网址
type
Post
status
Published
date
Jan 23, 2026
slug
meself
summary
tags
文字
category
心情随笔
icon
password
说起来，昨天整理过去经历的时候，我突然发现一件事。
这十年，我的职业路径看起来挺"乱"的。
从中国气象局的算法研究员，到政企项目的数据分析负责人，再到某头部房地产物业的数字化管理高级经理。
每一步，都不是别人口中的"正确选择"。
甚至在很多关键时刻，我自己也犹豫过。
但十年后再回头看，我发现这些看似混乱的选择之间，其实有一条隐秘的线。
今天想聊聊这三个"反直觉"的选择，以及当时我是怎么想的。
01. 第一个选择：为什么放弃国家级项目
2018年7月，我还在中国气象局做硕士联合培养。
那时候参与的项目是"高空风算法优化比对"——听起来挺专业的，其实就是用Python和MATLAB处理雷达数据，改进探空测风算法。
这个项目有两个特点：第一，国家级；第二，有明确的技术壁垒。
探空测风新算法误差控制在1%以内，数据处理效率提升40%，项目提前10天完成，获得专家团队高度认可。
相关技术方案还被纳入气象行业算法优化参考手册。
如果按照"常规思路"，我应该继续在这个路线上走下去。
毕竟，气象领域的技术积累不容易，而且我已经做出了成果。
但我做了一个决定：离开。
为什么？说实话，当时我也犹豫了很久。我担心两件事：第一，气象领域的天花板是不是太低了？第二，我做的这些算法，最终能转化成多大的价值？
2018年夏天，我花了一周时间思考这个问题。
我把自己关在房间里，在笔记本上列了三个问题：
- 我想要什么样的成就感？
- 我的技术能力还能应用到哪些领域？
- 十年后，我会后悔现在的选择吗？
第一个问题的答案很快就出来了：我想要的，不只是"技术做得好"，而是 "技术能解决问题" 。
气象算法做得再精深，受众也就那些科研机构。
但如果把技术能力应用到更广泛的领域——比如商业、比如城市管理、比如数字化转型——能创造的价值会大得多。
第二个问题的答案，是通过阅读和思考找到的。
我发现，数据分析、数据建模、算法优化这些能力，本质上都是 "用数据解决问题的能力" 。
这种能力不是领域专属的。
第三个问题，我花的时间最长。
我想象了一下十年后的自己——如果继续在气象领域，可能会成为某个细分领域的专家，技术很精深，但视野可能比较窄。
但如果跳出气象领域，我可能会走一条更难的路，但也能看到更多的风景。
2018年8月，我离开了中国气象局。
这个决定做得挺艰难的。
当时导师跟我说，"你这个项目做得很好，留下来肯定有前途"。
同事也觉得我疯了，好好的国家级项目不干，要去企业做"不知道什么"的数据分析。
但我心里清楚一件事：我不想做"技术孤岛"，我想做"技术的连接者"。
十年后再回头看，这个选择是对的。
我在气象领域培养的技术能力——Python、SQL、数据建模、算法优化——后来在政企项目、数字化转型、AI战略落地中，都发挥了关键作用。
更重要的是，我跳出了"技术只服务于特定领域"的思维定势，开始用更开放的视角看待技术的价值。
02. 第二个选择：为什么从数据分析师转向数字化管理
2022年3月，我加入某头部房地产物业，职位是"高级数据分析师"，岗位是"运营管理中心-信息化牵头人"。
那时候我的主要工作是：搭建数据中台和BI体系，实现数据实时同步，构建统一数据湖。
听起来很对口，对吧？
我确实做得不错。
从0到1搭建总部BI体系，突破2800+项目数据协同难题，落地30+类BI看板，业务提效超85%，管理集约化水平提升40%。
但做了一段时间后，我发现了一个问题：数据做得再好，如果不能推动业务改变，价值就很有限。
举个例子。
2022年，我主导搭建了"数字化BI体系建设与管理"项目，实现了90%核心业务数据实时互通，节省工时43.3/人/月。
这个数据挺好看的，对吧？
但我开始问自己一个问题：这些数据，真的在推动业务进步吗？
答案是：部分在，但不够。
因为数据的洞察，需要有人去执行；数据的问题，需要有人去解决；数据的优化，需要有人去推动。
如果我只是"提供数据的人"，那永远只是"辅助角色"。
我想做"推动改变的人"。
2022年底，我开始主动承担更多的管理职责——跨部门协同、业务流程优化、数字化战略落地。
说实话，一开始挺累的。
