學(xué)數(shù)據(jù)分析的八大誤區(qū),你中招了嗎?
數(shù)據(jù)分析好學(xué)嗎?很好學(xué)!然而很多同學(xué)學(xué)著學(xué)著就鉆進(jìn)誤區(qū),結(jié)果空耗力氣不說(shuō),還不解決問(wèn)題。今天陳老師就來(lái)盤(pán)點(diǎn)下,常見(jiàn)的八大誤區(qū)。同學(xué)們有則改之,無(wú)則加勉哦。
一、目標(biāo)不明,貪大求多
學(xué)數(shù)據(jù)分析到底是為什么?常見(jiàn)的回答:
1、我想換個(gè)數(shù)據(jù)分析的工作
2、我想提高工資收入
3、我對(duì)數(shù)據(jù)很感興趣
4、我需要解決一個(gè)具體問(wèn)題
5、我看“大數(shù)據(jù)”“人工智能”很時(shí)髦
單獨(dú)看的話,每一種想法都沒(méi)錯(cuò)。每一個(gè)想法,能堅(jiān)持到底,也都能達(dá)到目標(biāo)。但怕就怕:把這幾個(gè)玩意混到一起,畢其功于一役。想學(xué)一個(gè)技能,且能解決眼前的問(wèn)題,且以后能找個(gè)大廠工作,且工作很符合自己興趣,且工資收入能漲好幾倍,且快速地實(shí)現(xiàn)以上所有目標(biāo)……
歷史一再教育我們:且字越多,失敗概率越高。目標(biāo)太多,會(huì)直接導(dǎo)致學(xué)習(xí)失敗。我們經(jīng)常能看到,一個(gè)雄心勃勃的同學(xué)一口氣買(mǎi)了20本書(shū),從《統(tǒng)計(jì)學(xué)》到《西瓜書(shū)》,從《21天0基礎(chǔ)學(xué)習(xí)python》到《誰(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析》……攤在桌子上滿滿當(dāng)當(dāng),結(jié)果幾個(gè)月下來(lái)啥都沒(méi)學(xué)會(huì)。
本質(zhì)上看,數(shù)據(jù)分析是典型的交叉領(lǐng)域知識(shí),涉及的科目非常多(如下圖)。如果目標(biāo)不明確,很有可能在某個(gè)分支里深陷泥潭無(wú)法自拔。
二、限于一隅,鉆牛角尖
與上一種情況相反,有些同學(xué)走的是牛角尖路線。
“我就是那個(gè)要成為excel王的男人”
“我就是那個(gè)要成為sql王的男人”
“我就是那個(gè)要成為python王的男人”
……
鉆研一門(mén)技術(shù)本身沒(méi)啥問(wèn)題。怕的是,鉆研技術(shù)不是出于對(duì)技術(shù)的熱愛(ài),而是覺(jué)得:“我成為excel/sql/python王以后就能升職加薪了吧……”
額,明確回答:不能
一來(lái),想達(dá)成“王的男人”難度太高,短時(shí)間根本不可能
二來(lái),公司不是按軟件/工具/技能給薪資,而是按崗位給薪資
一個(gè)崗位要解決具體問(wèn)題,往往是結(jié)合實(shí)際的、多種技能組合。沉迷一隅,經(jīng)常是苦學(xué)半年,還是啥問(wèn)題都解決不了,更談不上升職加薪了。
三、求職提升,混為一談
在設(shè)定學(xué)習(xí)目標(biāo)的時(shí)候,到底是想提升目前崗位/行業(yè)的適應(yīng)能力,還是提高自己在人才市場(chǎng)的競(jìng)爭(zhēng)能力,是兩個(gè)根本方向性問(wèn)題。
提高人才市場(chǎng)競(jìng)爭(zhēng)力:滿足的是未來(lái)意向企業(yè)的需求
提高目前崗位適應(yīng)力:滿足的是當(dāng)下企業(yè)的需求
除非未來(lái)求職企業(yè)和當(dāng)下企業(yè)的行業(yè)地位、業(yè)務(wù)場(chǎng)景差不多,否則滿足當(dāng)下需求的,和滿足未來(lái)需求的一定不是一回事。更不要說(shuō)跨行的了。常見(jiàn)的情況整理如下,同學(xué)們自行對(duì)號(hào)入座,做好學(xué)習(xí)路線的設(shè)計(jì)。
四、跨行跳槽,訓(xùn)練不足
這是跨行同學(xué)常見(jiàn)問(wèn)題,特別是跨度很大,過(guò)往經(jīng)驗(yàn)很少幫助的時(shí)候。很多同學(xué)問(wèn):“老師,我學(xué)會(huì)excel,sql,python了,能找啥工作?”這時(shí)候經(jīng)常被我一句反問(wèn):“啥叫學(xué)會(huì)?!”
