为中石油提供分享前，我临时加入了一个判断每个人决策倾向的特别案例，“如果给你两个按钮的选择权，左侧的按钮按下去获得100万，右侧的按钮按下去，有50%的概率一无所有，50%的概率获得1亿元，你会如何选择？”
你会如何选择？内心的直觉会告诉你一个答案，不要犹豫，记下来。然后继续看：
我问在场的中石油各市区信息处及业务部门处级领导干部，以及到场的各级信息员，几乎一半的人举手选择左侧的按钮（确定性的100万）。不少人举手在意料之中，但是比例之高超过我的预料。
我们世界中充满了这样的选择题，从概率和分析角度，整个世界的决策都是可以被量化的，决策就是选择，决策就是择优！而数据分析帮助我们作出更优的选择。关键是，很多人不知道这其中的奥秘，因此做出来其实不理性的决定，代价就是损失了很多钱！
其一，用经济学预期价值衡量，左侧按钮价值100万，右侧按钮价值5000万（50%0+50%1亿），很明显，右侧价值是左侧的50倍。
其二，考虑到人的“损失厌恶心理”（100万的潜在损失带来的心理负担需要至少200万的获得才能抵消，即损失和获得心理上不对等），选择右侧按钮的潜在损失是100万，但是收益却是5000万，这种比例是足以抵消心理压力的，因此右侧按钮才是最佳选择。
但是为什么很多人选择左侧按钮？——因为辅助决策的逻辑、理性和常识不足，因此我们都是普通人，没有成为银行家、金融家和政治家。
其三，从分析的角度，我们想要说的更多——在上面的两个选择之外，分析会帮助我们作出更多的选择。比如：
- 500万把这个选择权卖掉，净赚500万！ 很多银行家都会乐意购买你价值5000万的选择权。
- 还想分享可能的1亿收益？那就300万首付卖掉选择权保留分红权，如果对方中了1亿，分成30%，综合价值300+1500万！
- 考虑做个商业模式？把这个选择权打包为彩票，2元一张卖2亿张，头等奖1亿！不考虑中间费用，可以赚3亿！放心，老百姓最喜欢这种高杠杆（但是没有希望）的暴富机会，中国农民和无产者那么多，懂得概率的人很少买彩票。
- 把上面的模式滚雪球，做个上市公司？……
如果你能多想三步、四步、五步……然后用分析计算概率和可能性，你的决策就远远、远远地超过此前的AB选择！只有小孩子和学生才追求唯一的答案，成年人的世界应该学会打破规则。
这就是决策的逻辑，也就是分析的价值！
一个让人心慌、心疼又有诱惑力的开场。接下来，我们就要了解为什么数据如此重要？数据分析如何优化决策过程？如何在企业中实践大数据分析？
20世纪，是人类辉煌的工业文明时期，石油当之无愧的成为了20世纪最重要的生产要素。
21世纪，石油的辉煌还在延续，但数据已经悄然成为新的自然资源，一大批互联网公司开始兴起，市值短期超越百年企业，借助大数据丰富、快速而又多样化的特征快速超越传统的行业。
未来多年，数字技术将持续推动经济的巨大变革，推动传统产业和公司的转型与升级，打破原来的商业模式并不断催生新的生态环境。
在这种情况下，每一家企业都应该认真思考自己的数据战略，越来越多的挑战者来自于看不见的赛道，他们可以依据数据的优势发起难以反抗的进攻。在可见的未来，企业将分为两类：数据驱动的公司和传统公司。
归根结底，“任何一家公司都是数据公司”，只是我们对待无形资产的态度差异。
目录
一、认识大数据
何为数据？ | 何为“大” | 为何重要二、价值创造——数据的根本价值
产生价值的行动和决策 | 决策即选择 | 决策的场景三、使用大数据的契机
技术平民化 | 可视化分析，是进入大数据最好的入口四、应用大数据
数据文化 | 知道问题的层次
IT与业务合作 | 构建自助化分析的数据文化
模型分析思维 | 数据整理
一、认识大数据及重要性
1、何为数据？——万物皆数
古希腊毕达哥拉斯学派认为“万物皆数”，数字就是世界的本源，通过数字可以洞察一切的真实。他不仅使用勾股定理阐述了三角形的原理，还创造了“五度相生律”，用数字来制作了音符！
