U盘式生存，是著名自媒体人“罗胖”（罗振宇）提出的一个概念，他认为，未来中国人必须适应“U盘化生存”，概括起来16个字：“自带信息，不装系统，随时插拔，自由协作”。这个观点受到了越来越多年轻人的认同。
技术人员似乎更容易实施U盘式生存策略，因为很多技术既可以用在这个企业，也可以用在那家企业，这意味着技术人员有更大的选择自由，只要我始终持有这个技术。
而业务就不一样了，往往只跟某个行业或企业有关，如果技术人员在业务上陷得太深，就会觉得有点不务正业，担心自己被某个行业或企业捆绑，这样在外面就失去了竞争力，因此，应该多花时间在技术上，业务能少参与就少参与。
现在搞大数据的技术人员，无论是做开发的、建模的、分析的，在市场上的确具有很大的流通性和竞争力，大厂似乎也在助推这种U盘式生存策略：“到我的碗里来，这里有你想学的技术，特别是数据技术，然后你就自由了。”
这种观点也潜移默化的影响着每个进入传统企业IT部门的新人，相对于老一代技术人员，他们对于自己的技术成长有更多的要求，在辅导新人职业规划、安排具体工作时，我这个数据技术管理者也感受到了很大压力。
很多进入数据团队的新人，跟我第一次谈话就表达了学习数据技术的强烈愿望，自己当时就在想：“在我这里真得能提供新人想要的那种纯技术环境吗？如果需要安排其它类型的工作，是否会引起抱怨？”
在传统企业，数据技术的天花板不是很高，在新人进入公司3年后，一般会熟练掌握基本的数据技能，迎来自己专业发展的第一个瓶颈期，即到底往哪里走。如果继续做技术，会发现已经无人可问，更多的需要自己探索，如果做得偏业务一点，就感觉不够扎实，很多人在这个时候就选择了去大厂继续学技术。
在大数据、人工智能、物联网、区块链这个新技术喧嚣的时代，每个做新兴技术的人，或多或少有着做技术的情节，资本市场也给予了这些技术人员很高的溢价。
因此，我经常问自己一个现在看起来很傻的问题：“我应该努力去打造一个技术人员发展的网络吗？即使是刻意为之，比如没事就安排些技术创新课题做？”
虽然我一直没有解决这个问题，但困惑始终环绕心头。
近几年自己所处的环境发生了变化，无论是业务还是技术，我的认知也随之发生了变化。
关于上面的问题，我也逐步找到了自己的答案：
“技术以业务为明灯，不能强求，但业务必须到位，业务也从来不是技术人员的“紧箍咒”，恰恰相反，技术人员只有在业务的训练下才能获得真正的成长，从而获得想要的自由。”
首先，业务是技术发展的基础。
业务是一家公司生存的基础，公司老板就是渔船的船长，他雇佣你的目的就是让你捕到鱼，如果你不知道如何提升捕鱼（业务）的效率，每天只是把捕鱼工具（技术）打磨的很牛逼，那也没有什么意义。
作为一支数据技术团队的管理者，我很长时间是迷失在技术里的，总觉得跟大厂比差得很远，第一位员工辞职去大厂的时候，自己就下定决定要构建自己团队的技术网络，不让这种事情再次发生，事实上，当时没有任何资源支持我去做这个事情。
幸运的是，后来我有机会去支撑数据变现业务，在这个过程中，我发现是业务促进了自己团队技术网络的成长，比如数据变现需要做信令、DPI分析，但原来的数据仓库处理不动那么海量的数据，因此公司就去投资做大数据平台，然后我们才有机会去接触hadoop/MPP/stream等技术，又比如原来对于研究精准定位算法大家只是说说，但一旦商业需求过来了，大家就得捋起袖子真干。
虽然我们也会偶偶脱离业务去搞些技术创新，但大多不了了之，那些存活下来的技术，比如爬虫、ES等等，也是因为恰好符合了某个业务的需要而已。
很多技术人员抱怨团队没有技术氛围或者没有大拿带着学技术，也许是因为没有业务目标去支撑他把自己喜爱的技术玩下去而已。
"我想到外面去看看！" 是很多离职员工留给我的话，当时我以为是他们想去看看外面的技术，但现在看来，也许是因为当时的团队缺乏吸引人的业务目标，比如很多同事就曾抱怨一直重复的取数难以获得价值感。