相當(dāng)多的同學(xué)只是對(duì)著網(wǎng)上案例、書(shū)本練習(xí)題敲了一遍鍵盤(pán),運(yùn)行一下發(fā)現(xiàn)能跑出結(jié)果,就算自己學(xué)會(huì)了。訓(xùn)練度太低,導(dǎo)致筆試的時(shí)候丟三落四,面試的時(shí)候丟東忘西,結(jié)果肯定不行。
所有技術(shù)類(lèi)操作,需要充足的訓(xùn)練度保障。最好的方法是“四個(gè)同一”(如下圖)
五、逃避技術(shù),碰碰業(yè)務(wù)
這也是跨行的同學(xué)常見(jiàn)問(wèn)題。很多同學(xué)想跨行選擇業(yè)務(wù)方向,不是因?yàn)樽约汉苌瞄L(zhǎng)業(yè)務(wù)分析,而是“覺(jué)得我技術(shù)不行,就先干干業(yè)務(wù)吧……”然后真到面試的時(shí)候,連對(duì)方是做啥業(yè)務(wù)的都不知道,最后折戟沉沙也是理所當(dāng)然的呀。
注意:市面上所謂業(yè)務(wù)分析,大部分不是孤身一人在業(yè)務(wù)部門(mén)的“野生分析師”,就是給業(yè)務(wù)整理excel表的表哥表妹,工作初級(jí)、簡(jiǎn)單不說(shuō),以后再換行也沒(méi)啥幫助,還是得老老實(shí)實(shí)補(bǔ)回技術(shù)能力。
真正做業(yè)務(wù)分析且高級(jí)的崗位,往往是用戶運(yùn)營(yíng)、增長(zhǎng)黑客、渠道推廣等強(qiáng)力業(yè)務(wù)部門(mén)的業(yè)務(wù)人員自己干了,本質(zhì)上拼的是業(yè)務(wù)能力,不是excel里拉個(gè)透視表。
真的想往業(yè)務(wù)方向發(fā)展。在學(xué)習(xí)的時(shí)候,需要的是擴(kuò)充見(jiàn)識(shí),是對(duì)一個(gè)具體行業(yè)具體流程的深入了解,對(duì)數(shù)據(jù)采集方法與數(shù)據(jù)形式的細(xì)致研究。這些知識(shí)可以看諸如《增長(zhǎng)黑客》《精益數(shù)據(jù)分析》這種理論書(shū)補(bǔ)一點(diǎn),但是更大程度需要個(gè)人對(duì)行業(yè)的深入了解。不然一落地到具體的操作層面,100%會(huì)抓抓瞎(如下圖)
六、同行跳槽,缺少深度
很多在同行間跳槽的同學(xué)會(huì)遇到這個(gè)問(wèn)題。明明面試的崗位就是普通的分析崗,卻在面試時(shí)候被各種高難度問(wèn)題懟得暈頭轉(zhuǎn)向,然后懷疑人生地問(wèn)道:
“做這種分析還需要建模?”
“做這種分析還需要理論?”
“做這種分析還需要方法論?”
這種情況,其實(shí)就是招聘內(nèi)卷造成的。大家明知道丫不需要用,但是面試官還是會(huì)問(wèn),不然咋淘汰掉其他人呢?可如果真去學(xué),平時(shí)又用不上,又不知道哪里是個(gè)頭,咋辦呢。
這時(shí)候的學(xué)習(xí),記得:寬度大于深度。先記住諸如統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、推薦算法的目錄。把每一類(lèi)問(wèn)題常用方法,基本思路記下來(lái),之后有空余的情況下再練案例,之后再有空余情況下再聯(lián)系實(shí)際做嘗試。
這樣至少面試時(shí)候不會(huì)直接被打啞火,能應(yīng)付過(guò)場(chǎng)面。同時(shí)和自己經(jīng)驗(yàn)結(jié)合時(shí)候也容易說(shuō)“方法就是這幾種了”。
七、死鉆技術(shù),忽略場(chǎng)景
在職,想解決實(shí)際問(wèn)題的同學(xué),經(jīng)常遇到這個(gè)問(wèn)題。最典型的,就是一張嘴:
“用戶畫(huà)像的標(biāo)準(zhǔn)做法是什么”
“預(yù)測(cè)模型的常見(jiàn)做法是什么”
“原因分析的科學(xué)做法是什么”
你問(wèn)他為啥要強(qiáng)調(diào)“標(biāo)準(zhǔn)”“常見(jiàn)”“科學(xué)”,答案都是:
領(lǐng)導(dǎo)不認(rèn)可
同事不買(mǎi)單
客戶不接受
這個(gè)已經(jīng)跟“標(biāo)準(zhǔn)”“常見(jiàn)”“科學(xué)”沒(méi)關(guān)系了呀,這是怎么搞掂人的問(wèn)題。這種問(wèn)題其實(shí)沒(méi)啥書(shū)可以參考,要看,也是看《溝通學(xué)》或者《管理學(xué)》而不是《高級(jí)預(yù)測(cè)建?!?hellip;…
類(lèi)似的場(chǎng)景非常多,比如
需要溝通解決的:口徑統(tǒng)一、考核目標(biāo)、評(píng)價(jià)標(biāo)準(zhǔn)