如今，信息时代和数字化时代，我们每个人的生活、工作，每一家公司都被爆炸性的数据所包裹，手机从原来的100M内存发展到128G、256G都放不下。整个商业的世界，如同早年钻探石油一样，就是从数据挖掘价值和利润的过程，甚至连巨头公司IBM也在为此而积极转型。
数据正在成为新的自然资源，将成为企业的竞争优势，所以IBM的转型战略是要运用数据推动行业和专业转型。 ——IBM商业价值报告
“万物皆数”，我们身边都是字符、数字、日期、地理位置和判断，所有这一切，都通过计算机的0和1转化和保存。我们每个人都置身“黑客帝国”，都是Matrix中被数字化的代码。
2、何为“大”？数据爆炸
大数据之所以称之为“大”，有三个最基本的特征（3V）：容量(Volume)、速度(Velocity)和多样性(Variety)。随着计算机技术的发展，特别是移动互联网的成长，之前缓慢成长的数据直接开始指数爆发，不仅数量激增、速度飞快，而且从非结构化数据多种多样。如今几天的数据量就超过几百万年人类所有的数据量，即便如此，真正的大数据洪峰却还没有到来——不久的将来，物联网带来的飓风般的超级数据。
而价值也正式孕育在这样的数据洪流之中，那些掌握了数据挖掘、数据分析和数据决策技术的企业，将会在商业战争中赢得先机。
3、为什么重要？从大数据到商业决策
石油存在于地球何止几百万年，但是没有经过提炼的石油几无价值，数据也是一样。大数据本身不足以让我们聪明，获得大数据也不能让我们聪明，只有投入时间、经验和智慧用心去整理、挖掘、提炼和总结数据背后的逻辑，才可能转化为价值。
那为什么过去几百年数据没有像如今如此兴盛？这完全依赖于技术的进步。计算机技术、信息技术、云计算技术、数据技术等各类技术的快速发展，让数据的记录、存储、传递、创造、分析、共享等各个环节都有了长足发展。一直以来，科学家的分析往往是基于样本的，技术的进步让我们可以分析总体，从而减少了分析的偏差。
还有一个非常关键的变化是，随着数据科学和分析技术的进步，技术越来越平民化了，之前只有IT才能掌握的分析工具，如今“飞入寻常百姓家”，业务人员一旦具备了接触和分析大数据的机会和能力，数据的价值才得以大面积的落地。分析数据不再是少数人的专利，而是整个企业的普遍文化。
数据转化为价值，其一，依赖于技术进步，其二依赖于技术平民化后的业务主导的分析文化。
二、价值创造：大数据的根本价值
所有的一切，根本在于价值，简称曰利益！大数据的价值也在于此。
上面我们分析的是从大数据中挖掘价值的可能性——基于总体的分析帮助我们接近客观的真相。从数据到价值的具体道路是怎样的呢？
1、价值在于人为的“提炼”
如何从数据到价值，我们这里介绍一个非常重要的模型：DIKW金字塔模型。多年来这一直是最好的数据解释模型。DIKW分别代表数据、信息、知识和智慧四个层面，越来越靠近人的理性和能动性。
世界混沌，皆是数据，随处可见的汽油标号、单位、单价、规格都是数据的表示；但是倘若我们拿出任何一个或者多个数字给外人看，都只是没有意义的字符。只有当我们在数据中加入了人的解释，赋予数据以存在的背景，展示数据之间的逻辑关系，我们才能知道它要表述的内容，比如说“95号汽油7.6元/升”，这就是基本的数据组成信息的过程。
一旦拥有了信息，我们就增加了对外部世界的认识，语言和文字帮助我们人类超越自身的局限，让我们得以傲视整个地球的其他生物。但仅仅如此还不够，那些聪慧的人还会从众多的信息中寻找普遍的规律，进而理解更加广阔的背景，也就拥有了看问题的更高的视角；这些人是天然的领导者和洞察者。“知识就是力量”，知识统治世界，拥有越来越多知识的人和更进一步的智慧仅仅一墙之隔，到了这个层次，不仅可以轻松的知其然，还能知其所以然，也就借助数据把握了总体，进而可以辅助决策择优。
数据分析，就是把数据整理为信息，进而提取知识，从而增进智慧和决策效率的过程。