因为技术和管理是两种思维。
技术思维是"找到最优解"，管理思维是"平衡各方利益"。
我还记得有一次开会，技术团队说"这个方案技术上最合理"，业务团队说"这个方案根本用不了"。
我当时夹在中间，左右为难。
但后来我想明白了：管理的价值，不是选"最正确的方案"，而是选"能落地的方案"。
2024年1月，我的职位变成了"数字化管理高级经理"。
这个转变，是公司的选择，也是我的选择。
为什么？
因为在实际工作中，我发现一个现象：技术和业务之间，总是有隔阂。
技术觉得业务不懂价值，业务觉得技术不懂需求。
这种隔阂，不是靠"沟通技巧"能解决的，而是需要有人站在中间，理解双方，翻译需求，推动落地。
这个人，应该是我。
因为：
- 第一，我有技术背景，能听懂技术团队在说什么；
- 第二，我在数据中台和BI体系的实践中，理解了业务的真实需求；
- 第三，我有项目管理经验，知道怎么推动跨部门协同。
2024年，我主导了"万物梁行AI架构技术与落地解决方案设计"项目。
这个项目不只是技术落地，更是组织变革。
我搭建了"客户-AI-员工"协同闭环，客户响应速度从小时级压缩至秒级，客户满意度提升30%+，员工效能提升5.7倍。
这个30%的提升，说实话，我一开始没预料到。
我以为能提升10-20%就不错了，结果最后能达到30%+，说明这个方向确实对了。
但比这些数字更重要的，是组织模式的变化——AI不只是工具，而是改变了工作方式。
这种变化，不是技术团队单方面能推动的，需要理解业务、理解组织、理解管理。
技术是地基，管理是梁。
这句话，是在这个过程中，我自己悟出来的。
十年后再回头看，从数据分析师到数字化管理，这不是"放弃技术"，而是"放大技术的价值"。
因为技术的价值，不在于技术本身，而在于技术能解决的问题。
而要解决问题，技术只是手段，管理是路径，商业是目的。
03. 第三个选择：为什么坚持"客户-AI-员工"铁三角
2024年，万物梁行要做AI转型。
当时摆在我面前的有三个方向：
- 技术优先：先搭建大模型平台，再考虑应用场景
- 效率优先：先解决内部效率问题，比如自动化报表、智能客服
- 客户优先：先解决客户的问题，再考虑内部提效
很多人建议我选第一个或第二个。
技术优先的理由很充分：AI是大趋势，先把平台搭起来，后面什么都好做。
效率优先的理由也很充分：内部效率提升了，成本就降了，利润就涨了。
但我选了第三个：客户优先。
为什么？
因为我在做BI体系的时候，发现一个现象：很多数据项目，最后都变成了"给领导看"的工具，而不是"解决问题"的工具。
我记得有一次，一个项目组的经理跟我说："你们做的BI看板是挺好，但我们一线员工根本不用。因为那些指标和我们日常工作没关系。"
这件事挺触动我的。
我意识到，如果AI项目也走这条路，那再先进的技术也没用。
所以，我提出了"客户-AI-员工"铁三角模式：
客户：AI直接服务客户，比如AI客服、AI报单、AI合同管理
AI：作为能力层，提供智能化的解决方案
员工：通过AI提效，释放时间做更有价值的事
这个模式的核心是：AI不是替代员工，而是赋能员工服务客户。
当时很多人不理解，觉得我把问题想复杂了。
"不就是上AI吗？为什么要搞什么铁三角？"
"直接用大模型做个客服不就行了？"
但我坚持下来了。
因为我经历过太多"技术很先进，但落地效果很差"的项目。
我知道，如果AI只是"一个工具"，那很快就会变成一个"没人用的工具"。
但如果AI是"组织变革的一部分"，那它就有可能真正改变工作方式。
结果呢？
AI客户服务覆盖30+核心项目、200+企业客户、15000+员工用户，落地10+综合场景，客户满意度提升30%+，员工效能提升5.7倍。
AI市场提质打造竞对分析平台，知识库召回率95%，招标分析效率提升93.3%，赋能一线PA团队投标胜率提升22%。
AI运营精益实现2800+项目数据100%拉通，管理效能提升99%，预警指标处理时间减少10小时/人/月。
这个10小时的节省，我一开始以为能有2-3小时就不错了，结果最后是10小时，说明AI在运营场景的价值确实被低估了。
更重要的是，这个模式成为了集团数字化转型的标杆案例。
十年后再回头看，这个选择的价值不止于"数据好看"，而是在于"改变了组织的思维模式"。
AI不是"技术部门的事"，而是"全组织的事"。
