專訪中國商聯數據委會長鄒東生：“最小化場景閉環”實現AI真價值

““致敬十年”大型策劃火熱進行中，歡迎報名參與。

這里誕生了中國第一批數據分析師，制定了首個行業標準，更見證了一個行業的從無到有。

近日，中國商業聯合會數據分析專業委員會（以下簡稱“數據委”）鄒東生先生，接受了數據猿的獨家專訪。他回顧了數據分析行業那段激情澎湃的成長歷程，并對當下行業發展提出深刻見解：“在大模型時代，數據分析的最佳落地方式是實現‘最小化場景閉環’——以最低成本、最快速度，讓數據價值直接賦能業務。”

從“解釋不清”到不可或缺：

數據分析的十七年蛻變

從今天的視角往回看，我們會驚嘆于那些超越時代的遠見。

“2008年，數據委剛剛成立時，那時候別人問我們數據分析是干什么，怎么解釋都解釋不明白，只能說自己是做決策研究的。”談及數據委成立之初，鄒東生不禁莞爾。

這句話瞬間把時間拉回到十七年前，那時別說中國還沒有像樣的數據分析公司，甚至連“數據分析”的概念都鮮為人知。

數據分析登上歷史舞臺的時間，可以追溯到2003年——原信產部相關部門設立了“項目數據分析師”培訓項目。五年后的2008年4月，中國商業聯合會數據分析專業委員會正式成立，成為全國性的數據分析行業組織。

2008年中國商業聯合會數據分析專業委員會成立大會

“協會的定位是市場和政府之間的溝通橋梁，我們通過制定中國較早的數據分析師人才標準、建立事務所、發布行業白皮書和人才指數，從無到有地定義了行業邊界，推動了數據分析行業生態的建立。”鄒東生介紹說。

發展歷程

十七年后的今天，數據分析已不再是陌生的技術術語，而是驅動各行業數字化轉型的核心力量。

數據分析思想和理論起源于西方國家，我國的行業發展與之相比有著不同的發展軌跡。

美國構建了強大的“三角生態”體系：學術界輸出前沿思想，開源社區實現工程落地，商業公司完成產品化與云化部署。在這個生態中，谷歌、亞馬遜等科技巨頭推動著原始創新與應用場景的融合，一些中小企業各顯其能，如Tableau引領數據可視化革命，Cloudera與Hortonworks推動Hadoop商業化，Databricks則憑借Spark技術開創了新一代數據處理標準。

相比之下，中國的優勢在于海量用戶和豐富的應用場景，這讓數據分析技術在應用層形成了獨特競爭力。

理解這一背景，我們才能明白鄒東生在整個采訪中反復強調“回歸應用”的深意。

鄒東生將數據分析行業在近年來的發展分為三個階段：

1.概念引入期（約2009-2017年）：這個階段的核心是“數據在線”。大家開始熱烈討論Hadoop、Spark等分布式技術，并大規模引入到企業的系統中。但此時的數據分析多服務于領導駕駛艙或統計報表，是典型的“成本中心”。

2.技術融合期（約2018-2021年）：行業開始反思，推動數據與業務場景結合。標志性事件是“中臺”概念的興起與后續的理性回落。大家意識到，僅有龐大的數據底座不夠，必須與業務鏈接。BI工具在這一階段走向普及，但其價值仍受限于“數據孤島”和“IT依賴癥”。

3.AI高光時代（2022年至今）：生成式AI的爆發成為關鍵轉折點。它極大地降低了數據處理的技術門檻。低代碼/無代碼平臺的普及讓懂業務的一線人員也能直接進行數據建模、應用場景構建并閉環。數據分析師的職責從“取數、做報表”轉向“定義業務問題、驅動決策”，價值被空前放大。

