【“致敬十年”系列】专访中国商联数据委会长邹东生：以“最小化场景闭环”实现AI真价值
原创 俊驰 | 2025-12-02 20:39
【数据猿导读】 近日，中国商业联合会数据分析专业委员会（以下简称“数据委”）邹东生先生，接受了数据猿的独家专访。他回顾了数据分析行业那段激情澎湃的成长历程，并对当下行业发展提出深刻见解：“在大模型时代，数据分析的最佳落地方式是实现‘最小化场景闭环’——以最低成本、最快速度，让数据价...
““致敬十年”大型策划火热进行中，欢迎报名参与。
这里诞生了中国第一批数据分析师，制定了首个行业标准，更见证了一个行业的从无到有。
近日，中国商业联合会数据分析专业委员会（以下简称“数据委”）邹东生先生，接受了数据猿的独家专访。他回顾了数据分析行业那段激情澎湃的成长历程，并对当下行业发展提出深刻见解：“在大模型时代，数据分析的最佳落地方式是实现‘最小化场景闭环’——以最低成本、最快速度，让数据价值直接赋能业务。”
从“解释不清”到不可或缺：
数据分析的十七年蜕变
从今天的视角往回看，我们会惊叹于那些超越时代的远见。
“2008年，数据委刚刚成立时，那时候别人问我们数据分析是干什么，怎么解释都解释不明白，只能说自己是做决策研究的。”谈及数据委成立之初，邹东生不禁莞尔。
这句话瞬间把时间拉回到十七年前，那时别说中国还没有像样的数据分析公司，甚至连“数据分析”的概念都鲜为人知。
数据分析登上历史舞台的时间，可以追溯到2003年——原信产部相关部门设立了“项目数据分析师”培训项目。五年后的2008年4月，中国商业联合会数据分析专业委员会正式成立，成为全国性的数据分析行业组织。
2008年中国商业联合会数据分析专业委员会成立大会
“协会的定位是市场和政府之间的沟通桥梁，我们通过制定中国较早的数据分析师人才标准、建立事务所、发布行业白皮书和人才指数，从无到有地定义了行业边界，推动了数据分析行业生态的建立。”邹东生介绍说。
发展历程
十七年后的今天，数据分析已不再是陌生的技术术语，而是驱动各行业数字化转型的核心力量。
数据分析思想和理论起源于西方国家，我国的行业发展与之相比有着不同的发展轨迹。
美国构建了强大的“三角生态”体系：学术界输出前沿思想，开源社区实现工程落地，商业公司完成产品化与云化部署。在这个生态中，谷歌、亚马逊等科技巨头推动着原始创新与应用场景的融合，一些中小企业各显其能，如Tableau引领数据可视化革命，Cloudera与Hortonworks推动Hadoop商业化，Databricks则凭借Spark技术开创了新一代数据处理标准。
相比之下，中国的优势在于海量用户和丰富的应用场景，这让数据分析技术在应用层形成了独特竞争力。
理解这一背景，我们才能明白邹东生在整个采访中反复强调“回归应用”的深意。
邹东生将数据分析行业在近年来的发展分为三个阶段：
1.概念引入期（约2009-2017年）：这个阶段的核心是“数据在线”。大家开始热烈讨论Hadoop、Spark等分布式技术，并大规模引入到企业的系统中。但此时的数据分析多服务于领导驾驶舱或统计报表，是典型的“成本中心”。
2.技术融合期（约2018-2021年）：行业开始反思，推动数据与业务场景结合。标志性事件是“中台”概念的兴起与后续的理性回落。大家意识到，仅有庞大的数据底座不够，必须与业务链接。BI工具在这一阶段走向普及，但其价值仍受限于“数据孤岛”和“IT依赖症”。