对于数据团队，在营销、风控、洞察、管理等诸多业务领域总要占据一席之地，即使去做支撑工作，也要自我加压提业务目标，业务部门不提就自己提，只有赋予业务意义，技术人员的工作才更有意义，才能获得所需的资源，而有了资源才有技术发展的机会。
其次，业务是技术选择的灯塔。
我所在团队拥有的技术栈是非常广阔的，无论是建模、前端、后端、运营、运维、分析等等，但自己也仅在数据建模领域有过码农的经历，即使在数据建模领域，我也仅限于做过一点机器学习的东西，就是那点机器学习的东西，我也只懂得几个算法。
我们不可能去学习所有的技术，比如我一直纠结于没有学过java，对于后端不太懂，想系统的补一下课，然而展现在我面前的后端技术栈是这样的，更别提技术的迭代速度了。
解决办法只有一个，业务需要什么，我就去学习和掌握什么样的技术，而不是我想学习什么技术，然后找业务来适配我技术学习的需要。
人工智能刚兴起的时候，传统企业没啥合适的业务场景，然后技术就被倒逼着去找场景，然而大多一地鸡毛。
如果有人问你，成为一名优秀的数据分析师到底要掌握什么技术？
各种培训机构、招聘面试的要求显然误导了大多数人，真正的答案其实是要看业务需要，在小公司，大多时候你懂EXCEL和PPT就够了；在稍大一点的公司，SQL就可以活到老了；再大一点的公司，也许的确要掌握点机器学习算法。当然同样是业务需要，小公司可能既要懂SQL和算法，还要自己建平台。
再次，业务对于技术人员是稀缺的。
操作系统、芯片啥的卡脖子基础技术我们的确稀缺，但应用型技术，特别是互联网相关的技术，普及的很快，我们大多企业的IT部门，需要的恰恰是那些拿来就可以商用的技术，这些技术的学习门槛并不高，而且通货膨胀的速度很快。
我刚做大数据的时候，Python还是个新鲜玩意，现在搞数据建模的，不懂Python哪好意思见人？
前有地产大佬潘石屹喊出：人生苦短，我要学Python，后有币圈大佬李笑来教Python，还写了一本学Python的书：《自学是门手艺》。这本书在 Github 上发布后，仅用 5 天时间就已经获得了 3909 个Star，3698 Fork。
技术人员希望自己的技术有稀缺性，但只要是能流通的、高价值的东西，市场经济的供求理论就会发生作用，让那些以前稀缺的东西不再稀缺，现在数据分析培训的机构如雨后春笋般的起来，显然是在不断降低数据分析人员的稀缺性，或者抬高企业招聘数据分析人员的门槛。
业务相对于技术，显然通用性、流通性差多了，一个在金融行业玩得很好的业务建模师，可能到电信运营商就完全不行了，再牛逼的数据科学家到我的团队里来来建模，没个三个月估计也玩不出什么花样，因为他得花时间补业务的课，这个反映了业务的稀缺性。
大鱼先生有篇文章《数据从业者的技术要求很低，但业务天花板太高》，主要观点是这样：“业务从某种意义上来讲，也是一种技术，在一个企业内，最容易拉开数据从业者之间差距的，往往是独特的业务理解力。纯粹的数据技术，站在一个企业管理者的角度来讲，大多时候是无足轻重的，你调研100个数据管理者，有99个会说，我需要找到足够的业务场景让自己的数据产生价值，而不是说我需要更牛逼的数据技术来解决自己的业务问题。”
我的感觉跟大鱼一样。
现实中，IT部门的技术人员，特别喜欢从技术的角度去寻找解决问题的办法，殊不知，业务对于问题的解决往往具有四两拨千斤的作用，业务能力强的技术人员，在企业内部也是每个部门争抢的对象，这代表了一种稀缺性，懂业务的技术人员，是IT部门的斜杠青年。
再次，业务是技术主动有为的前提。
在很多开发人员眼中，熟悉业务是产品经理或者需求分析师的职责，自己只要根据他们提供的页面原型做好开发工作就好了。
按照这个思路，开发工程师的工作就成了装修施工队，根据图纸施工就好，如果是这样的话，能做到的最好标准也只是“完全符合设计图” 然而，如果有跟进过房子装修的人都知道，对于施工队来说，完全符合设计图这个要求本身是很难达到的，总会有这里，那里的瑕疵。
