2019年还剩两个半月，接触数据中台的概念将近一年，做数据中台PD有十个半月，感谢组织对我的信任，感谢领导同事对我的放心，让一个不懂数据库、一个不会数据仓库知识、一个不懂行业知识的人放手一搏。
最近在部门内部复盘的会议的时候，偷偷看了《这个“忽悠”马云10亿的男人，还了阿里巴巴5000亿》的文章，文章讲的是王坚如何从众口里面的“骗子”变成“阿里云之父”，其中受的委屈，从看文章都会流泪。一个人需要多么大的毅力才能坚持，好几年都在被别人诟病的产品，相信世间没有几人。
联想到现在从事的大数据帮助客户减少人力、提高辅助决策的正确性的事情，至今很少有人相信，不管是客户，还是同事，都在怀疑，你的约束条件，足以支撑最终的结论吗、你的结论得到验证了吗、你的结论具有通用性吗？
以上的三连问，是我们目前最困恼，也是最具有挑战的事情。
首先目前分析出来的一堆数据，经过清洗后，变为有价值的数据，然后通过统计学和算法的理论，聚合成高质量的数据，然后采用各种业务约束条件，形成辅助决策的结论。
那么第一个问题——凭什么说你的约束条件就是对的，你的约束条件是否找的足够完备、是否具备普适性、是否结果专家判断、头脑风暴？原来的人工经验是怎么实现？
如果侥幸过了第一关，那么第二关，你的结论如何验证？如何说服客户，如何说服同事，如何得到客户认可，得到验证的机会，如果验证失败怎么办？如何修正？
假设踩了狗屎运，过了第二关，第三关——你的结论具有通用性吗？你在这个城市、这个场景下能顺畅，在别的城市、场景下，能跑通吗？如何调整你的阈值、你的约束条件？
针对于上面的三连问，往往在串行的执行过程中就失败了，这就是从电子到产品的失败的绊脚石，这也是我们作为数据中台、数据PD需要考虑的问题，因为没有现成的轮子可以抄，只能自己造，还要快。
其实是在数据工作中遇到很大的问题，数据的准确性，在最终结果输出的时候，所有人都觉得自己是数据分析师，自己能做或多或少的数据分析，多能支出最终数据的问题。我们欢迎指出问题，但是不欢迎提供解决方案，因为从数据的接入、清洗、建模、输出都涉及到数据的重新刷新，也许每一步都是一个坎，每一步都存在问题，一层一层往下剥，需要花费很大的时间，但是也许这就是数据分析师的作用吧。但是最关键的是，在数据每一层处理过程中，需要严格遵守标准数据处理流程，就像做手术，或者陶瓷产品，每一步都不能错，错一步，步步错。期望自己团队的小伙伴能恪守数据的严肃性，加强自我约束。
最后，还是招聘，招人是个很痛苦和漫长的事情，千军易得一将难求，PD这个岗位是将开发、运营、售前、售后、市场同学攒起来的人，可惜很多PD并不具备攒起来能力，包括我自己，往往有自己擅长的领域和方向，也有自己的短板，招人，就是补齐自己的短板，一个团队中，有人善于开拓、有人善于稳固后方、有人善于沟通，各有所长，分工协作，界面画清晰了，想必就像唐僧西天取到经书也就不远了。
最后的最后，感谢一起努力奋斗的同学，愿意为这个起初“不靠谱”的PD，实现MVP。
嗯，各位，一起加油！！！