这个思维模式的改变，比任何一个AI工具的上线，都更有价值。
04. 回头看：三个选择之间的隐秘联系
第一个选择，让我跳出"技术孤岛"，看到技术的连接价值。
第二个选择，让我跳出"数据思维"，看到管理是放大技术价值的路径。
第三个选择，让我跳出"工具思维"，看到AI是组织变革的契机。
这三个选择，看起来是在"跳来跳去"，实际上是在构建一个完整的认知体系：
技术是地基，管理是梁，商业是顶。
没有技术，就没有解决问题的能力；
没有管理，技术就无法落地到具体的业务场景；
没有商业思维，技术和管理的价值就无法量化，无法持续。
十年前，我可能还说不清楚这件事。
但现在回头看，我发现这三个选择之间，有一条隐秘的线——这条线就是 "价值创造" 。
第一个选择，是从"技术价值"到"问题价值"的跨越。
第二个选择，是从"数据价值"到"落地价值"的跨越。
第三个选择，是从"工具价值"到"组织价值"的跨越。
每一次跨越，都是在问同一个问题：什么才是真正的价值？
答案越来越清晰：不是技术本身，不是数据本身，不是工具本身，而是这些东西能解决的问题。
05. 给十年前的自己一封信
如果能回到十年前，我会对那个站在选择路口的自己说：
不要害怕"看起来错误"的选择。
因为十年后，你会发现，那些看似错误的选择，其实都是通往正确答案的必经之路。
第一个选择，让我看到了更广阔的世界。
第二个选择，让我学会了如何推动改变。
第三个选择，让我理解了价值创造的本质。
十年前，我以为"正确的选择"是一条直线——选对方向，一直走下去。
十年后，我发现"正确的选择"更像是一条螺旋——每一段经历，都在为下一段做准备；每一个决定，都在构建完整的自己。
所以，如果你现在也站在选择的路口，不知道该往左还是往右，我想说：
选那个让你犹豫的，选那个看起来有点冒险的，选那个你自己也想不通的。
因为十年后，你会发现，那些看似反直觉的选择，可能才是最符合你直觉的选择。
就像我现在回头看这十年，突然明白了一件事：
原来我一直都在走向自己。
💬 你做过什么"反直觉"的选择？欢迎在评论区聊聊你的故事。
十年里，我做过的三个"反直觉"选择
说起来，昨天整理简历的时候，我突然发现一件事。
这十年，我的职业路径看起来挺"乱"的。
从中国气象局的算法研究员，到政企项目的数据分析负责人，再到某头部房地产物业的数字化管理高级经理。
每一步，都不是别人口中的"正确选择"。
甚至在很多关键时刻，我自己也犹豫过。
但十年后再回头看，我发现这些看似混乱的选择之间，其实有一条隐秘的线。
今天想聊聊这三个"反直觉"的选择，以及当时我是怎么想的。
01. 第一个选择：为什么放弃国家级项目
2018年7月，我还在中国气象局做硕士联合培养。
那时候参与的项目是"高空风算法优化比对"——听起来挺专业的，其实就是用Python和MATLAB处理雷达数据，改进探空测风算法。
这个项目有两个特点：第一，国家级；第二，有明确的技术壁垒。
探空测风新算法误差控制在1%以内，数据处理效率提升40%，项目提前10天完成，获得专家团队高度认可。
相关技术方案还被纳入气象行业算法优化参考手册。
如果按照"常规思路"，我应该继续在这个路线上走下去。
毕竟，气象领域的技术积累不容易，而且我已经做出了成果。
但我做了一个决定：离开。
为什么？第一，气象领域的天花板是不是太低了？技术再精深，受众也很有限。 第二，我做的这些算法，最终能转化成多大的价值？误差从1.5%降到1%，确实很有意义，但这种"进步"真的能解决现实世界的问题吗？
2018年夏天，我花了一周时间思考这个问题。
我把自己关在房间里，在笔记本上列了三个问题：
- 我想要什么样的成就感？
- 我的技术能力还能应用到哪些领域？
- 十年后，我会后悔现在的选择吗？
第一个问题的答案很快就出来了：我想要的，不只是"技术做得好"，而是 "技术能解决问题" 。
气象算法做得再精深，受众也就那些科研机构。
但如果把技术能力应用到更广泛的领域——比如商业、比如城市管理、比如数字化转型——能创造的价值会大得多。
第二个问题的答案，是通过阅读和思考找到的。
我发现，数据分析、数据建模、算法优化这些能力，本质上都是 "用数据解决问题的能力" 。
这种能力不是领域专属的。
第三个问题，我花的时间最长。
我想象了一下十年后的自己——如果继续在气象领域，可能会成为某个细分领域的专家，技术很精深，但视野可能比较窄。
