这并不能说明数据部门同事不配合工作，也不是说业务部门同事不愿意沟通，而是业务同事每次要解释清楚业务逻辑要从很基础的地方讲起时，沟通成本直线上升，久而久之大家都进入疲惫状态。

解决这一问题的关键是数据部门需要往前走一步，先把业务的基础商业逻辑学习和掌握，甚至比业务更专业，前段时间和一个做技术的朋友聊，他们的老大就是要求他们要比业务更懂业务，虽然有点难度，但是这个思路是对的，只有这样才有机会快速进入业务同事的沟通语境。

比如业务上来就和你说“诱饵触点规则模型”，要基于什么规则来设置触点和诱饵，你可能会觉得为啥不能说人话啊？因为说人话效率低啊，说人话要讲背景、讲上下文，但是如果双方都了解这个模型的话，就可以不用交代那么多上下文了，一说到这个模型就知道是要给一些用户做一个运营策略了。

这个需求在技术侧本来就没有办法，需要业务的同事配合通过运营手段获取比如手机号这样的ID，或者像利用会员通这样的功能，但前提也是需要业务同事的运营配合才有可能实现。那么这个配合点如果数据部门无法提出，可能这个事情就卡在这里了。

还有一点是，部门上下对同一需求所掌握的专业知识也不尽相同，很多时候双方老板都理解需求，但由于下面的同事在专业知识上并没有很全面的掌握，以至于在实际执行的时候并不能很好地反应当时的需求。

所以，《数据驱动的以消费者为核心的营销数字化转型：方法与案例》的全部内容，既是讲数据在数字营销和消费者运营上的商业逻辑，也是系统性介绍与数据相关的业务领域的专业知识的。仍然强烈推荐给数据部门的同事。

我们见过几个这块做的好的企业，数据部门只做赋能的工作，把业务部门需要的数据能力工具化、功能化，并且主动探索数据和技术在业务上的应用场景，然后推进和业务的小规模测试应用，再将成功的应用进行更大范围的推广，但数据部门只到此为止，将能力转化成工具、功能或流程化，然后进行新的业务应用的探索。

数据和技术的发展一直在持续推进，因此，担心自己数据相关的工作被机器或者技术取代实在是多虑了。业务部门实际上更可能有类似的担忧，但本质上，大家面临的境况并无太大差异。

持续的学习精进变得尤为重要，因为技术、工具和系统的发展，需要更好地被人驾驭，而不是取代人。人需要有更好的技能，需要持续学习。这是数据部门不被边缘化的立身之本。

都看到这了，那就转发给你身边那个emo的同事。