從Hadoop分布式架構到Spark輕量化處理，從數據倉庫到指標中臺，每隔一段時間就會誕生新的技術推動行業進步。而最具革命性的，無疑是大模型的出現。歷經二十年行業風云，他親眼見證了數次技術從浪涌到退卻的潮汐。因此，面對當前AI的喧囂，他的內心深處一直保持著異乎尋常的清醒。

破解AI落地難題：

“最小化場景閉環”方法論

過去十多年，數據分析工具持續進化：從IT主導的報表工具，到Tableau、FineBI引領的自助式BI浪潮，再到融合AI能力的Chat BI。工具越來越智能，越來越易用。

然而，許多企業卻不知不覺陷入了“工具萬能論”的誤區。

對此，鄒東生提出了截然不同的觀點。他指出：“在歐美市場，數據分析貫穿業務全鏈路——從理解業務場景、明確采集需求，到最終驅動決策落地，形成一個完整的價值閉環。”

“相比之下，國內長期將數據分析割裂為孤立環節：數據采集、處理、合規、展示……過度細分的技術分工，切斷了數據與業務之間本應緊密的血肉聯系。”

過去，一提到大數據分析，企業首先想到的是采購軟硬件、搭建可視化大屏，這些投入往往淪為“形象工程”。以曾經火熱的數據中臺為例，許多企業投入巨資進行數據整合，最終得到的卻只是華而不實的統計圖表，而非實際的業務價值。

什么是最小化場景閉環？

在大模型時代，鄒東生認為數據分析的終極目標不應是建造華麗的數據看板，而是要以應用為王，價值優先。他提出了一個理念——“最小化場景閉環”。與構建龐大復雜的數據中臺不同，他主張用最輕量化的方式，通過API接口將數據分析能力嵌入企業現有系統，以最小成本實現最直接的業務價值。

他對“最小化場景閉環”的闡述清晰而深刻：

·最小化——意味著用最低成本、最簡團隊、最短周期實現價值驗證。企業可以從小成本投入起步，通過“小步快跑”最大限度降低試錯成本。

·場景——根據國務院辦公廳正式印發的《關于加快場景培育和開放推動新場景大規模應用的實施意見》中場景的定義：“場景是用于系統性驗證新技術、新產品、新業態產業化應用以及配套基礎設施、商業模式、制度政策的具體情境”。在數據分析業務中，場景須是一個具體入微、邊界清晰的業務問題。

·閉環——核心是構建從問題定義到效果評估的完整價值回路。每個環節都需以業務價值為導向，確保數據分析直接驅動決策。

這種“由淺入深”的路徑，本質上是一種數據驅動的業務發展模式，與傳統BI公司“一次性大額投入”的產品銷售邏輯形成鮮明對比。

價值即時主義：要5%確定性增長，不要50%空中樓閣

這套模式的精髓在于“價值即時主義”——不追求50%的空中樓閣，而要5%的確定性增長。通過一次次“小勝”積累團隊信心，讓數據驅動的理念真正深入人心。

為何要采取最小化場景閉環模式？這源于鄒東生的深刻洞察。

他表示，盡管市場上不乏成功的數字化轉型案例，但如果將視角放大到整個中國社會，我們會發現絕大多數企業對數據的認知仍處于早期階段。

在AI時代，我們既要擁抱技術創新，更要堅守價值本質。最好的技術是能解決實際問題的技術，最有價值的數據是能驅動業務增長的數據。這條路沒有捷徑，唯有腳踏實地，從最小化場景做起，讓每一次數據應用都產生實實在在的價值，不斷積累的“小場景”，逐漸融合成企業的“大應用”，才是企業數據化轉型的路徑所在。

重構企業護城河：

從“工具為王”到“價值為王”

在最小場景閉環模式下，數據分析企業的護城河在哪里？鄒東生的答案明確而堅定：護城河不在工具，而在于是否有應用價值。

“坦率地說，我對傳統BI工具廠商的發展前景持謹慎態度。這并非針對特定企業，而是源于其固有的商業模式局限——過度依賴軟硬件銷售的‘技術產品思維’正在這個快速變革的時代面臨嚴峻挑戰。”

