11月到了，大家都应该开始写年度总结了，这里笔者结合工作实践写了一个虚拟版的年度总结计划，希望于你有所启示。
通过年度总结，你能知道自己这一年对公司做了多少有影响力的事情，还留有哪些遗憾，而通过计划，又给了你一次重新选择的机会。
虽然说计划不如变化快，特别是在大数据等领域，但我们还是要善于通过计划从不确定的事情找到确定的部分，从而为明年的工作打下一个更好的基础。
一、工作回顾
20XX年贯彻执行公司智慧运营要求，积极探索挖掘大数据价值，推进转型与创新，当前数据资产规模突破XXPB（同比XX%），标签规模突破XX万（同比XX%），XX数据产品体系进一步完善，全年完成的开发需求超过XX个（同比XX%），月精确营销成功用户突破XX万（同比XX%），对外价值变现超过XX万元，大数据内外价值实践获得不断突破。
1、数据采集方面
完成采购、供应链.......等更多内部数据采集，打通XX数据采集链条，不断夯实大数据的基础。现平台承载采集接口XXXX个，交换接口XXX个，作业任务XXXXX个，日采集数据量到达XXXT，同比提升XX%。
2、数据建模方面
完成位置、宽带、视频......等系列模型，其中位置定位精度达到XX%，标签规模突破XX万(同比XX%)。
3、数据管理方面
完成了大数据管理平台XX期项目建设，新增对接Spark、HBase、IBM Stream、Gemfire、Sqlfire、Impla等多种平台开发能力，提供从数据字典、数据开发、机器学习、数据稽核到运维调度的端到端可视化管理能力，数据平均开发周期从XX缩短到XX，大幅降低一线使用门槛。
当前平台入驻团队XX支，用户XX人，租户XX个，数据脚本XX个, 大数据模型资产XXXX份。
4、数据产品方面
对内完成用户画像、时机触发、产品推荐、渠道执行及效果评估等XX个服务接口的发布和应用，将营销产品应用开发周期从XX个月缩短到XX天，全年支持的大数据营销服务创新应用XX个，月均营销成功用户数超过XXX万。
4、智慧运营方面
实施大数据“XYZ计划”，开展大数据的实操培训，全年培训人员XXXX人，共计XXXX次；组织大数据建模和应用大赛，平均参赛队伍突破XXX只，平均参赛人数突破XXX人,大赛中脱颖而出的XXXX、XXXX等优秀模型对于生产的提升明显；
打造“XXXX”和“YYYY”两大扁平化渠道，省市互动实现常态化，推广的全省优秀模型和应用超过XX个，当前大数据平台使用人员从年初的不到XX人提升到XXX人，全省自研模型量超过XXX个，推动了公司大数据应用氛围初步形成。
二、面临的挑战
1、大数据对于驱动公司的智慧运营意义重大，但当前一线对于大数据的理解还比较薄弱，技能掌控不足，无法将大数据有效地应用到日常的生产力中去，迫切需要深化大数据“搭台唱戏”的运营模式，推动大数据的普及和应用，提升智慧运营的广度和深度。
2、大数据业务的生态变化和业务转型不匹配，前期未能充分解放思想，有效应对变化和转型，一方面在横向协同上不够主动，未能充分发挥公司合力，另一方面对于新的商业模式探索不足，产品运营体系也未能有效建立。
三、明年计划
持续加强采集能力，强化大数据交换平台能力，实现异构集群交换、数据订阅、数据库容灾、Flume和Kafka界面配置、开发测试租户分离等功能，将日处理数据能力提高至XXXT，日调度任务能力能力提高至XX万；
依托爬虫引擎全面推动外部互联网数据的引入，持续扩大内容知识库的解析范围，知识库数量突破XXXX万；扩充XX等B/O/M三域数据，采集接口从XXXX提升到XXXX个，企业数据汇通率达到XX%。
打造敏捷数据挖掘交付平台（ADMD，Agile Data Miner Delivery cloud），将数据挖掘的变量准备、模型训练、模型输出、模型验证、生产部署等阶段实现全流程自动化贯通；实施特征变量工程，打造数据挖掘中台，完成“五位一体（R、Python、Spark、SPSS、TensorFLow）”高低搭配机器学习环境集成，满足各类角色快速建模的需要。
年度总结计划的关键词就是价值，过程性的工作如果没有产生明显的价值，就尽量不要进入总结报告。
