前言 人们都说，这是一个大数据时代，是数据产生价值的时代，更是数据成为资产的时代。真的是这样吗？ 要认真探讨这个问题并不容易。首先，要理解什么是数据。对于数据，可以给出多种不同的定义，各有其道理。但是，哪种定义能够帮助我们更好地理解数据产业？理解它的昨天，今天，还有明天呢？其次，要理解什么是资产。会计学对资产的定义是什么？数据就是资产，这个说法站得住脚吗？根据会计学的定义，资源要成为资产有一个必要条件：带来预期的经济收益。那么什么是经济收益？我认为就是商业价值。由此可见，不是所有的数据都可以称为资产，只有那些能够产生商业价值的数据才可以称为资产。因此，数据创造价值的过程，就是数据资源资产化的伟大历程！ 数据如何产生价值？纯粹而孤立的数据有商业价值吗？没有。数据价值的彰显需要一个必要条件：业务场景。只有合适的数据配合合适的业务场景，才能产生价值。业务场景可以孤立于数据之外而产生价值，但是数据却无法孤立于业务场景之外产生价值。因此，数据价值之道在于：场景为王，数据次之，算法最后。所以，数据分析的第一步，也是最重要的一步，不是分析数据，不是建立模型，而是分析业务。对业务缺乏充分的理解，不可能让数据产生价值。为此，需要一套规范的方法论，帮助我们从业务角度定义数据分析，从数据分析角度实践业务。这就需要具备一种能力，即把抽象的业务问题转变为数据可分析问题。这是数据分析最困难、最具挑战也是最了不起的地方。为此，你需要重新理解：什么是回归分析。 人们通过各种数据建模的技术手段，对业务的核心指标做出预测，希望可以无限准确。但悲催地发现，无论如何努力都无法做到非常高的预测精度。你可能开始怀疑人生，变得焦虑、苦恼、迷失方向。其实不必慌张，这一切都很正常，这才是数据分析的真实世界。对真实的数据分析而言，预测不准是常态，预测过度准确才是一个让人非常担忧的“变态”。为什么？因为预测过度准确常常是一个…