本港台开奖现场直播 j2开奖直播报码现场
当前位置: 新闻频道 > IT新闻 >

码报:【j2开奖】零基础,如何成为数据分析师吗?(2)

时间:2016-12-29 16:34来源:118论坛 作者:开奖直播现场 点击:
中考高考打磨那么多年,很大情况是环境因素逼迫人去学习,本身没有任何学习的驱动力和习惯。大学四年再一度过,可能学习性就消磨殆尽了。 之所以

  中考高考打磨那么多年,很大情况是环境因素逼迫人去学习,本身没有任何学习的驱动力和习惯。大学四年再一度过,可能学习性就消磨殆尽了。

  之所以说我们习惯被动学习,是大家都有一道题目做一道题目,只知道公式应用,不需要知晓原理。教材辅导题海战术,内容也不会超纲。整个大的学习环境都是为被动打造。

  现在学习数据分析,拿起书籍、打开PDF资料、关注公众号。不会有老师纠正你辅导你,不会有作业鞭策你训练你。也不知道工作中哪个会经常用到,没有练手的数据题目,甚至连网络上的知识质量都难以辨别。

  无从下手,对吧,可这才是主动学习。

  心态要转变。

  零基础学习数据分析,最大的老师只能是自己,不会有任何一篇文章一夜教人成为数据分析师。我带过愿意学习并且成长很快的实习生,也教导过有兴趣但依旧带不出节奏的同事。前者是主动学习,后者是止于兴趣的被动学习。

  因为是零基础,所以才更需要主动性。数据分析本事是发展很快的行业,几年前会SQL就行,现在得了解些MR和HIVE,过几年SparkSQL也许就是必备,如果想在这一行做的好一些。

  持续的学习是必须的能力。或者基础不如其他人,至少学习性别输吧。

  我也给出我的建议,学习应该是具体为解决某一个问题而设立目标,说透彻点,实战为王。不论是何种职业,一定或多或少能接触数据。先别去分析,而是想,能用这些数据干什么,做一个简单的假设。

  我是HR,我的假设就是最近招人越来越困难啦,

  我是市场,我的假设就是现在营销成本太高,又没有什么效果。

  我是运营或者产品,更好办了,假设某指标的数据因为ABC等原因而无法提升。

  哪怕是学生,也能假设在学校商圈赚钱是容易还是困难。

  数据围绕假设去收集、生成、组合、利用、论证和分析。

  这是麦肯锡式的思维方法,也可以作为学数据的方法。新人容易陷入数据的迷途:我没有数据,有了数据也不知道干啥,知道干啥又不知道方法。想的太多,远不如有方向好用。

  基于假设的好处是,我首先有了一个方向,别管它对不对,至少能按照方向做分析。

  HR认为招人越来越困难,则可以拿出历史数据,以前我招人需要下载几份简历,打几个电话,发出几个Offer最终入职。现在呢?我还可以拿各个环节的数据观察,这不就是转化率嘛?时间维度放得宽一点,看看去年这时候招人困难不,是不是年底都难招,这样就了解折线图概念。

  市场专员做分析,可以拿更多的数据作参考,假设营销成本太高,现在高到什么地步了,什么时候开始高的,找出时间点分析一下。效果不好,是什么时候效果不好,那时市场环境有什么变化吗?我假设市场环境有了变化,这又是一个新的假设,可以继续拎出一堆深入研究。

  虽然各人分析效率和成果肯定不同,但是思路都能以这样训练出来。不是有了数据才有了分析,而是有了分析的方向才能收集分析数据。我的学习从来都是以解决问题为主,不是突然灵光一闪就会了。

  如果把数据分析的学习旅程想成一条很长道路的话,我们不是一路开到终点,这没人能行。而是把这条道路分割成一段段,每段上面摆一个旗帜作目标,以旗帜为前行方向,不是以几十公里外的终点站作为目标。

  好奇心

  除了学习驱动力外,想成为数据分析师,还需要一颗好奇心。

  好奇心就是问问题,想问题,琢磨问题,解决问题。如果你是一个天生八卦的人,那么将它用在数据分析上绝对是天选分析师,良材美玉。

  很多人喜欢追求数据分析的工具、知识、要点、窍门。但是从来很少提到好奇心。

  好奇心是解决问题的核心能力,编程可以锻炼,统计可以学习,这些最终都不是瓶颈。你学全了十八般武艺,临敌对战,最终需要的什么?是求胜心。数据的求胜心就是好奇。

  知识决定解决问题的下限,好奇心决定解决问题的上限。好的数据分析师一定会有好奇心,会提问,会想问题,也能去解决问题。

  我们最早期推的所有活动,都没有监控体系,整个运营也缺乏数据指导。对当时的我来说,很多运营的运作是黑箱。我不知道发什么了什么,怎么发生,只有一个结果输出。

  别人若问我问什么,我只能做出假设,有可能一二三点。是否是这样,我也不知道。

  运营活跃数上升,原因是什么?不知道。

  短信推送后效果怎么样?不知道。

  新注册用户来源有哪些?不知道。

(责任编辑:本港台直播)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容