CDA持证人专访：蒋少涵谈传统制造业与互联网行业数据分析的差异与实践-CDA数据分析师官网

热线电话：13121318867

首页大数据时代CDA持证人专访：蒋少涵谈传统制造业与互联网行业数据分析的差异与实践

CDA持证人专访：蒋少涵谈传统制造业与互联网行业数据分析的差异与实践

2026-06-11

【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间、阶段转化、数据可视化、业务流程、数字化转型、业务侧数据

【专访摘要】本次CDA持证专访邀请到CDA持证人蒋少涵，他结合自身在500强制造业和互联网公司的数据分析经历，详解了传统制造业数据分析的方法及对经营状况的改善作用，分析了传统制造业人才流失的原因与解决措施，拆解了传统制造业与互联网行业数据分析的差异，分享了业务痛点快速定位的维度与方法，解答了数据分析师是否会被ChatGPT取代的疑问。

【主持人】欢迎大家来到CDA持证人专访，今天我们邀请到了蒋少涵老师，可以和大家打个招呼。

【嘉宾】哈喽，大家好，我是今天的CDA分享人蒋少涵，本科学的是电子信息工程。毕业后在某500强制造业担任IT方向的数据分析，之后在某互联网公司担任业务侧的相关数据分析工作。这两段经历让我对传统制造业的数据属性及流转有了深入理解，同时能够协同并独立完成各阶段数据的分析，出具相关数据分析报告，设计可视化看板等；另外也了解了互联网公司的业务数据流，能够根据业务痛点快速定位并进行系统性分析，为业务侧提供数据支持及决策方向。

【主持人】传统制造业是如何进行数据分析的？能否改善经营状况？

【嘉宾】因为传统制造业起初的数字化程度不够完善，在进行数据分析时，总会遇到一些难处理的问题，比如数据的统一性、唯一性不达标，导致前期需要花费大量时间进行数据清洗。之后，利用有效的数据进行专题性分析，这里举个简单的例子：在做某地区销量下滑原因溯源时，先从该地区在售和历史产品的SKU、SPU等维度入手，再带出对应的销量、收入、成本等指标，分别进行横向和纵向分析，发现问题后深入挖掘。

【嘉宾】比如在观察各产品间的对比时，发现异常产品后单独查看其各阶段转化及风格属性等，确定问题原因；同时也会与市场趋势和标准进行比较，多角度定位具体影响因素，提出应对方案和策略，最后形成报告进行汇报，为业务赋能，最终让销量回归正轨，改善市场状态。

【主持人】传统制造业的转型迫在眉睫，企业人才流失严重。面对这种情况，你能分析一下人才流失的原因和应该采取哪些措施吗？

【嘉宾】其实目前大部分传统企业都已经开始逐步完成数字化转型了，这也是传统企业的必然发展路线。从调研数据来看，不论是转型前还是转型过程中，都存在人才流失的情况，主要原因有三个：薪资水平较低、工作相对繁琐、发展空间较小。

【嘉宾】在转型过程中，难免会有工作方式和内容的转变。传统企业中老员工较多，涨薪幅度低，掌握的技术技能也并非前沿，导致企业留不住年轻人才；而老员工又会因为工作方式和工作量的变化，无法及时适应，最终选择离职。

【嘉宾】针对这类情况，企业可以减少不良资产，从而提升薪资水平，均衡新老员工的工作状态，改善工作环境；聘请新的技术人才，或者提升员工整体的技术水平，让新老员工看到企业的发展空间。在完成企业转型目标的前提下，控制企业成本，同时降低离职率。另外，还需要对离职员工进行及时调研，总结定位具体原因，并进行针对性改善。

【主持人】传统制造业和互联网行业在数据分析上有什么样的差异性？哪些指标是需要区分对待的？

【嘉宾】首先是数据来源，传统制造业大部分数据来自企业内部，比如产品的生产流程等，数据的准确性相对较高；而互联网企业的数据主要来自网页、APP等外部渠道，获取方式不同，准确性也有差异。其次是数据流量，传统企业的大量数据主要来自产线、采购等前期环节；互联网企业每天各个节点产生的数据流量都很大，因此在分布式存储方面也有一定差距。

【嘉宾】另外，数据类型和产品性质也有较大差异：传统企业主要是结构化数据，产品有完整的生命周期，比较符合市场发展规律；互联网企业大部分是非结构化数据，更关注产品的长尾效应和ROI。在指标方面，传统企业更关注产品的市场状态、产品品质、各个事业部的效益等；互联网企业则更关注产品的ROI、各个阶段的转化以及用户留存率等。

【主持人】业务痛点快速定位一般从哪几个维度出发？采用什么样的方法？

【嘉宾】对于用户提出的能够直接定位范围的命题，可以通过用户需求维度进行细化，总结整理原生和衍生指标，根据整体或市场状态及需求设计评价标准，定位并分析原因。另外，还可以从流程环节角度入手：一部分从企业内部业务流程、数据流向、节点效率等进行分析观察；另一部分从用户和产品的市场各流程转化情况进行判断。

【嘉宾】同时，也需要从经济效益维度观察产品自身的回报率以及市场竞争力等，再利用假设检验、横向纵向分析、相关性分析以及时间序列等方法，结合描述统计，快速定位业务痛点并展示结论。对于比较宽泛的命题，则需要对其进行大致方向的拆分，缩小范围后分别进行定位分析。

【主持人】接下来和您聊一个热门的话题，数据分析师会不会被ChatGPT所取代呢？

【嘉宾】这个肯定是不会的。目前ChatGPT虽然发展迅猛，应用领域也比较广泛，但它的本质仍然是一款智能问答、连续对话的自然语言处理算法模型。不可否认的是，它确实是一款能帮助数据分析师提升便利性的优秀产品，可以更高效地辅助完成数据可视化、文本分析等简单重复性的客观任务，但在主观推测、经验结合、意外应对等方面，无法给出可靠的结论。

【嘉宾】另外，从数据分析的角度来说，一名优秀的数据分析师需要掌握相应的知识储备和技术技能，除了基础的数据清洗、采集、统计分析、可视化展示以外，还需要结合企业相关的客观因素、市场环境、行业经验等，完成复杂性的分析、验证和结论输出工作，得出可靠结论，为企业赋能，带来更好的经济效益。非常感谢CDA官方能给我这次机会，这对我个人的成长和发展都将产生积极影响，同时希望分享的观点和经验能帮助到大家。