但如果跳出气象领域，我可能会走一条更难的路，但也能看到更多的风景。
2018年8月，我离开了中国气象局。
这个决定做得挺艰难的。
当时导师跟我说，"你这个项目做得很好，留下来肯定有前途"。
同事也觉得我疯了，好好的国家级项目不干，要去企业做"不知道什么"的数据分析。
但我心里清楚一件事：我不想做"技术孤岛"，我想做"技术的连接者"。
十年后再回头看，这个选择是对的。
我在气象领域培养的技术能力——Python、SQL、数据建模、算法优化——后来在政企项目、数字化转型、AI战略落地中，都发挥了关键作用。
更重要的是，我跳出了"技术只服务于特定领域"的思维定势，开始用更开放的视角看待技术的价值。
02. 第二个选择：为什么从数据分析师转向数字化管理
2022年3月，我加入某头部房地产物业，职位是"高级数据分析师"，岗位是"运营管理中心-信息化牵头人"。
那时候我的主要工作是：搭建数据中台和BI体系，实现数据实时同步，构建统一数据湖。
听起来很对口，对吧？
我确实做得不错。
从0到1搭建总部BI体系，突破2800+项目数据协同难题，落地30+类BI看板，业务提效超85%，管理集约化水平提升40%。
但做了一段时间后，我发现了一个问题：数据做得再好，如果不能推动业务改变，价值就很有限。
举个例子。
2022年，我主导搭建了"数字化BI体系建设与管理"项目，实现了90%核心业务数据实时互通，节省工时43.3/人/月。
这个数据挺好看的，对吧？
但我开始问自己一个问题：这些数据，真的在推动业务进步吗？
答案是：部分在，但不够。
因为数据的洞察，需要有人去执行；数据的问题，需要有人去解决；数据的优化，需要有人去推动。
如果我只是"提供数据的人"，那永远只是"辅助角色"。
我想做"推动改变的人"。
2022年底，我开始主动承担更多的管理职责——跨部门协同、业务流程优化、数字化战略落地。
说实话，一开始挺累的。
因为技术和管理是两种思维。
技术思维是"找到最优解"，管理思维是"平衡各方利益"。
我还记得有一次开会，技术团队说"这个方案技术上最合理"，业务团队说"这个方案根本用不了"。
我当时夹在中间，左右为难。
但后来我想明白了：管理的价值，不是选"最正确的方案"，而是选"能落地的方案"。
2024年1月，我的职位变成了"数字化管理高级经理"。
这个转变，是公司的选择，也是我的选择。
为什么？
因为在实际工作中，我发现一个现象：技术和业务之间，总是有隔阂。
技术觉得业务不懂价值，业务觉得技术不懂需求。
这种隔阂，不是靠"沟通技巧"能解决的，而是需要有人站在中间，理解双方，翻译需求，推动落地。
这个人，应该是我。
因为：
- 第一，我有技术背景，能听懂技术团队在说什么；
- 第二，我在数据中台和BI体系的实践中，理解了业务的真实需求；
- 第三，我有项目管理经验，知道怎么推动跨部门协同。
2024年，我主导了"万物梁行AI架构技术与落地解决方案设计"项目。
这个项目不只是技术落地，更是组织变革。
我搭建了"客户-AI-员工"协同闭环，客户响应速度从小时级压缩至秒级，客户满意度提升30%+，员工效能提升5.7倍。
这个30%的提升，说实话，我一开始没预料到。
我以为能提升10-20%就不错了，结果最后能达到30%+，说明这个方向确实对了。
但比这些数字更重要的，是组织模式的变化——AI不只是工具，而是改变了工作方式。
这种变化，不是技术团队单方面能推动的，需要理解业务、理解组织、理解管理。
技术是地基，管理是梁。
这句话，是在这个过程中，我自己悟出来的。
十年后再回头看，从数据分析师到数字化管理，这不是"放弃技术"，而是"放大技术的价值"。
因为技术的价值，不在于技术本身，而在于技术能解决的问题。
而要解决问题，技术只是手段，管理是路径，商业是目的。
03. 第三个选择：为什么坚持"客户-AI-员工"铁三角
2024年，万物梁行要做AI转型。
当时摆在我面前的有三个方向：
- 技术优先：先搭建大模型平台，再考虑应用场景
- 效率优先：先解决内部效率问题，比如自动化报表、智能客服
- 客户优先：先解决客户的问题，再考虑内部提效
很多人建议我选第一个或第二个。
技术优先的理由很充分：AI是大趋势，先把平台搭起来，后面什么都好做。
效率优先的理由也很充分：内部效率提升了，成本就降了，利润就涨了。
