当今，大数据火的一塌糊涂。很多高校数据分析相关专业的毕业生没有毕业就被一些企业预定完了。市场上，大数据的培训更是火爆，经过对一些学生的调查发现，大部分主要学的是Python的编程语言，这些编程技能是为了跟数据专业所学习的技能结合发挥更好的能力，以我来看这些培训忽悠人的成分更多，单单把学会Python鼓吹成学完就拥有了大数据分析能力。
但是，从另外一方面又说明了一个问题，软件跟数据分析的关系确实特别重要，但是永远记着：软件只是辅助而已。
在我看来，对于刚毕业的应届生来说，在学校掌握的技能已经ok，最欠缺的是对业务的熟悉程度。仍然是那句话“一切业务数据化，一切数据业务化”。如果这些数据分析专业的毕业生，能够把业务熟悉后，就可以利用excel，spss，matlab等工具进行数据分析做决策，特别是对于中小型企业，这些知识足足够用了。我把数据人员用四象限图标注了出来：
从上边的四象限图中很清晰的看到，数据分析人员有3类：数据分析爱好者，数据分析助理，数据分析师。
能够编程的数据人员确实很有优势，因为要做数据分析需要获取数据和对数据加工处理并存储。因为数据获取是数据分析人员获取数据最大的障碍，如果能有相应的软件开发人员对前期的数据获取和后期数据存储开发出相应的辅助软件，那数据分析人员就能够如鱼得水。市场也有很多相应的数据采集工具，也有不少的数据可视化工具。但是因为各行各业的业务的非标准化，对于业务中的一些特殊需求，标准化的工具有时候也不能适用。
数据获取（养数据）是数据分析的前提，但是养数据需要时间，很多数据无法一次性获取。比如，外贸企业业务过程中的很多数据只能通过软件实时的获取并及时存储下来，经过长时间的沉淀，然后进行分析总结才能发现规律，进行决策。
在外贸业务中，利用软件，结合外贸业务实际需求，把客户获取、询盘处理、业务谈判、客户管理、订单管理等环节打通，形成数据闭环，经过长时间的数据沉淀，然后进行数据分析，形成可视化的数据报告，及时的指导企业的经营决策，是所有外贸企业由粗放经营走向精细化经营的正确道路。比如在前边的案例中，我们对2年来的某行业的不同平台的外贸业务数据进行了汇总分析得出的结论：
阿里巴巴的转化周期短，转化率高，客单价低，复购率低；
独立站的转化周期长，转化率低，客单价高，复购率高；
为何会有这样的结论，请查看1.14节《独立网站 VS 阿里巴巴国际站两年外贸的对比分析报告》
