作者｜杨雷
编辑｜Debra
前言
在这个五句话不离大数据和AI的时代，让我们来看看它们给我们带来了什么，以下是麻省理工科技年度科技评论近5年来评选出的“全球十大突破性技术”，我们为每一年挑选了一项作为例子：
年，脑部图谱（BrainMapping）
年，基因互联网（InternetofDNA）
年，分享型机器人（RobotsThatTeachEachOther）
年，刷脸支付（PayingwithYourFace）
年，AI共享（AIforEverybody）
从这些例子不难看出，大数据和AI已经引领了整个技术的突破，为人类的美好未来带来了不可估量的影响。这个潮流，确实难以抵挡，那么不如就投身其中吧。
对大多数软件从业人员来说，我们不知道如何开发大数据或人工智能项目，甚至不知道如何进入这些领域。事实上，市场的反应已经能够体现所谓的“热炒”或者“热潮”，特别是：
作为企业老板，意外收获了一笔投资
作为业务部门，面对大量的数据
作为分析部门，想变得更聪明
作为开发部门，被用户抱怨越来越慢
可以看到，各个职能部门都多多少少会受到影响，目的也是想在井喷的信息量中获得洞见。下面这张图把业务按照数据和分析这两条线进行拆分，它们相辅相成，大数据和AI分别从传统数据和BI扩展而来，并形成一个闭环。
我将从几个不同的视角对这个问题做一些思考：如果你想要从零开始做一些大数据和AI相关的事情，该如何思考，该如何行动，该如何与正确的人一起做正确的事。文中没有提及任何与流行的大数据或AI相关的技术或产品，因为那是下一步甚至是下下步才要做的事情，这里只是做一个引子和方法论介绍。
企业视角
这是一个很大的主题。如果我们从这个视角看问题，可能什么都看不清楚，因为我们并不是创业家，不用思考生存获利的问题。不过我们可以有如下操作：
1.如何驱动愿景或策略？
我有一个美好的初步愿景，为了成为人人敬仰的DoctorWho（神奇博士），为了人类能够决定自己的命运，为了大家都能受到启发，为了推广这些概念，为了生活变得更丰富多彩，为了人人都能成为大数据或AI专家。
有点想法总是好的，没准哪天实现了呢？为此，我需要一个品牌，姑且就叫它“SimpleMan”吧。为什么不叫“SuperMan”？因为是刚刚起步，所以还是不要定太高的目标。
在刚刚起步时，可以试着像大多数人一样表现得毫无畏惧。大数据，无非就是数据多些，不规范些；AI，无非就是智能些，只是比无知多点技能罢了。
SWOT（态势分析法）说，我的优点是懂点皮毛，我的缺点也是懂点皮毛。这样显然是不行的。我们要真的知道自己的竞争力在哪里以及和别人的区别在哪里才行。差异化决定了你是不是真的“神奇”，不然人人都是神奇博士了。“人人都是产品经理”或者“人人都能发财”，这些只是骗人的宣传口号。
接下来的市场计划，我得参考黑客增长（growthhacking）一样做一些病毒式宣传，在聊天工具上贴些文案，央求他们转发，以便增加点击率。种子用户总是那么的善良，他们愿意帮助你，因为他们百分百相信你是专家。
2.什么是可执行规范？
说总比做容易得多。所以，要建好一所房子，光想是不够的，要付诸行动把它造出来。如果碰巧腰不好，或者没这个手艺，那么至少得告诉建筑工人你想要的弧形吧台是什么样子的。
规范，在英语里是Specification，缩略语为Spec。那么什么时候需要用到规范？当你的下游（你是老板，下游就是你的经理；你是用户，下游就是业务分析师；你是产品经理，你的下游就是技术人员；你是技术人员，你的下游就是测试或者支持人员）需要和你对接工作时，你得写点东西，你可以随便写点，然后等着挨骂；或者，如果你不想挨骂，就逼着他们签字画押，如果出了问题他们就不会找你，这样就合同化了，就成了规范了。
