即便不是专业数据人才，在这个数字化的时代，你也要懂点数据。
随着互联网技术的不断发展，我们每个人的行为都以数字的形式被记录下来，当这些数据已经运用到各行各业中，我们也从一个被记录者，转变成运用数据的人。
很多人可能认为只有专业型数据分析师需要数据能力，但其实在很多行业中，这种能力已经成为普通公司人的一项必备技能。
36岁的曾峰目前担任国内数据化营销服务商兔展的北京分公司总经理，此前他一直负责社交网络的广告投放。通过大数据的分析和比对，他可以将目标消费群精确地定义到年龄、收入、区域、购房意向等细节，在此基础上，结合投放预算，达到最佳投放效果。
数据能力已经成为普通公司人的一项必备技能。
曾峰深知数据能力对工作的重要性，随着投放成本不断上升，原本粗犷的投放方式已经无法保证盈利，基于大数据的精准投放变得非常重要。
不光是曾峰这样的广告从业人员，其实很多普通岗位对公司人的数据能力都提出了要求。“数据能力不仅指数据挖掘、数据建模、数据分析等专业岗位的专业数据能力，在产品、运营、市场、销售，甚至是HR等各岗位的通用素质和能力里，数据能力也渐渐被提出来。”网易人工智能事业部总经理李晓燕在接受《第一财经周刊》采访时说道。
猎头机构跃科人才的中国区董事总经理肖力榕也观察到，2017年跃科中国与数据能力相关的招聘案例占所有招聘案例的12%左右，与2016年相比，招聘量上涨了一倍—越来越多的岗位需要公司人具备一些数据能力。那么作为非专业数据人才的普通公司人到底需要哪些数据能力？如何提升数据能力？一些行业专家和资深公司人给出了建议。
跃科人才的数据显示，目前对数据人才需求比较大的是互联网、金融和快消零售行业，此外，汽车和医药这样的传统行业也需要这类人才。
职场社交平台LinkedIn联合清华大学经管学院互联网发展与治理研究中心发布了一份《中国经济的数字化转型：人才与就业》报告。报告显示，从行业分布来看，约50%的数字人才分布在互联网、信息通信等基础产业，其余则分布在制造、金融和消费品等传统行业。
以互联网行业为例，不光是数据分析师，产品经理、用户运营这类工作同样需要数据能力的支撑。产品经理需要通过用户和市场数据的不断循环验证，来驱动产品设计、优化迭代，这往往要求他们有很高的数据敏感度和基本的数据分析能力。而用户运营需要关注用户的激活、留存、增长、活跃和消费等数据，依此有针对性地维系用户，增加活跃度。
李晓燕举了个例子，网易的海外资讯聚合平台“网易见外”在产品设计阶段，需要产品经理根据数据分析的结果做决策并规划和设计产品；到了推广阶段，则需要市场营销人员对推广效果统计、分析，并根据数据表现随时调整策略；运营人员也需要时刻关注用户的相关数据，并将数据随时同步到团队，形成产品不断优化和迭代的过程。
数据思维能力
数据思维能力要求公司人保持对数据的敏感。以广告行业为例，“过往5年，整个广告行业都在往数字化发展。”兔展CEO董少灵告诉我们，如今很多广告行业的从业者都要懂数据，监测多平台、多媒体的数据是他们日常工作的一部分。
比如在看微信平台每天产生的数据时，他们需要将当天的阅读量跟上个月、往年的数据做对比，判断数据是否属于正常范围或是出现异常。在一个时间段中，数据突然出现一个峰值或者低谷，那很可能这个时间段中发生了一个异常事件。“可能是发生了新闻事件或者竞争对手有新的动向，才导致这样的结果。”兔展VP兼CMO刘文中解释道。类似的还有在平台投放的广告图片点击率，点击率突然变得过低，很有可能是突然出现了明星新闻，导致大家的关注点都在热点事件上；或是点击率突然激增，那可能是广告主自己做的活动效果，或者是竞争对手发生了变化。这些都需要从业人员对数据密切关注，并保持敏感度，将观察到的数据和日常数据做对比，并分析数据变化背后的原因，找到最佳解决方案。
数据算法能力
相对于数据思维能力，数据算法能力更加高阶。比如微博平台的用户影响力如何评估，里面涉及到各种不同的因素，像是账号粉丝数、粉丝的粉丝数量，以及粉丝之间的社交频率等。每个因素在影响力评估中所占的比例如何、应该如何加权，这些都是数据算法能力的体现，这种数据处理需要公司人有一定的统计学和数学背景，且有基础建模能力。不过大部分时候，普通公司人只要掌握与自己工作相关的数据即可。
数据应用能力
对于普通公司人来说，得到数据的最终目的是解决问题，这主要依赖于公司人对产业和使用渠道的理解。以微博投放为例，一个数据新人首先要了解微博用户浏览量的高峰时间段和低谷时间段，其次，微博每个账号都有自己的活跃时间、打开频率，投放人员要根据目标消费者的活跃时间和习惯做精准投放。这些都要基于对自身业务的认识和对各大投放渠道的理解才能开展，“你要了解其中的规则和玩法，知道操作空间在哪，才能逐步培养起数据应用能力。”曾峰说。
了解数据
要想提升自己的数据能力，首先应该要了解这些数据的定义、来源，以及产生数据的各平台的玩法，尤其是那些跟自己业务相关的数据。你要知道这些数据的统计口径是什么？是怎么提取出来的？对应的是行业中的哪个环节？能反映哪一层面的问题？
看大量数据
这是一个必经的过程。要想培养对数据的敏感度，首先就要看大量的数据，并且对数据长期追踪，比如知道过往的数据呈现是什么样，现有的数据跟过往数据相比是否出现异常，出现异常的原因可能是什么。这些都需要公司人花费大量时间去翻历史数据，以及在一个阶段之后复盘现有的数据，做总结和归纳。
带着问题去分析数据
普通公司人对数据能力的需求归根到底是为了解决问题，因此在分析数据时应该带着业务问题。按照业务逻辑去提取合适的数据，在此基础上，围绕与业务问题相关的可变因素分析比较，从而得出解决方案。这是一个逐渐积累的过程，保持耐心，多看多分析，就会建立起一套适合你所在业务线的数据分析能力。
充分利用周边的学习资源
一些大公司往往会开设针对数据能力的培训，比如西门子为全体在职员工提供了在线数字能力测评，并会根据结果给出针对性的学习建议；普华永道也设有在线数据能力学习板块和能力测评。
除此之外，建议你多向身边的资深从业者请教，因为数据能力往往是在大量的实践中积累起来的，这些资深人士对数据的敏感和判断是你可以学习的地方。
除了培养数据能力，也要关心行业的变化，比如最近行业中发生的大事、竞争对手和相关行业的动向，这些变化都可能对你监测的数据产生影响，也能帮助你理解数据变化的原因。