回顧商業發展史，我們見證過太多看似“固若金湯”的商業模式被頃刻顛覆。正如蘋果智能手機剛問世時，諾基亞還是最大的手機制造商；柯達相機直到消亡的那天，生產的膠卷質量都是最好的；五年前無人能預料電商格局會被直播帶貨重塑……

AI時代，數據分析的商業模式也同樣發生著某種變化。企業不再滿足于購買昂貴的軟硬件產品，而是迫切希望知道：如何用數據直接創造業務價值？

傳統BI廠商所面臨的挑戰是：以往企業滿足于制作精美的數據看板，如今則更看重“決策引導”與“業務落地”。一家制造業廠商曾向鄒東生直白的說，我們需要的不是漂亮的報表，而是能告訴我何時檢修設備、如何優化供應鏈的具體方案。

“未來的贏家，不是擁有最先進技術的公司，而是最能將數據價值轉化為業務成果的企業。”鄒東生表示。

人才革命：擁有數據思維的人才將勝出

隨著AI的快速演進，數據分析人才結構也在發生深刻變化。十年前，從業者主要來自兩類背景：一類是技術出身的IT人員，另一類則來自互聯網、金融等數據密集型行業，偏向統計、算法或可視化。而近幾年來，人才流向正明顯向業務端傾斜。

一個鮮明的信號是：越來越多傳統制造企業不僅安排高管學習數據分析課程，更開展覆蓋業務負責人、一線員工的大規模輪訓。這反映出數據分析人才的成長路徑已從“工具驅動”轉向“業務驅動”，從“技術偏好”邁向“場景融合”。

“近年來最顯著的趨勢是分析師構成的多元化，從外企到本土公司，從互聯網到傳統制造，遍布各領域。這也正是我們行業管理組織長期倡導的方向：我們所要培養的，從來不是IT人員，而是兼具業務洞察與數據思維的復合型人才。”鄒東生介紹稱。

去年，在與美國麻省理工學院一位數據研究團隊負責人的對談中，我們探討了一個關鍵問題：在AI時代，數據分析的未來究竟屬于“技術人才業務化”，還是“業務人才技術化”？從微觀案例來看，兩條路徑皆有成功實踐，IT背景的分析師中不乏轉型典范。但若放眼未來十年，我更傾向于后者——那些具備業務知識、掌握數據方法論、擁有數據思維的人才，將逐漸成為核心力量。

這一判斷的背后，是AI對技術門檻的持續消解。過去，一些業務人才雖有行業洞見，卻受限于技術能力，難以形成閉環。如今，隨著低代碼/無代碼平臺的普及，以及大模型帶來的技術平權，業務人員得以跨越IT鴻溝，直接完成數據價值的落地。當技術不再成為障礙，業務洞察與數據思維的能量將得到徹底釋放。

“數據委為CPDA數據分析師們提供的免費的智能數據分析平臺即是生動例證。過去十年，盡管平臺匯聚了幾萬名分析師使用，但由于需同時掌握業務、算法與編程，能實現完整場景閉環的始終是少數，十年間僅積累數千場景。而進入大模型時代，在引入低代碼與無代碼能力后，短短幾個月內就新增了一千多個新場景。”鄒東生表示。

思維升級：數據素養成為企業核心基因

作為數據分析人才的培養搖籃，數據委的一項重要工作就是編撰各類專業教材。

但在參與《數據分析實務叢書》編撰時，鄒東生注意到一個現象：有些觀點過于熱衷描繪從“弱人工智能”到“強人工智能”的未來圖景的描述，而忽略了從細微入手的思考。

他坦言，AI人工智能的發展確實為數據分析行業帶來了巨大推動，但我們更需要一份清醒：生成式AI高度依賴與業務的充分融合，需要更多深入的分析和思考，在許多企業數字化轉型的成功經驗中，數據思維、業務理解的深化是數據價值得以實現的核心驅動力。現階段，AI與企業私域數據的融合才剛剛開始，很多應用仍然集中在RAG知識增強檢索、人工智能客服、運維優化等淺場景，所以，業務思考和數據洞察作為核心牽引力，遠比描繪藍圖更為重要。

