根据本讲数字技术应用的核心是什么

数据分析和数据挖掘联系和区别联系：都是搞数据的区别：数据分析偏统计，可视化，出报表和报告，需要较强的表达能力。数据挖掘偏算法，重模型，需要很深的代码功底，要码代码，很多。用什么语言数据分析：excel是必须，R是基本，python是进阶。SAS和Matlab给土豪去玩吧。数据挖掘：python是必须，java/c/c++是基础，hadoop/mapreduce/spark先掌握一点，因为并不是所有公司都有这么大的数据量。需要学数学吗数据分析：统计学，概率论，数据挖掘：高数/数学分析，数值分析，线性代数，凸优化，运筹学(这些是基本)数字信号处理，模式识别，矩阵论(进阶)要不要读研究生一般来说，只有应届生去找工作会比较看重学历，因为你没有其他可以展示你能力的。但是随着工作时间久了(两年+),你的能力远超于你所在的学校，学历就不重要了。如果要读，建议读计算数学/概率论/模式识别/计算机 方面的研究生，争取发论文(高质量)，否则应聘的时候并没有什么影响，当然，有些公司可能会在初筛的时候根据学历筛选人，正常，真想进就多工作几年再社招进去呗，学历不好也不能怪别人对不对。工作几年后，如果觉得到瓶颈了，可以再去读书，没什么，这个时候可能你更清楚自己需要的是什么。选择去哪个公司大公司核心职位优先>>中型公司核心职位>大公司边缘职位>优秀的创业小公司核心职位>中型公司边缘职位>坑人的创业小公司边缘职位原因：大公司数据量多，人才多。能接触到核心项目核心职位是最佳选择。(BAT，网易有道，微软等)中型公司发展快，机会多，压力大，成长快。(美团滴滴58)创业公司慎选，如果有创业公司的offer，一看他们差不差钱，而看他们项目赢不赢利，三看团队技术氛围浓不浓。不差钱+盈利但技术氛围不浓，可以去，但不适合对技术追求高的人;不差钱+技术氛围浓但暂时不盈利，可以考虑，但要搞清楚盈利模式。盈利+技术氛围浓但现在差钱，可以考虑，争取成为核心成员，一旦融资不得了。如果差钱又不盈利技术氛围还差，算了吧，耗不起。实在不知道怎么选，就看两点：数据量大小 技术氛围。钱少可以以后赚，技术氛围浓最重要。没有项目经验怎么办应届生要啥项目经验，本科生就说说自己的毕业论文，数模/ACM/阿里的参赛经历或获奖经历，以及可能会有的实习经历。研究生就说实验室的项目，负责的工作，完成的成果和发表的论文。不要夸大，如实说。到底该选数据分析还是数据挖掘代码能力强直接搞算法，弱就先做数据分析，慢慢来，不着急。想我毕业的时候只会Matlab，后来被领导逼着两星期学了R，一个月学了python，自己在业余学了java,hadoop和spark等，也是一步步来的，不要想一口吃成个大胖子。

在推动大型企业数字化转型的升级变革中，洞察力、协同力、敏捷力是重要关键能力：洞察力是指，我们需要通过数据洞察行业的变化，洞察客户需求的变化，洞察企业内部存在的问题。协同力包括企业内部和外部的协同，一方面协同内部将产、供、销拉通，另一方面协同将整个产业链互通互联，通过协同为企业带来更高的效果。所谓的敏捷力，我们处在一个充满未知和不确定性的世界，作为企业来讲，能够快速的应对是非常重要的。因此，洞察力、协同力、敏捷力三大能力是决定企业数字化转型的重要准则。

在推动大型企业数字化转型的升级变革中，洞察力、协同力、敏捷力是重要关键能力：洞察力是指，我们需要通过数据洞察行业的变化，洞察客户需求的变化，洞察企业内部存在的问题。协同力包括企业内部和外部的协同，一方面协同内部将产、供、销拉通，另一方面协同将整个产业链互通互联，通过协同为企业带来更高的效果。所谓的敏捷力，我们处在一个充满未知和不确定性的世界，作为企业来讲，能够快速的应对是非常重要的。因此，洞察力、协同力、敏捷力三大能力是决定企业数字化转型的重要准则。

数字化转型的核心是什么，可以用三个关键词来定义，连接、数据和智能。连接是数字化最基本的内容。互联网、移动互联网、物联网的突破性发展颠覆了人与人、人与物、物与物之间的连接方式，使企业能够实现一切业务在线化，一切业务数据化，从而将企业业务在数字空间中镜像化展现，形成数字孪生。连接为企业带来了数据量级上质的突破。当企业将所有业务都搬到了线上之后，所有业务数据、财务数据、与企业有关的大数据将同时全部被存储于数字空间中，形成海量数据。企业可以基于数据治理、数据计算、数据建模、数据加工，开展多维度的数据洞察，让数据真正赋能业务和管理，为企业创造价值。数据是数字化转型的第二层内容，数据驱动是数字化的主线。数据驱动离不开人工智能（AI）的应用。在Gartner公布的2021年十大数据和分析技术趋势中，人工智能位居首位。应用人工智能技术，企业能够对数据进行更深入、更快速的挖掘。智能是数字化转型的第三层内容，也是数据资产价值的放大器。