大数据时代，技术和分析哪个更重要？

资深数据分析师，戴文波特在《哈佛商业评论》上的撰文《数据分析师的崛起》中提到，大数据时代的到来意味着处理庞大的数据将会在每个人的工作中，占有越来越大的比重。因此，对经理人和员工来说，数据分析和数据认知能力将变得无比重要。此外，《埃维诺调查》中的一次报告结果显示，超过百分之六十的管理者认为他们的员工需要提高分析能力去将数据转化为洞察力和商业价值。许多行业的高管都已注意到了数据分析的重要性，并认为数据分析能力及数据分析人才是企业发展的必需品。而在真正通过数据为企业做出贡献这个问题上，分析，很多时候比数据本身更重要。

数据是一种资源，并且是一种可以重复使用和共享的资源。但是数据如果不能被以正确的方式使用，就只会成为一种负载。数据本身并不产生价值，只有通过合理分析与使用，才能产生和体现它的价值，而不是因为采用了顶尖的技术和算法才体现了它的价值。 所以，如何分析和利用数据对业务产生帮助才是关键。分析的过程就显得尤其重要，只有用好分析能力，才能通过数据来解决真实问题。在这当中，技术仅仅是数据分析中的一部分，只是工具与手段。而企业只有将分析方法嵌入到由分析师参与的商业决策中，才能真正体现出数据的价值。而在具体通过数据分析体现数据价值的过程中，模型算法的设立与预期目标正是由人的思维理念和分析能力决定的。无论是SAS，R，Matlab，Excel，Hadoop还是SPSS，都只是重要的数据工具，如果只掌握工具的用法，对于分析师在企业中解决实际问题没有任何帮助。因为工具与技术只是解决问题的手段，而真正在企业项目实施中起到决定性作用的，是分析能力。假如一名数据分析师，只重视技术手段，而缺乏分析能力的话，就只能成为工具的使用者，而不能成为数据的掌控者，更不能成为解决问题的分析者。

随着大数据时代的发展，数据基础设备的进一步完善，越来越多的数据得以被发掘、利用，而随着技术的不断革新，数据分析工作者便可以更快更准确的得到结果。但在企业中遇到的真实问题与案例是复杂的，不同岗位的员工与客户从数据中解读到的信息都是不同的，因此，最后得出的结果也会不一样。当分析师们为一个商业问题提供数据分析解决方案时，需要将客户的需求与情况作为分析的基础并随时进行调整。只有这样，才能真正取得详细的，准确的报告与方案。如果只会用技术，而在具体分析能力上有欠缺的话，就只能按照流程，通过模式化的数据清洗与建模来得到结果。这就会缺少具体情况的融入与分析思想的引导，只能是依葫芦画瓢，和实际情况出入巨大。由此可以看出，在数据分析中，技术只是一个环节，而分析才是一切的核心。

在大数据时代的浪潮中，数据存储量将会数以亿计的发展，膨胀。随着大数据分析智能平台的诞生与应用，分析工具与技术将进一步简洁化，这意味着大数据分析的技术门槛将进一步降低，而真正体现结果差距的，正是分析能力与方法。通过合理的分析，企业可以从这如此浩瀚的数据中找到自己的决策方向，找到自己的发展远景。每位企业员工也可以通过提升个人的数据分析能力去驾驭、管理数据并借此提升自己的水平。而在学习数据分析的过程中，要分清主次，选择案例分析出色，更重视培养自身分析能力的课程。也一定要明白，一切数据分析的根基，根虽然在数据，但是一切的基础却是分析。