這并不能說明數據部門同事不配合工作，也不是說業務部門同事不愿意溝通，而是業務同事每次要解釋清楚業務邏輯要從很基礎的地方講起時，溝通成本直線上升，久而久之大家都進入疲憊狀態。

解決這一問題的關鍵是數據部門需要往前走一步，先把業務的基礎商業邏輯學習和掌握，甚至比業務更專業，前段時間和一個做技術的朋友聊，他們的老大就是要求他們要比業務更懂業務，雖然有點難度，但是這個思路是對的，只有這樣才有機會快速進入業務同事的溝通語境。

比如業務上來就和你說“誘餌觸點規則模型”，要基于什么規則來設置觸點和誘餌，你可能會覺得為啥不能說人話??？因為說人話效率低啊，說人話要講背景、講上下文，但是如果雙方都了解這個模型的話，就可以不用交代那么多上下文了，一說到這個模型就知道是要給一些用戶做一個運營策略了。

這個需求在技術側本來就沒有辦法，需要業務的同事配合通過運營手段獲取比如手機號這樣的ID，或者像利用會員通這樣的功能，但前提也是需要業務同事的運營配合才有可能實現。那么這個配合點如果數據部門無法提出，可能這個事情就卡在這里了。

還有一點是，部門上下對同一需求所掌握的專業知識也不盡相同，很多時候雙方老板都理解需求，但由于下面的同事在專業知識上并沒有很全面的掌握，以至于在實際執行的時候并不能很好地反應當時的需求。

所以，《數據驅動的以消費者為核心的營銷數字化轉型：方法與案例》的全部內容，既是講數據在數字營銷和消費者運營上的商業邏輯，也是系統性介紹與數據相關的業務領域的專業知識的。仍然強烈推薦給數據部門的同事。

我們見過幾個這塊做的好的企業，數據部門只做賦能的工作，把業務部門需要的數據能力工具化、功能化，并且主動探索數據和技術在業務上的應用場景，然后推進和業務的小規模測試應用，再將成功的應用進行更大范圍的推廣，但數據部門只到此為止，將能力轉化成工具、功能或流程化，然后進行新的業務應用的探索。

數據和技術的發展一直在持續推進，因此，擔心自己數據相關的工作被機器或者技術取代實在是多慮了。業務部門實際上更可能有類似的擔憂，但本質上，大家面臨的境況并無太大差異。

持續的學習精進變得尤為重要，因為技術、工具和系統的發展，需要更好地被人駕馭，而不是取代人。人需要有更好的技能，需要持續學習。這是數據部門不被邊緣化的立身之本。

都看到這了，那就轉發給你身邊那個emo的同事。