大数据的Spec怎么写？AI的spec怎么写？其实不难，可以通过大数据和AI技术来写大数据和AI的Spec。搜集网上所有包含这两个关键词的海量信息，大数据就有了。然后，你希望用这些数据来做些什么？对了，前面说了，我想成为一个神奇博士。为了它，我得具备神算子的本事（像极了算命先生）。作为神奇博士（或算命先生），不管谁问我问题，我都应该能够解答。
“可执行的东西”是指SMART（Specific/Measurable/Attainable/Relevant/Time-bound）的人能够在规范里写得出来的东西。那么多的机器人每天阅读很多信息量，你也可以，训练你自己，有人做到了，你也可以做到。
于是，一个可执行规范就有了，不管谁问我任何问题，我都能解答，并且，我未来真的可以做到，不然就是忽悠，而不是规范了。
3.什么时候达到目标？
好了，一个月过去了，好像什么也没发生。我正在找工作，但是没找到。神奇博士不太“神奇”了。虽然我每天写字的KPI是完成了，但和我原来的美好愿景还是有些差距。我的目标应该重新定义下，比如混个职业经理的职位如何？稍等，我不是已经就是个职业经理了吗？还是再来梳理一下吧。
目标还是想当个神奇博士，那么：
每天阅读2篇有关大数据的需求文档
每天阅读2篇有关AI的技术文章
……
但这些KPI无法把我自己推销出去，这些只是我的短期目标，我要设法活下去才能实现最终的愿景。
4.正确的方向在哪里？
看来是方向不对。愿望虽好，但有点不太切实际。像下面这样改一下，是不是好很多？
每天阅读2篇一流互联网企业需要的大数据需求文档
每天阅读2篇一流互联网企业需要的AI技术文章
（Brand）自己是谁？（Revenue）价值是什么？（Success）是不是能成功？（Launch）路线图好不好实现？(Pipeline)有没有计划？(Product)学得会新技能吗？(Milestone）里程碑是什么？（Lifecycle）你能活到那个时候吗？（AddeddValue）能带着别人一起玩吗？
这些问题不用多解释，但值得深究。
客户视角
什么是用户？用户就是用你东西的人，就是这么简单。
1.谁能发现这个机会？
一张来自eWeek的分析图表显示，客户仍然是大数据最大的直接受益者，这点无论何时都是毋庸置疑的：
我们都知道，产品要给用户带来良好的体验，他们才会“使用”产品，才会好好地“使用”产品，才会反复“使用”产品，才会很久之后还知道怎么“使用”产品。
机会在哪？无处不在。问自己几个问题：
你如果是用户，想得到什么？先去了解。
用户在日常生活中是如何进行体验的？其他产品是怎么做到提供这些体验的？先去学习。
用户得到了最想要的东西了吗？反复思考。
用户最不喜欢什么？反复反思，有时候这比前一个更关键。
一句话，用户想花最少的钱获得最佳体验。别反驳，如果你作为一个用户，肯定也是这么想的。
2.向什么看齐？
通常，产品越做越起劲，但老板却跳出来说这不是他们想要的。这个时候你应该反思，而不是去顶撞老板。老板眼里只有利润和效益，90%的老板都这样，除非钱多了脑袋烧坏了。如果你说自己还不是老板，体会不到老板的想法，那么你就听话，向老板妥协并看齐。
有时候用户也会跳出来说，这也不是他们想要的。这个时候你要反思，而不是拖延。比如产品经理通常的反应是：对不起，我的计划表里排满了高优先级的事项，它们都非常重要，实在没法再快了。
