取数是数据人成长的一个起点，任何数据团队培养新人，最好从取数开始，但取数又不能做太久，因为天花板不高，连续干2-3年足矣，再干下去就会单调重复，影响职业发展，但要从取数这个”局"中突围似乎并不容易。
大鱼是取数的过来人，这里就讲讲我突围的故事，共涉及四段经历：
(1)入职1年，刻意练习，追求更快更好
(2)入职2年，独当一面，负责核心取数
(3)入职3年，能力升级，转型报表开发
(4)入职4年，架构掌控，升级取数引擎
1、入职1年：刻意练习，追求更快更好
我比较好胜，也算勤奋，跟着师傅熟悉了基本的取数套路后，包括工具、宽表和脚本，就琢磨着如何取得更好更快。
取数大多依赖现成的宽表，但宽表很多时候也取不出数来，必须找到宽表的上游，这就需要去研究宽表的生成代码，然后顺藤摸瓜的熟悉上游的基础表。
可能别的取数人员只要熟悉几十张宽表就可以了，而我那时就掌握了几百张基础表，这几乎是数据仓库的所有。
有时候掌握了基础表也还不够，还要追溯到业务系统的原始表，这就得求助业务系统的开发人员，但开发人员有时也要翻看源代码才能搞清楚，这个很费时间，我不太喜欢求人，就追着要了源系统的设计文档和PDM，然后自己研究自己取。
总体来讲，取数是规则相对明确的工作，只要勤奋一点就能达到很高的水平，一年后，我的取数水平就处于团队的顶尖，一般的取数应对绰绰有余，就是非常复杂的取数，也往往自己解决，很少去问师傅。
很多人取数了多年，水平不见涨，总结下来的原因就二个：一是不感兴趣，不上心，应付了事，这是责任心问题;二是点到为止，觉得够用就行，这是缺乏主动学习能力。
2、入职2年：独当一面，负责核心取数
取数人员经常担心工作成绩不够显现，这是个错觉，但凡有点特质的员工，领导都会看得一清二楚，合适的人总是会被放到合适的岗位。同样的取数工作，你负责的部门与他负责的部门，重要程度是不一样的，这里就已经拉开了差距。
进入公司的第二年，原来负责市场部取数的同事被调走做数据仓库，领导就安排我去接替他的工作，而市场部的取数是最多最复杂，也是最紧急的。
有次我跟市场部三个主管沟通一个营销案的测算需求，涉及到几十张表格上百个指标的取数，这些指标口径是全新的，意味着传统的那些宽表无法直接满足要求，必须全部从源头开始取数，难度很高。
我当场确认完毕，还拒了很多需求，后来市场部对不能做的指标找了业务系统的开发人员确认，发现我说得全对。
最风光的一次是某一年的KPI指标的取数，我一人赴会，游刃有余的面对着20多位分管各业务线的人员沟通需求，那是职业生涯高光的时刻，取数的口碑就这样建立起来了。
后来成为管理者后，有些取数人员会来抱怨业务人员每次取数都要加急，而且不讲理，我说这里有个信任度的问题，他们对专家就不敢这么扯皮。
把业务人员当甲方，别人说什么就做什么，自己没什么观点的，虽然不能说是无效的勤奋，但思维是懒惰的，自然无法让人有什么敬畏之感。
3、入职3年：能力升级，转型报表开发
这一年由于负责报表的同事离职，我开始去做报表开发。如果说取数是野战军，不太讲规矩，那么报表就是正规军，做事开始要一板一眼了。
报表开发涉及到数据的采集、开发、上线和运维，同时还涉及前端的展示和BI的一些工作，相对于很多取数人员只会一些SQL，开发报表能接触的技术栈就多多了。
我负责的是公司的财务报表，那是一分钱也不能少的差事，经常熬夜出账稽核，但正是这段经历，让我对数据的及时性、准确性、一致性有了更深刻的认知，以后再做其他类似的工作，就会觉得云淡风轻。
在做报表开发的同时，大鱼会接到一些KPI指标异动分析的任务，然后出一些简单的分析报告，这样就熟悉了趋势分析、结构分析、对比分析等分析方法，后来还成了部门的数据分析师，会跟着领导去公司做汇报。
从取数到开发，再到分析，每次领导对我的工作调整，看似偶然，其实是基于能力的一个判断，否则有了机会也不会给，而我相对别人的优势，开始的时候仅仅是那一点点取数的优势。
4、入职4年：架构掌控，升级取数引擎
报表和取数对技术的要求都不太高，因为它们都是在现有的数据仓库基础上做的一些应用，数据仓库才是最根本的东西。
进入公司的第四年，我有机会参与公司数据仓库的重构工作，从数据仓库平台的选型、集成，再到数据的采集和建模，最后再到BI，都有所涉猎，做了数据仓库后，我的视野宽阔了很多，并且能从根子上去解决取数的一些问题，包括
原来取数依赖的模型表都是月为周期的，后来就搞了一套日的仓库模型;
原来取数依赖的模型宽表不超过100个字段，后来就搞了很多超级宽表;
原来取数都是在DB2上进行，后来就搞了专门的一体机取数;
原来取数都是依赖人工，后来就开始搞自助取数;
......;
这个时候，大鱼已经从一个被取数引擎牵着鼻子走的取数者，转变为一个能够主动优化取数引擎的创造者。
现在大鱼成为了一名管理者，取数的经历让我知道很多人不知道的”秘密“，数据管理就有了很多的底气，比如：
我知道自助取数的价值是限的，因此不会人云亦云，盲目投入;
我知道取数的边际效益不高，因此不会以速度追求口碑;
我知道取数长了会造成惰性，因此总是适时的调整下属岗位;
我知道限制取数速度的原因很多，因此会强调机制，流程一起抓;
我知道取数是数据探索的保障，因此要求数据分析师必须自己动手;
......;
没有取数经历，对于数据人来说不是完整的人生，但数据人不能仅有这样的人生。