会员动态

为方便广大从业人员深入了解数据委各会员的行业经验与深度思考，并从会员的分享中汲取推动行业发展的智慧养分，我委一直致力于推进会员专访系列栏目。

此次，我们邀请到了长期深耕供应链管理，具备丰富的供应商全生命周期评价体系与精细化采购成本分析经验的刘姝君女士，她将分享作为一位资深的数据分析师在自身所处领域内的前瞻思考。

数据委：请问当初是怎么结识CPDA的？
刘：我与CPDA的结识，源于我职业生涯中一次自然而深刻的“数据觉醒”。

我的职业起点是投标专员，后来成长为咨询顾问。虽然角色在变，但有一条主线始终贯穿：与数据打交道。早期的数据规模较小，Excel足以应对，我也乐在其中——从熟练运用高级函数，到尝试搭建动态可视化看板，我享受那种让数字“说话”的成就感，尽管那时我还不知道，这已是数据分析的雏形。

转折发生在数据量的跃迁。当处理的数据从几千条激增至数百万条时，Excel开始力不从心。效率的瓶颈让我意识到，工具和思维都需要升级。于是，我开始主动拥抱更专业的工具，学习SQL、探索BI平台……也是在那个阶段，一个清晰的认知浮现脑海：数据分析不是零散的技巧，而是一套系统化、工程化的能力体系。

正是这种渴望系统提升、实现专业转型的强烈诉求，让我开始在网络上认真寻找学习路径。我希望找到一个既有扎实方法论、又贴近商业实战的课程体系——就这样，在2022年底，我遇见了CPDA。

数据委：从事数据分析相关业务以来难忘的经历是哪一段？
刘：那是我参与的关于优化供应商寻源的数据管理的项目，我们不再满足于依靠零散经验和主观印象去筛选供应商，而是希望通过数据，“画出”供应商的肖像，实现科学、精准的入驻决策。

真正的挑战，始于海量的多源异构数据。我们面对的，是来自招标平台、投标记录、历史中标记录、成本数据库、企业征信等多个源头的数据。这些数据格式不一、标准各异，最初的几周，我们几乎都埋头在数据的清洗、对齐与关联中。但正是这段略显枯燥的基础工作，为后续的洞察奠定了基础。

在完成多源数据整合后，构建了必要的特征并进行了深度的交叉分析：

·通过对市场格局进行帕累托分析，发现80%的市场份额被前10%的头部企业和规模企业瓜分，而其余大量长尾企业仅分食剩余约20%的市场空间。

·通过监测铜、铝等大宗原材料的价格波动，并与同期中标平均利润率进行关联性分析，揭示在原材料价格剧烈波动对供应链的利润空间产生怎样的影响。

·结合地域分布与品类结构，我们识别出了某些细分市场的战略机会区域。

·将供应商的投标行为与其质量诚信等风险数据进行关联分析，让我们意识到，单纯追求“低价”可能埋下巨大的履约隐患。

基于这些多维特征，我们探索性引入了聚类算法，构建了供应商价值分群模型，将供应商划分成若干个具有鲜明特征的“策略群体”。

最终，项目交付的不仅是一份《供应商画像分析报告》和一个交互式数据看板，更是一套全新的决策语言和工作流程：

·决策效率提升：运营同事反馈，他们筛选和评估供应商的时间大大减少。

·战略思维得以升级：我们将“企业名单”转化为了“策略群体”。这使得寻源策略从被动的“简历筛选”，转变为主动的“生态规划”。

这次经历之所以难忘，是因为它让我深刻体会到：数据分析最大的价值，不是做出漂亮的图表，而是通过厘清复杂关系，将看似无序的混乱的事实转化为可被理解、可被执行的“策略地图”。这种抽丝剥茧与创造价值的满足感，便是对这份工作最好的回馈。

数据委：掌握数据分析后对自己日常工作中都有哪些影响？
刘：自从系统掌握数据分析思维与方法后，我的日常工作发生了根本性的转变。首先是思维模式从“经验驱动”到“数据驱动”的转变。这让我在面对复杂业务问题时，会本能的使用“目标-维度-指标”的框架进行问题拆解，使问题定义更加精准；遇到业绩波动或异常现象时，能通过多维下钻、对比归因等分析方法快速定位根源，而非依赖直觉猜测；在方案建议时，会主动寻找数据支撑，让决策更加客观，更具说服力。