3.AI高光时代（2022年至今）：生成式AI的爆发成为关键转折点。它极大地降低了数据处理的技术门槛。低代码/无代码平台的普及让懂业务的一线人员也能直接进行数据建模、应用场景构建并闭环。数据分析师的职责从“取数、做报表”转向“定义业务问题、驱动决策”，价值被空前放大。
从Hadoop分布式架构到Spark轻量化处理，从数据仓库到指标中台，每隔一段时间就会诞生新的技术推动行业进步。而最具革命性的，无疑是大模型的出现。历经二十年行业风云，他亲眼见证了数次技术从浪涌到退却的潮汐。因此，面对当前AI的喧嚣，他的内心深处一直保持着异乎寻常的清醒。
破解AI落地难题：
“最小化场景闭环”方法论
过去十多年，数据分析工具持续进化：从IT主导的报表工具，到Tableau、FineBI引领的自助式BI浪潮，再到融合AI能力的Chat BI。工具越来越智能，越来越易用。
然而，许多企业却不知不觉陷入了“工具万能论”的误区。
对此，邹东生提出了截然不同的观点。他指出：“在欧美市场，数据分析贯穿业务全链路——从理解业务场景、明确采集需求，到最终驱动决策落地，形成一个完整的价值闭环。”
“相比之下，国内长期将数据分析割裂为孤立环节：数据采集、处理、合规、展示……过度细分的技术分工，切断了数据与业务之间本应紧密的血肉联系。”
过去，一提到大数据分析，企业首先想到的是采购软硬件、搭建可视化大屏，这些投入往往沦为“形象工程”。以曾经火热的数据中台为例，许多企业投入巨资进行数据整合，最终得到的却只是华而不实的统计图表，而非实际的业务价值。
什么是最小化场景闭环？
在大模型时代，邹东生认为数据分析的终极目标不应是建造华丽的数据看板，而是要以应用为王，价值优先。他提出了一个理念——“最小化场景闭环”。与构建庞大复杂的数据中台不同，他主张用最轻量化的方式，通过API接口将数据分析能力嵌入企业现有系统，以最小成本实现最直接的业务价值。
他对“最小化场景闭环”的阐述清晰而深刻：
·最小化——意味着用最低成本、最简团队、最短周期实现价值验证。企业可以从小成本投入起步，通过“小步快跑”最大限度降低试错成本。
·场景——根据国务院办公厅正式印发的《关于加快场景培育和开放推动新场景大规模应用的实施意见》中场景的定义：“场景是用于系统性验证新技术、新产品、新业态产业化应用以及配套基础设施、商业模式、制度政策的具体情境”。在数据分析业务中，场景须是一个具体入微、边界清晰的业务问题。
·闭环——核心是构建从问题定义到效果评估的完整价值回路。每个环节都需以业务价值为导向，确保数据分析直接驱动决策。
这种“由浅入深”的路径，本质上是一种数据驱动的业务发展模式，与传统BI公司“一次性大额投入”的产品销售逻辑形成鲜明对比。
价值即时主义：要5%确定性增长，不要50%空中楼阁
这套模式的精髓在于“价值即时主义”——不追求50%的空中楼阁，而要5%的确定性增长。通过一次次“小胜”积累团队信心，让数据驱动的理念真正深入人心。
为何要采取最小化场景闭环模式？这源于邹东生的深刻洞察。
他表示，尽管市场上不乏成功的数字化转型案例，但如果将视角放大到整个中国社会，我们会发现绝大多数企业对数据的认知仍处于早期阶段。
在AI时代，我们既要拥抱技术创新，更要坚守价值本质。最好的技术是能解决实际问题的技术，最有价值的数据是能驱动业务增长的数据。这条路没有捷径，唯有脚踏实地，从最小化场景做起，让每一次数据应用都产生实实在在的价值，不断积累的“小场景”，逐渐融合成企业的“大应用”，才是企业数据化转型的路径所在。
重构企业护城河：