将自己置之以业务之外并不是一个好的选择，你很可能在别人眼里永远在“及格线”前面挣扎，脱离了业务，你也就放弃了任何升级的可能。
这让我想起取数的四个层次：
第一层次，严格按照业务人员的取数口径完成了一个取数，即使口径不对也将错就错，最多业务人员发现结果不对再取一次。
第二层次，主动发现口径中的问题，帮助业务人员完善了口径并完成了取数。
第三层次，向业务人员打听了取数的业务背景和目的，给出了一个更好的取数建议并被对方接受。
第四层次，完成取数分析报告，打造一款更能满足业务人员需要的产品。
大家可以看到，即使是取数这么一个简单技术活，由于对于业务的诉求不同，就会带来完全不同的价值，做技术的，不能总是被动执行，比业务更懂业务是很多数据团队对人的要求。
最后，业务促进通识能力的提升。
你进入一家企业，意味着你认同业务就是目标和意义，技术是用来达成目标的一个武器，如果这个企业把技术当成业务目标，那么你全力研究技术这个业务没有任何问题，但99%的企业的业务，不是技术。
有了一个清晰业务目标后，会促使你思考是否有其它“武器”和“招式”可以来解决这个问题，不让自己拘泥于一个固定的框架之中，甚至创造出自己原创的“武器”和“招式”，即使这些“武器”和“招式”跟我们所认为的技术无关，但很多情况下，正是这些跟技术无关的“武器”和“招式”，才让你变成一个更牛逼的人。
为了达成业务目标，除了技术，你需要的知识是全方面的，比如你需要有逻辑能力，以便清晰的分解目标，你需要有沟通能力，以便获取上级的支持，你需要有协同能力，以便发挥出团队合力。
在一次次解决重大业务问题的过程中，你的业务和技术能力获得了提升，但令人惊奇的是，你的其他通识能力也获得了同步的发展，比如在重构数据仓库后，团队往往就有人冒头，你会觉得熟悉的他突然变得有点厉害，但你并不觉得他的业务和技术能力有什么长进，那他到底厉害在了哪里呢？
追求业务的过程就好比是大脑的训练过程，你的大脑以业务目标为LOSS，除了优化技术能力这个参数，也在同步优化其他的大脑能力参数（比如通识能力），你做的业务越多，这些大脑能力参数就被训练的越好，你未来解决业务问题的能力也就越强，但大脑在训练的时候，并没有技术和非技术之分。
令人惊讶的是，恰恰是那些局限于某个行业或企业的业务，孵化出了对于技术人员来讲最为重要的通识能力，这些通识能力让技术人员免于困死在一条船上，从而获得更大的自由。比如我的PPT能力，生于业务，也超越了业务，可以用在任何地方。
罗胖的U盘式生存：“自带信息，不装系统，随时插拔，自由协作”，其实是有前提的，即自带的信息也是业务促成的结果，没有硬盘的孵化，就没有U盘的内容。
因此，业务既不会限制技术人员，也不会让其困死在一条船上，恰恰相反，业务只会促进技术人员的成长，所以有这个错觉，也许是因为技术人员已经无法获得与之适配的业务目标，从而失去了继续成长的机会。当然同样的业务对不同人的能力加权是不一样的，这个涉及到学习方式的问题，这里就不再展开了。
如何创造更多的业务场景，如何给技术人员持续的业务挑战，这考验着每个技术管理者，当然也包括我。
从“懂管理的IT人”，到“懂IT的管理者”
数据管理的实践：我的一周工作和反思
码农和技术管理者的区别，到底在哪里？
2020，我难忘的一年（上）
转瞬八年，回首我对要离职员工的四个承诺！
我在浙江大学的分享：《数据从业者的自我修养》
“我等了三年，就是想等一个机会！” 谈谈数据团队如何为自己争取资源！
数据从业者成长的五个阶段
点击左下角“阅读原文”查看更多精彩文章，公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看或者把本号置顶！
????分享、点赞、在看，给个3连击吧！