需要管理解決的:缺少管理規(guī)范、有規(guī)范不執(zhí)行
需要技術(shù)解決的:工作流程沒(méi)有數(shù)字化、缺少數(shù)據(jù)采集
需要業(yè)務(wù)解決的:缺少策劃思路、業(yè)務(wù)能力不足、缺少經(jīng)驗(yàn)積累
這些都會(huì)導(dǎo)致實(shí)際工作中數(shù)據(jù)分析做不動(dòng)。而且這些因素和數(shù)據(jù)分析沒(méi)半毛錢(qián)關(guān)系。因此要想通過(guò)學(xué)習(xí)解決這些問(wèn)題,就不能只盯著數(shù)據(jù)分析,而是從多個(gè)角度思考:到底怎么辦。這里教大家一個(gè)簡(jiǎn)單的判斷準(zhǔn)則(如下圖):
八、總想系統(tǒng),忽略實(shí)際
有些同學(xué)在日常學(xué)習(xí)的時(shí)候,總想著:系統(tǒng)練練。想法沒(méi)有錯(cuò),但是指望著在一個(gè)數(shù)據(jù)集里,甚至一張大寬表里,就騰挪跌宕地把各種操作都練習(xí)完畢,就很容易出問(wèn)題。
一來(lái),實(shí)際工作中數(shù)據(jù)表結(jié)構(gòu)復(fù)雜,不可能一張寬表走天下
二來(lái),實(shí)際工作中問(wèn)題發(fā)生很分散,不可能一張表內(nèi)涵所有問(wèn)題
如果執(zhí)著于:找一張寬表把技能全練了。不但會(huì)發(fā)現(xiàn)很難找到100%滿意的數(shù)據(jù)集,而且即使找到一個(gè)看似很適合練手的,練完了實(shí)戰(zhàn)時(shí)候還是掉鏈子。因?yàn)閷?shí)戰(zhàn)時(shí)候,分解問(wèn)題才是第一步工作。
真想系統(tǒng)性學(xué)習(xí),第一步要做的是分解清楚,哪些是業(yè)務(wù)問(wèn)題,哪些是技術(shù)問(wèn)題,哪些是數(shù)據(jù)采集問(wèn)題,哪些是數(shù)據(jù)提取問(wèn)題,提升自身分辨能力,之后每個(gè)科目通過(guò)專(zhuān)著提升能力,這樣遇到問(wèn)題才能游刃有余。
小結(jié)
八個(gè)問(wèn)題,其實(shí)都是源自最初的:目標(biāo)不清。在各個(gè)工作里,數(shù)據(jù)分析是有最多理論支持的,其中每一個(gè)科目深入下去都深不見(jiàn)底。因此給人一種錯(cuò)覺(jué):只要我看書(shū)看得多,就能包打天下了。
但實(shí)際上:
數(shù)據(jù)分析的工作場(chǎng)景非常復(fù)雜,混雜了:理論、業(yè)務(wù)、技術(shù)、目標(biāo)、人情世故種種問(wèn)題。
數(shù)據(jù)分析的求職信息非常胡亂,各種名詞滿天飛,掛羊頭賣(mài)狗肉情況非常多。
這些復(fù)雜情況還因人而異,水平不同的人難度根本不一致。因此遇到問(wèn)題,先別急著買(mǎi)20本書(shū),先梳理清楚到底自己想要啥。突出重點(diǎn),把自己目標(biāo)里的“且”字多干掉幾個(gè),后邊就自然輕松了。
- 上一篇
2024年五大區(qū)塊鏈項(xiàng)目
隨著技術(shù)的不斷進(jìn)步和應(yīng)用的日益廣泛,區(qū)塊鏈技術(shù)已經(jīng)成為了當(dāng)今科技領(lǐng)域的熱門(mén)話題。在2024年,我們見(jiàn)證了五大區(qū)塊鏈項(xiàng)目的崛起,它們以各自獨(dú)特的方式,推動(dòng)著區(qū)塊鏈技術(shù)的創(chuàng)新與
- 下一篇
從數(shù)據(jù)中心走向終端,邊緣AI為何成為人工智能的新寵兒
邊緣AI是指在終端設(shè)備上運(yùn)行AI應(yīng)用,即使在不連接網(wǎng)絡(luò)的情況下,靠終端設(shè)備上的算力也能夠流暢運(yùn)行諸如大模型等各種AI應(yīng)用。
相關(guān)資訊
- 人工智能如何幫助電子商務(wù)行業(yè)?
- 物聯(lián)網(wǎng)半導(dǎo)體設(shè)計(jì)和技術(shù)發(fā)展的十
- 適用于您的數(shù)據(jù)項(xiàng)目的7個(gè)強(qiáng)大的
- 如何使您的數(shù)據(jù)安全知識(shí)保持最新
- 智慧城市不是企業(yè):論物聯(lián)網(wǎng)方法的
- 食品和飲料加工行業(yè)的數(shù)字化轉(zhuǎn)型
- 人工智能將徹底改變游戲開(kāi)發(fā)的5
- 扎克伯格:希望借助數(shù)字助理、智能
- 數(shù)據(jù)科學(xué)與數(shù)據(jù)挖掘的主要區(qū)別
- 如何區(qū)分?jǐn)?shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化