从“工具为王”到“价值为王”
在最小场景闭环模式下，数据分析企业的护城河在哪里？邹东生的答案明确而坚定：护城河不在工具，而在于是否有应用价值。
“坦率地说，我对传统BI工具厂商的发展前景持谨慎态度。这并非针对特定企业，而是源于其固有的商业模式局限——过度依赖软硬件销售的‘技术产品思维’正在这个快速变革的时代面临严峻挑战。”
回顾商业发展史，我们见证过太多看似“固若金汤”的商业模式被顷刻颠覆。正如苹果智能手机刚问世时，诺基亚还是最大的手机制造商；柯达相机直到消亡的那天，生产的胶卷质量都是最好的；五年前无人能预料电商格局会被直播带货重塑……
AI时代，数据分析的商业模式也同样发生着某种变化。企业不再满足于购买昂贵的软硬件产品，而是迫切希望知道：如何用数据直接创造业务价值？
传统BI厂商所面临的挑战是：以往企业满足于制作精美的数据看板，如今则更看重“决策引导”与“业务落地”。一家制造业厂商曾向邹东生直白的说，我们需要的不是漂亮的报表，而是能告诉我何时检修设备、如何优化供应链的具体方案。
“未来的赢家，不是拥有最先进技术的公司，而是最能将数据价值转化为业务成果的企业。”邹东生表示。
人才革命：拥有数据思维的人才将胜出
随着AI的快速演进，数据分析人才结构也在发生深刻变化。十年前，从业者主要来自两类背景：一类是技术出身的IT人员，另一类则来自互联网、金融等数据密集型行业，偏向统计、算法或可视化。而近几年来，人才流向正明显向业务端倾斜。
一个鲜明的信号是：越来越多传统制造企业不仅安排高管学习数据分析课程，更开展覆盖业务负责人、一线员工的大规模轮训。这反映出数据分析人才的成长路径已从“工具驱动”转向“业务驱动”，从“技术偏好”迈向“场景融合”。
“近年来最显著的趋势是分析师构成的多元化，从外企到本土公司，从互联网到传统制造，遍布各领域。这也正是我们行业管理组织长期倡导的方向：我们所要培养的，从来不是IT人员，而是兼具业务洞察与数据思维的复合型人才。”邹东生介绍称。
去年，在与美国麻省理工学院一位数据研究团队负责人的对谈中，我们探讨了一个关键问题：在AI时代，数据分析的未来究竟属于“技术人才业务化”，还是“业务人才技术化”？从微观案例来看，两条路径皆有成功实践，IT背景的分析师中不乏转型典范。但若放眼未来十年，我更倾向于后者——那些具备业务知识、掌握数据方法论、拥有数据思维的人才，将逐渐成为核心力量。
这一判断的背后，是AI对技术门槛的持续消解。过去，一些业务人才虽有行业洞见，却受限于技术能力，难以形成闭环。如今，随着低代码/无代码平台的普及，以及大模型带来的技术平权，业务人员得以跨越IT鸿沟，直接完成数据价值的落地。当技术不再成为障碍，业务洞察与数据思维的能量将得到彻底释放。
“数据委为CPDA数据分析师们提供的免费的智能数据分析平台即是生动例证。过去十年，尽管平台汇聚了几万名分析师使用，但由于需同时掌握业务、算法与编程，能实现完整场景闭环的始终是少数，十年间仅积累数千场景。而进入大模型时代，在引入低代码与无代码能力后，短短几个月内就新增了一千多个新场景。”邹东生表示。
思维升级：数据素养成为企业核心基因
作为数据分析人才的培养摇篮，数据委的一项重要工作就是编撰各类专业教材。
但在参与《数据分析实务丛书》编撰时，邹东生注意到一个现象：有些观点过于热衷描绘从“弱人工智能”到“强人工智能”的未来图景的描述，而忽略了从细微入手的思考。
