专家动态

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，我们邀请到了在商业分析及数智化项目管理领域深耕的赵鹏程老师，他将分享作为一位资深的数据分析师在自身所处领域内的成长路径与前瞻思考。

数据委：请问当初是怎么认识到CPDA以及打算加入专家库的？
赵：最初接触认识CPDA是在2022年，当时我正在为企业提供数据分析内部咨询服务，深感行业标准和专业认证的重要性。后面通过同事的推荐，我了解到中国商业联合会数据分析专业委员会作为中国商业联合会的分支机构，自2008年成立以来，一直致力于推动数据分析的普及与应用，倡导行业自律，培养专业人才。这与我个人的职业追求高度契合。

决定加入专家库源于一次小范围的行业研讨会。恰逢当时与会专家的推荐，得知CPDA组织了一场公益的沙龙分享，经此了解到专家库汇聚了众多在数据分析技术、算法、大数据等领域拥有丰富经验和深厚理论基础的专业人士。

在那时我意识到，加入这样一个高水准的专业组织，不仅能够与行业顶尖专家交流学习，更能为推动中国数据分析行业的健康发展贡献力量。经过严格的资质审核和专业评估，我最终成为中商联数据委的专家，这既是荣誉，更是责任。

数据委：从事数据分析相关业务以来难忘的经历是哪一段？
赵：最令我难忘的经历是，2020年作为项目合作者，参与了美国亚利桑那州立大学的AI4Science前沿研究项目。这个项目聚焦于量子光学与机器学习的深度融合，旨在通过人工智能技术解决传统量子物理研究中的复杂模式计算难题。我作为核心数据分析专家，与来自量子物理、计算机科学等领域的国际团队紧密合作，共同探索AI在量子光学状态识别与纠正中的创新应用。

项目初期，我们面临量子光学系统数据量少、模态干扰严重的挑战。传统的分析方法在处理量子态波函数和纠缠态数据时效果不仅差强人意，且计算量非常大。我作为团队中的分析算法专家，主导研发了一套基于深度学习的量子数据处理框架，创新性地将卷积神经网络与量子光学处理、数据分析相结合，成功实现了实时量子光学模态校正。

最激动人心的是，我们的研究成果最终发表在Wiley出版社的知名期刊上，并成为封面论文，更是被知名行业媒体广泛报道。这项工作不仅展示了量子光学理论与人工智能结合的前沿进展，更是践行了跨学科研究的最新范式。当看到我们的算法在实验室中成功纠正了单光子的量子光学模态干扰，并被实验证实的时候，那种科学发现的喜悦至今难忘。

这个项目让我深刻认识到，数据分析不仅是商业决策的工具，更是推动科学前沿突破的关键力量。通过AI4Science，我们正在见证人工智能如何重新定义科学研究的方法论，而作为行业专家，我有幸站在这个历史性变革的前沿。这次经历也让我更加坚定了将数据分析技术应用于更广阔科学领域的信念，这也是我后来选择加入专家库，希望推动数据分析技术在更多行业落地的重要动力。

数据委：掌握数据分析后对自己日常工作中都有哪些影响？

赵：决策层面，从"经验驱动"转变为了"数据与AI双轮驱动"。无论是项目规划、资源分配还是风险评估，我都会先收集相关数据，通过统计分析、回归分析、AI增强实验等方法寻找规律，让决策更加科学精准。

在日常工作中，我常用的分析方法包括：

描述性分析：使用Excel、DuckDB、Python语言等进行基础数据清洗和统计

诊断性分析：运用SQL进行多维度数据钻取，找出问题根源

预测性分析：基于机器学习算法（如随机森林、XGBoost、人工神经网络）构建预测模型

规范性分析：通过优化算法为业务提供最佳行动方案

在工具应用方面，DataHoop平台是不可或缺的利器。这个由CPDA推动的国产数据分析平台，不仅提供了从数据采集、清洗、建模到可视化的全流程支持，更重要的是其内置的行业模板和算法库大大提升了工作效率。平台的可视化功能也非常出色，能够将复杂的分析结果转化为直观的图表和仪表盘，帮助非技术人员快速理解数据背后的洞察。

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？

赵：AI工具的快速发展正在深刻改变数据分析行业。以DeepSeek、豆包为代表的AI工具，正在从三个维度重塑我们的工作方式：

首先，效率革命。传统的数据清洗、特征工程等耗时工作，现在可以通过AI工具自动化完成。例如，我最近使用AI工具处理一个包含百万行记录的量化交易金融数据集，原本需要2-3天的工作，现在只需2小时就能完成初步清洗和特征提取。这让我们能够将更多精力投入到业务理解和价值挖掘上。

其次，能力扩展。AI工具让非专业人员也能进行基础的数据分析。通过自然语言交互，业务人员可以直接"询问"数据，获得洞察。这降低了数据分析的门槛，扩大了数据驱动决策的覆盖范围。但同时，这也对专业数据分析师提出了更高要求——我们需要从"技术执行者"转变为"业务策略师"，更深入地理解业务场景，提供更具战略价值的洞察。
 

最后，范式转变。传统的数据分析往往是"问题驱动"——先有问题，再找数据验证。而AI时代，我们可以通过无监督学习发现数据中隐藏的模式和关联，实现"洞察驱动"的新范式。例如，通过AI工具发现了一个意外的客户行为模式，这个发现直接催生了一个新的产品线，为企业创造了数百万的额外收入。

AI不是取代数据分析师，而是让我们能够专注于更高价值的工作。未来的数据分析师需要具备"人机协作"的新能力，既懂业务，又懂数据，还要懂AI，成为真正的"数据战略家"。

数据委：您认为数据分析行业未来的发展趋势如何？

赵：我认为数据分析行业将呈现"四化"趋势：
 

智能化：AI与数据分析的深度融合将成为主流。传统的统计分析将与深度学习、强化学习等技术结合，形成更强大的分析能力。特别是在实时分析、流数据处理方面，AI将发挥关键作用。CPDA作为行业引领者，正在积极推动人工智能发展，赋能企业应用场景落地。
 

场景化：数据分析将从"技术导向"转向"场景导向"。未来的竞争不再是算法精度的竞争，而是解决具体业务问题的能力竞争。无论是零售、金融、制造还是医疗，数据分析都需要深度融入业务场景，提供端到端的解决方案。
 

平民化：随着低代码/无代码工具的普及，数据分析的门槛将大幅降低。业务人员将成为数据分析的主力军，而专业数据分析师则转向更复杂的策略制定和模型优化工作。这种"全民数据化"趋势将极大释放数据价值。

伦理化：随着数据隐私和算法公平性问题日益突出，数据伦理将成为行业发展的关键议题。CPDA在制定行业标准、规范行业市场方面发挥着重要作用。4 未来，具备数据伦理意识的专业人才将更受市场青睐。

AI与数据分析的关系不是替代，而是相辅相成。AI为数据分析提供了更强大的工具，而数据分析为AI提供了业务价值和验证标准。两者的结合将催生新的职业形态和商业模式。
 

数据委：加入专家库后，都取得了哪些收获？

赵：加入数据委专家库以来，我收获颇丰。通过与众多行业顶尖专家的交流，知识体系得到了非常广阔的、系统性的提升。协会组织的专家研讨会、技术沙龙等活动，让我始终站在行业前沿，了解最新的技术趋势和应用实践案例。对专业标准的坚持也促使我不断提升自己的专业水平。