所以，任何宣扬“读书无用”或者“知识无用”的人，要么是智商低下的自大者，要么就是别有用心的阴谋家。
2、分析即判断，决策即择优
数据分析的过程，就是数据总结信息，进而提取知识的过程。这个过程的终极目的，在于辅助人类的决策，准确的说，是寻找最优解（择优）。
人类第一台电子计算机的发明，本意就是如此——通过计算导弹数据和轨迹来实现精准打击。如今，我们可以把“导弹”比作产品，投放的对象则是需要这些产品的客户。为了准确的实现这一目的，我们需要在终端的决策意向中不断的择优，选择最有效而可行的方案。决策就是选择的过程，而数据分析则帮助我们作出最好的决策。
从这一点上看，哪怕是最基本的Excel分析，也会提高决策的准确性；基于大数据的分析，则会让你拥有超越同行的高度视角和勇气。
「除了上帝，所有人都要有数据说话。」
3、数据分析的场景（“提炼”）
数据的价值在于寻找数据中的规律性，进而辅助决策。具体到企业的应用中，我们可以区分为几大场景，根据是否清晰问题和答案/结果两个方面，可以划分为不同的象限。
企业的分析主要分为两大类，一种是确定性的知道自己想要什么，一般都是静态的结果或者定时刷新的KPI仪表板，另一种是在业务环境中随时提问、随时解答的动态分析。我按照两个维度（问题和答案/结果）把分析场景划分为几个区间，暂且用下面这个尚不成熟的图来表示：
这里的关键是第三和第四象限，真正的业务环境是复杂多变，每一个决策背后都有无数的证实和证伪过程。好的分析能结合不同的需求而生成高互动性的报表，能帮助业务领导随时发现业务中存在的问题并作出有效的指导。比如通过特定的指标发现明显造假嫌疑的加油站、寻找成功率更高的石油勘测点、通过假设验证寻找最优的VIP营销策略等。
4、超越分析象限，分析可以重塑行业模式
数据分析所能驱动的远远超过上面的象限的约束，基于数据分析的行业和客户洞察，甚至可以改变整个商业模式本身。我所知道的最棒的案例是赫尔曼·西蒙博士为德国铁路策划的铁路会员卡，堪称是最棒的定价策略。（可以参考赫尔曼·西蒙《定价制胜》）我也在身边找到了不少已经走在前列的服务公司，比如从销售轮胎到销售轮胎里程的服务商。
越来越多的传统公司基于数据驱动而作出商业决策的转向，比如曾经的GE发动机基于数据分析重建了自己的商业模式，不再是销售发动机，而是销售发动机的飞行时长和航空服务，按照飞行里程付费的模式有助于GE和客户各司其职实现利益的最大化。
三、使用大数据的契机：最佳的时机是现在
“种树最好的时候是十年前，其次是现在”。
1、技术的平民化
技术的发展，特别是诸多平民化技术打开了大数据分析的广阔天地，以Tableau的可视化查询专利技术VizQL为代表，让从来不懂得SQL语言的业务人员也能轻松与数据互动，进而发现隐藏在数据背后的真实。其次，自然语言处理技术也在蓬勃发展，Tableau已经推出了Ask Data的自然语言查询产品，让更多人轻松就可以获得更深刻的数据洞见。
- VizQL 拖拽式查询语言
- NLP自然语言处理技术
- 可视化交互技术
“到2020年，50%的分析查询将通过搜索、自然语言处理或语音生成，或自动生成。”
“到2020年，平民数据科学家的数量增长5倍于专家数据科学家的数量增长。”——Gartner BI Report
世界变化如此迅速，千万，“不要因为太忙，忽视了世界的变化”！如果换一个轮子跑的更快，就不要吝惜更换轮胎的几分钟时间。到了从传统的软件切换到面向业务的敏捷BI的时刻了。
2、可视化分析技术的兴起
在所有的大数据技术中，可视化技术是最靠近前端，也是最容易为人理解的部分，它是数据访问者与数据交互的窗户，也是最靠近决策的环节。
可视化，是连接数据和访问的桥梁。通过Tableau的大数据分析工具，可以帮助业务人员更好的看到数据背后的逻辑，建立大数据使用和分析的信心！每个人都可以根据自己的习惯查看数据，甚至二次编辑模型，轻松易用的软件帮助更多人深刻地理解自己的业务数据，并促进自己的决策提升。