在日常分析中，我根据不同场景灵活运用描述性、诊断性和规范性分析方法，在工具使用上，将excel、sql、BI工具、python等整合成为阶梯式的工作流。尤其是Datahoop平台的使用，它显著降低了技术门槛，使我能通过可视化交互界面快速完成数据连接、清洗和模型构建，无需深陷代码细节即可将分析思路转化为实际成果。

数据分析赋予我的不仅是方法工具，更是一种解决问题的系统视角。而像DataHoop这样的平台，则提供了将这种视角转化为实际价值的“转换器”， 极大地降低了从数据到价值的门槛，让我能将更多精力聚焦于业务洞察，而非数据处理的琐碎工作中。

数据委：随着AI工具与应用的日渐普及，您认为对咱们行业会带来哪些影响？

刘：随着DeepSeek、豆包等AI工具快速发展，对行业正在并即将带来深刻而多维的影响。我认为这种影响是解放与升级并存，而不是简单的替代威胁。

最显而易见的就是效率的提升。在基础分析上，如数据清洗、描述性统计、标准报表生成等重复性工作将高度自动化，以及AI代码生成与解释能力，让非计算机背景的业务分析师也能通过自然语言指令完成复杂的数据操作和模型构建，效率大大提升。

再一个就是工作模式的升级。在今后的工作中“人机协同”会成为常态，数据分析师将作为“AI指挥官”，通过定义复杂问题，指挥AI进行数据清洗、分析和建模，审核验证并修正AI输出，最终形成可落地的决策建议。

当然，AI的诞生使得行业威胁与机会并存。它会淘汰那些仅满足于做“人肉计算器”的从业者，但同时，为那些能深度理解业务、善于提问、敢于决策并推动改变的分析师打开更广阔的价值空间。未来一定是属于懂业务，会驾驭AI工具，同时能将数据语言翻译成为能理解可执行的策略的从业者。

数据委：您认为数据分析行业未来的发展趋势如何？

刘：数据分析行业正在经历一场“革命”。AI工具与DataHoop等低代码平台的出现，正在降低技术操作的门槛，却同步抬高行业价值创造的基准：一方面，更多人能便捷地使用高级分析工具；另一方面，行业对从业者的期待已从“产出数据报告”跃升为“解决商业问题”，这推高了专业能力的“天花板”。

诚如上一个问题所说，未来一定是“人机协同”的常态，作为数据分析从业者，应该不断更新自己的知识技能和提升自己的业务能力，成长成为“业务专家+AI指挥者+策略翻译官”三位一体的不可替代的角色。

同时，我预计从今年开始，“最小可行性落地应用产品”（MVP）模式将更为普及！因为我发现越来越多的企业高层决策者，逐渐难以忍受漫长的、只见投入不见产出的“孵化期”。他们要求更敏捷的项目迭代、更清晰的阶段性价值交付。比如说第一个月、第一个季度，能交付的、可衡量的业务价值是什么？因此这种模式将逐渐成为未来的主流与关注焦点。

数据委：成为数据委会员后，都取得了哪些收获？

刘：成为数据委会员后，不仅系统性地深化了数据分析的知识体系与实战技能，实现了从零散应用到系统化方法论的跨越。更重要的是，它为我搭建了与众多行业专家直接对话的桥梁，让我能持续获取最前沿的行业洞见与发展动态，极大地拓展了战略视野。

通过数据委内资深同仁的案例分享，我不断汲取他们在复杂场景下的成功经验，将这些宝贵的外部智慧内化为自身的能力图谱。这段经历不仅让我在专业上加速成长，更让我深刻体会到，在数据领域，“与谁同行”往往决定了你能抵达的视野高度与认知深度。

从刘老师围绕自身行业经历以及日常工作与数据分析相结合的实践中可以看出，随着AI的快速发展，未来“最小可行性落地应用产品”（MVP）模式将更为普及！

后续我委将持续组织此类会员专访活动，挖掘更多优秀会员的宝贵经验，为广大企业的数字化转型提供行业经验参考与助力、持续推动行业的进步与发展。