他坦言，AI人工智能的发展确实为数据分析行业带来了巨大推动，但我们更需要一份清醒：生成式AI高度依赖与业务的充分融合，需要更多深入的分析和思考，在许多企业数字化转型的成功经验中，数据思维、业务理解的深化是数据价值得以实现的核心驱动力。现阶段，AI与企业私域数据的融合才刚刚开始，很多应用仍然集中在RAG知识增强检索、人工智能客服、运维优化等浅场景，所以，业务思考和数据洞察作为核心牵引力，远比描绘蓝图更为重要。
哪怕是概念炙手可热的AI Agent（智能体），邹东生也认为，其能力在现阶段仍有较大的上升空间。“目前AI Agent更多用于数据指标体系构建、办公自动化等标准化数据场景，涉及企业个性化的业务场景，往往需要更多分析师的不懈努力。”
这反映了一个本质问题：技术可以产品化，但对业务的理解却难以被完全产品化。每个企业都有其独特的流程、架构与文化基因，想要把AI在场景实现规模化落地，最终还是要依赖“懂业务、有数据思维”的人。
邹东生认为，在未来，数据分析不再只是岗位技能，而是逐渐成为企业的“核心素养”。正如财务知识不只属于会计，数据思维也不应专属于数据分析师。
“我看到了令人振奋的趋势。”他表示。
·以歌尔集团、吉利汽车等制造业企业为例，这些企业不再满足于培训几位高管、上几堂课，而是致力于将数据思维植入组织基因；
·在供应链优化与质量控制中，数据分析正在精细重构每一个制造环节；
·从市场预测到客户洞察，数据驱动正逐步取代经验直觉；
从管理者到产线员工，“人人皆可分析”正在成为现实。
从这个角度看，数据分析行业的重要性日益凸显绝非偶然。当数据价值真正融入业务闭环，当分析能力从“专业工具”进化为“基础素养”，这个行业便完成了从“辅助工具”到“驱动引擎”的本质蜕变。
未来3年：应用为王
我们尝试着让邹东生对数据分析的发展做一个十年的展望，邹东生温和地婉拒了。他解释道，这个行业的发展和技能更新太快——一波技术的浪潮尚未完全抵岸，另一波新的海啸可能已在远方酝酿。在他看来，能精准把握未来三年的趋势，已经是极限。
他对未来三年行业发展作出三个关键判断：
第一，AI智能体将无处不在，但这不会取代数据分析师——反而会放大他们的价值。在行业协会的平台上，AI已能自动生成和分析场景，这个过程中，数据分析师们发现：没有数据思维，连一个好问题都提不出来，更无从谈起生成场景。就像ChatGPT的成功，核心在于其团队拥有顶级的“数据驾驭能力”。这不仅是传统的数据分析技能，更是一种涵盖数据战略、大规模处理和数据规律洞察的复合能力。他们深刻理解如何从数据中提取规律，并设计流程让模型自我优化，这正是数据思维在超大规模下的终极体现
第二，我国的相关政策正在加速行业蜕变。国家发展改革委近期明确提出，鼓励国有企业主动开放应用场景、支持民营企业参与场景落地实施。这释放出鲜明政策导向：数据要素唯有融入具体应用场景才能实现价值转化，封闭化、碎片化的发展模式已不符合当前发展要求。
第三，这是一个“应用为王”的时代，“全链路数据分析师”正成为行业新标杆，他们要能够实现从业务定义到价值实现的全流程。正如在今年12月数据委将要发布的《2025年数据分析行业人才指数报告》中强调的：优秀的数据分析师必须拥有“以终为始”的思维——技术是路径，而解决业务问题、提升场景效能，才是终点。
毕竟，最好的分析，永远是能驱动决策、创造利润的分析。
采访尾声，邹东生的话语中流露出坚定与期待：“未来三到五年，我们将迎来数据价值的大爆发。而那些能帮助企业跑通‘最后一公里’的人，将成为这个时代最被需要的人。”
来源：数据猿
刷新相关文章
我要评论
不容错过的资讯
大家都在搜