但我选了第三个：客户优先。
为什么？
因为我在做BI体系的时候，发现一个现象：很多数据项目，最后都变成了"给领导看"的工具，而不是"解决问题"的工具。
我记得有一次，一个项目组的经理跟我说："你们做的BI看板是挺好，但我们一线员工根本不用。因为那些指标和我们日常工作没关系。"
这件事挺触动我的。
我意识到，如果AI项目也走这条路，那再先进的技术也没用。
所以，我提出了"客户-AI-员工"铁三角模式：
客户：AI直接服务客户，比如AI客服、AI报单、AI合同管理
AI：作为能力层，提供智能化的解决方案
员工：通过AI提效，释放时间做更有价值的事
这个模式的核心是：AI不是替代员工，而是赋能员工服务客户。
当时很多人不理解，觉得我把问题想复杂了。
"不就是上AI吗？为什么要搞什么铁三角？"
"直接用大模型做个客服不就行了？"
但我坚持下来了。
因为我经历过太多"技术很先进，但落地效果很差"的项目。
我知道，如果AI只是"一个工具"，那很快就会变成一个"没人用的工具"。
但如果AI是"组织变革的一部分"，那它就有可能真正改变工作方式。
结果呢？
AI客户服务覆盖30+核心项目、200+企业客户、15000+员工用户，落地10+综合场景，客户满意度提升30%+，员工效能提升5.7倍。
AI市场提质打造竞对分析平台，知识库召回率95%，招标分析效率提升93.3%，赋能一线PA团队投标胜率提升22%。
这个93.3%的数据，还挺猛的。
我记得当时看到这个数字的时候，自己都有点意外
AI运营精益实现2800+项目数据100%拉通，管理效能提升99%，预警指标处理时间减少10小时/人/月。
这个10小时的节省，我一开始以为能有2-3小时就不错了，结果最后是10小时，说明AI在运营场景的价值确实被低估了。
更重要的是，这个模式成为了集团数字化转型的标杆案例。
十年后再回头看，这个选择的价值不止于"数据好看"，而是在于"改变了组织的思维模式"。
AI不是"技术部门的事"，而是"全组织的事"。
这个思维模式的改变，比任何一个AI工具的上线，都更有价值。
04. 回头看：三个选择之间的隐秘联系
第一个选择，让我跳出"技术孤岛"，看到技术的连接价值。
第二个选择，让我跳出"数据思维"，看到管理是放大技术价值的路径。
第三个选择，让我跳出"工具思维"，看到AI是组织变革的契机。
这三个选择，看起来是在"跳来跳去"，实际上是在构建一个完整的认知体系：
技术是地基，管理是梁，商业是顶。
没有技术，就没有解决问题的能力；
没有管理，技术就无法落地到具体的业务场景；
没有商业思维，技术和管理的价值就无法量化，无法持续。
十年前，我可能还说不清楚这件事。
但现在回头看，我发现这三个选择之间，有一条隐秘的线——这条线就是 "价值创造" 。
第一个选择，是从"技术价值"到"问题价值"的跨越。
第二个选择，是从"数据价值"到"落地价值"的跨越。
第三个选择，是从"工具价值"到"组织价值"的跨越。
每一次跨越，都是在问同一个问题：什么才是真正的价值？
答案越来越清晰：不是技术本身，不是数据本身，不是工具本身，而是这些东西能解决的问题。
05. 给十年前的自己一封信
如果能回到十年前，我会对那个站在选择路口的自己说：
不要害怕"看起来错误"的选择。
因为十年后，你会发现，那些看似错误的选择，其实都是通往正确答案的必经之路。
第一个选择，让我看到了更广阔的世界。
第二个选择，让我学会了如何推动改变。
第三个选择，让我理解了价值创造的本质。
十年前，我以为"正确的选择"是一条直线——选对方向，一直走下去。
十年后，我发现"正确的选择"更像是一条螺旋——每一段经历，都在为下一段做准备；每一个决定，都在构建完整的自己。
所以，如果你现在也站在选择的路口，不知道该往左还是往右，我想说：
选那个让你犹豫的，选那个看起来有点冒险的，选择那个有点难度的，选那个你自己也想不通的….
因为十年后，你会发现，那些看似反直觉的选择，可能才是最符合你直觉的选择。
就像我现在回头看这十年，突然明白了一件事：
原来我一直都在走向自己。
- 作者:Zflyee
- 链接:http://zflyee.com/article/meself
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