用户认为一个产品好不好，他们的标准通常不会是你想的那样。所以，应该向什么看齐？把自己变成一个用户，这是第一步。否则，你和用户的关系将变成“偶尔治愈，常常帮助，总是安慰”。
3.如何展示和发布？
很多人觉得，展示和发布很高大上，西装、发型和腔调缺一不可。其实不然，请注意乔布斯的蓝色牛仔裤，扎克伯格的灰色上衣。那么什么才是重要的？
乔布斯的PPT永远是那么简洁明了，让你看了就只想到一件东西，能做到这样就足够了。
所以，60秒就能让人们看懂的简单展示就是好的展示。
同样，10秒就能上手的发布就是好的发布。
我们有太多糟糕的展示和发布经验。展示了“一堆东西”，只为证明有好多东西。所以，我们从一开始就已经错了。价值主张是非常重要的，从一开始就要想清楚你要展示什么价值，否则你拿什么展示给别人？
4.什么时候提醒或推荐？
在做出一个完美的产品之前，作为老板，是什么都不知道还是什么都知道的好？而作为用户，是什么都知道还是什么都不知道的好？
作为一名大数据和AI的应聘者，我希望知道：
如何能知道我的个人竞争力？（我需要一名职业规划师，懂大数据和AI。）
哪里能体现我的优势，并打败我的竞争者。（我需要一个招聘网站，用大数据和AI来开发。）
找到合适的企业，好的文化、价值观，行业合适，技能合适，最好还要离家近不出差。（我需要一个猎头，动大数据和AI。）
面试者会问什么？他们对我满意吗？他们都喜欢什么话题？我是不是可以再提高一下，这样就可以加入心仪的企业，毕竟我真的是个人才，只是面试发挥不太好而已。（我需要一个HR，懂大数据和AI。）
好吧，被拒了就被拒了吧。我开始反思，我究竟缺了哪些东西？我是不是找错了对象？（我需要一个顾问帮我分析分析，或者我也也可以自己来，毕竟我懂大数据和AI。）
谁能提醒或推荐给我？大数据和AI世界，机会无处不在，要看你在哪里以及在想什么。
商业视角
商业是一种有组织的为顾客提供所需物品与服务的行为。
1.具备洞察力吗？
洞察力揭示了这种行为的本质是什么。
人才：为什么下属总要我指导才能完成工作？工作超过5年的员工为什么这么少？
客户：上个月为什么没多少人光顾？这个月怎么顾客全跑去对面了？
企业：为什么那么多奶茶店只开半年就关门？为什么还不断有新的奶茶店开业？奶茶店为什么都看起来都带有台湾风格？
商业：它家的商品清单好长，到底卖的什么？不过每次排队的人很多是为啥？
流程：热线电话为什么总是打不进去？打进去也解决不了问题，到底有没有人管？
洞察力就是指回答所有这些问题并解释背后的原因。这不是一个从无到有、从有到多的过程，它有点像是回答如何提高孩子学习成绩这类问题，很难做到，并且能做到的是极少数。
2.问题是什么？
问题一直在哪里，只是换了个问法。比如，数据和大数据、分析和高级分析。
让我们做一个对比：
普通领导易怒，就算最后事情做好了。高级领导易喜，就算最后事情做砸了。
普通数据，便利店。大数据，大卖场。
普通分析，描述性。高级分析，预测性。
所以，问题在于在解决问题时出现了问题。比如，数据太大、分析太简单。如果没问题，就没大数据和高级分析什么事。用高射炮打蚊子，资本市场常干这事。
3.如何盈利？
来看看两个公式：
利润=收入-成本-费用
数据:集市(Mart)=仓库(Warehourse)=湖(Lake)=沼泽(Marsh)
我们可以做一个表来交叉分析上面两个公式：
不同类型的数据产品的利润到底来自哪里？很简单，从收入那一列就可以看出不同之处。因为它们处理的业务外延扩大了，除了DataMarsh。成本和费用出自哪里？考虑下面几个：
操作性
存储性
敏捷性
安全性