四、应用：以价值创造为导向的数据战略
1、形成“数据创造价值”的数据文化
深刻的了解数据如何驱动业务决策，了解决策的不同场景，帮助每个人养成“数据中蕴含价值”的基本理念，这是进一步倡导数据战略的基础。最终要达成的企业文化是，当我们在思考一件事情时，我们应该从习惯性的“我想是这样的” 转变为 “我知道是这样的”。
过去，按照经验判断，如今环境变化太快，经验依然有价值，但是准确度在下降，关键是经验判断阻碍了创新——经验永远跳不出此前的框架。我们希望，在做决策时，我们可以从“我认为”转向“我知道”——基于数据，我知道是这样的，这是最细微的改变，也是最积极的改变。
2、问题和分析取决于视角
面向CEO和COO的数据分析，与面向部门主管的分析截然不同，我们的分析取决于客户的立场，取决于看数据的角度。不要试图用牛肉包子喂饱所有人。
- CEO——关注趋势、预测、宏观KPI、重要警戒指标
- 部门负责人——关心达成、进度、异常点分布、排名
- 运营或者营销负责人——关注异常点、探索差异、寻找标杆
- 基层员工——关注完成度、绩效奖励、员工排名、站点排名
3、从结果分析，走向过程分析
动态的业务分析，是数据创造价值的真正宝藏。那些善于使用数据的公司懂得把每一个决策都和数据验证相结合，数据不应该是作为事后的总结，而应该是事先的判断。
不要为了总结做分析，而应为了决策做分析
当企业习惯在业务决策过程中使用大数据分析工具，就会逐步养成自助分析的氛围，最终我们要达成的自助分析目标是：
- 让人们能够轻松提出和解答自己的数据问题。
- 让人们能够轻松与团队成员共享其见解。
- 确保导向决策的数据准确无误。
4、IT部门和业务部门通力合作
到了停止互相伤害的时候了，方法是搭建各司其职的自助式分析。过去瀑布式的数据开发（业务提问题，IT寻找答案然后交付成果）已经不适用于当前的数据环境，因为无法解决“IT不懂业务，业务不懂IT”的困境，却总是希望IT承担数据分析的重任。
更好的方式是回归各自的角色，IT负责基础设置、安全、权限等工作，而业务部门负责解释数据并转化为行动；或者说，IT部分负责从数据到信息的环节，而业务部门主要负责从信息中形成知识。
“人人都是分析师”是趋势，也是目标：来自业务部门的数据分析师 和 IT部门的数据分析师，共同组成企业的分析力量。基于自助化的分析文化，我们将实现IT部门和业务部分工作效率的共同提升，二者的协力合作共同推进企业分析文化的进步。
5、养成模型思维
可视化分析带给我的非常重要的影响是，不要重复工作，特别是不要重复简单而枯燥的工作。我们几乎所有的事情，都是“类似情景的重复”，找到这些重复的场景并加以模型化，我们就会大幅度提高工作和生活的效率，从而有时间感受其间的美。
- 凡是能一次完成的，不要重复做第二遍；用优化代替重复；
- 把数据整理和数据分析分开，有助于建立更好的模型。
- 模型就是最优策略的固化。
6、培养好奇心，好奇心是数据世界的通行证
最好的驱动力是好奇心，好奇心通往一切。最佳的策略是寻找企业的星星之火，让他们的好奇心驱动整个世界。
结
大数据的目的是分析效率的提升、绩效的改进。“每个公司都是数据公司”，但不是每家公司都懂得如何勘测和提炼；通过it部门和业务部门生产效率的提高，通过数据的挖掘和提炼，才能大幅度的提高效率，从数据中提炼价值。
Tableau，帮助这一切。
by 喜乐君
Tableau Partner， QA Certification
提供Tableau全系产品的销售、服务和培训服务
【说明】部分照片来自网络，基本已经注明；最后几张照片来自Tableau峰会官方文件；其他照片为个人制作。 开篇AB奖金的故事，来自得到app“老喻的人生算法课”，推荐购买。
Aug 1～4, 2019 随ppt整理
Aug 6, 2019 update
Aug 8, 2019 update
Aug 9, 2019 Revise