哪怕是概念炙手可熱的AI Agent（智能體），鄒東生也認為，其能力在現階段仍有較大的上升空間。“目前AI Agent更多用于數據指標體系構建、辦公自動化等標準化數據場景，涉及企業個性化的業務場景，往往需要更多分析師的不懈努力。”

這反映了一個本質問題：技術可以產品化，但對業務的理解卻難以被完全產品化。每個企業都有其獨特的流程、架構與文化基因，想要把AI在場景實現規模化落地，最終還是要依賴“懂業務、有數據思維”的人。

鄒東生認為，在未來，數據分析不再只是崗位技能，而是逐漸成為企業的“核心素養”。正如財務知識不只屬于會計，數據思維也不應專屬于數據分析師。

“我看到了令人振奮的趨勢。”他表示。

·以歌爾集團、吉利汽車等制造業企業為例，這些企業不再滿足于培訓幾位高管、上幾堂課，而是致力于將數據思維植入組織基因；

·在供應鏈優化與質量控制中，數據分析正在精細重構每一個制造環節；

·從市場預測到客戶洞察，數據驅動正逐步取代經驗直覺；

從管理者到產線員工，“人人皆可分析”正在成為現實。

從這個角度看，數據分析行業的重要性日益凸顯絕非偶然。當數據價值真正融入業務閉環，當分析能力從“專業工具”進化為“基礎素養”，這個行業便完成了從“輔助工具”到“驅動引擎”的本質蛻變。

未來3年：應用為王

我們嘗試著讓鄒東生對數據分析的發展做一個十年的展望，鄒東生溫和地婉拒了。他解釋道，這個行業的發展和技能更新太快——一波技術的浪潮尚未完全抵岸，另一波新的海嘯可能已在遠方醞釀。在他看來，能精準把握未來三年的趨勢，已經是極限。

他對未來三年行業發展作出三個關鍵判斷：

第一，AI智能體將無處不在，但這不會取代數據分析師——反而會放大他們的價值。在行業協會的平臺上，AI已能自動生成和分析場景，這個過程中，數據分析師們發現：沒有數據思維，連一個好問題都提不出來，更無從談起生成場景。就像ChatGPT的成功，核心在于其團隊擁有頂級的“數據駕馭能力”。這不僅是傳統的數據分析技能，更是一種涵蓋數據戰略、大規模處理和數據規律洞察的復合能力。他們深刻理解如何從數據中提取規律，并設計流程讓模型自我優化，這正是數據思維在超大規模下的終極體現

第二，我國的相關政策正在加速行業蛻變。國家發展改革委近期明確提出，鼓勵國有企業主動開放應用場景、支持民營企業參與場景落地實施。這釋放出鮮明政策導向：數據要素唯有融入具體應用場景才能實現價值轉化，封閉化、碎片化的發展模式已不符合當前發展要求。

第三，這是一個“應用為王”的時代，“全鏈路數據分析師”正成為行業新標桿，他們要能夠實現從業務定義到價值實現的全流程。正如在今年12月數據委將要發布的《2025年數據分析行業人才指數報告》中強調的：優秀的數據分析師必須擁有“以終為始”的思維——技術是路徑，而解決業務問題、提升場景效能，才是終點。

畢竟，最好的分析，永遠是能驅動決策、創造利潤的分析。

采訪尾聲，鄒東生的話語中流露出堅定與期待：“未來三到五年，我們將迎來數據價值的大爆發。而那些能幫助企業跑通‘最后一公里’的人，將成為這個時代最被需要的人。”