下面是百度指数的搜索热点结果（对比Data、BI、大数据、AI）
备注：年4月发生了什么？因为3月奥巴马在白宫发布了《联邦大数据研发战略计划》（TheFederalBigDataResearchandDevelopmentStrategicPlan），并提供了2亿美金，作为大数据时代开启的标志，所以“数据是什么”变成了搜索热词。
如何盈利?看看你手头的工作跟这个有没有关系，如果没关系，那么就赶紧跟上这个趋势。
4.什么时候做诊断？
洞察力我们可以理解了，好吧，下一步想想怎么量化它。
比如，上个月为什么没多少客户光顾？你需要做出一下诊断：
有客户光顾的数据吗？
有客户的信息吗？
有上个月的数据吗？
没多少具体是指多少？
谁想知道这些数字？
要多久以后才能知道？
知道了以后该怎么办？
做了一些事情以后，怎么知道做对了？
如果没做对又该怎么办？
流程视角
过程就是指如何完成一件事。人们需要管理过程，设计过程，相互沟通，并以高质量的流程向前推进，然后获得我们所期望的价值。
1.我们需要管理什么？
对流程而言，从无序到有序，再去改进，要一步一步来。
随时问自己一个问题，什么需要管理？一个企业家白手起家，从0到10，每走一步都会碰到各种问题，有很多下属要管，有很多供应商要央求，有很多客户要迎合。甚至大数据也不光光是数据量大而已，它还涉及各种异构系统、各种渠道。
我们需要管理流程去应对内部建设，需要业务流程去应对客户。我们需要由内至外，比如DevtoOps，也需要由外及内，比如OpstoDev。不分先后，取决于那方实力更大。
那么我们到底该期望些什么？从人力到有经验的人力，再到半自动化，然后是人力和自动化打架，再到自动化替代人力，这个过程困难重重，不是你期望的就是正确的。编排无疑是流程中最重要的环节，让我们能够有的放矢，沉着应对。
除此之外，框架与流程相辅相成。企业可以有ESB，但你会发现其实核心竞争力不在这里，不过没关系，可以托管给SaaS/PaaS/IaaS。有趣的是，iPaaS还为大数据中的各种异构提供了支持。
AI呢？我们对AI有需求，有客户在催，但是不一定能做得出来。投入比产出大是常态，AItoOps是一个解决办法。这是现在的一个炒作热点，所幸是刚刚起步，所以别犹豫。
2.如何有效地设计？
首先，不管对业务还是对企业而言，每一步都要实现增值，这是毋庸置疑的。
其次，是标准化还是定制化？理论上讲，力推标准化有各种好处，这是事实。但在实践当中，人人都要求定制化，这也是事实。定位不同，目标也不同。
第三，是分布式还是集中化？就像找行业专家合作或培养复合型人才一样，一切取决于管人的经理是否能花50%的精力来做些事情，以及企业的价值观是不是把人摆在第一位，不然还是靠权力，如果是这样就别浪费时间了。
最后，学习学习再学习，B2C或B2B2C或C2C或……最复杂的流程取决于最复杂的商业模式。
3.与谁沟通？
只要有人在的地方就有江湖。只要有江湖，就有利益纷争。所以，只要你在江湖中，就要和利益相关者保持一致。
那么问题来了，谁是大数据和AI的利益相关者？不管是大数据还是AI，都不是一个人能够默默做出来的，需要很多人沟通交流。大数据和AI意味着总会有人各说各话，不可能都讲统一的语言。你要么雇很多翻译帮你去沟通，要么学习很多方言直接和他们沟通。
难点在于大家都想变成利益相关者，但这已经违反了客观规律。这也是很多想在这两个领域落地的公司举步维艰或失败的根本原因。该如何走出这个困境？不知道。
4.在哪里添加工作流或质量检查？
BPM（业务流程管理）告诉我们，流程优化应该小步走，保持简单，甚至不要