你为什么需要数据分析能力?

img

你好,我是悦创,本科软件工程专业,虽然不在清华,但清华有一门课,叫数据挖掘,正是通过这门课,我学会了如何从海量的数据中找到关联关系,以及如何进行价值挖掘。那时候感觉自己掌握了一门利器,就特别想找到一个钉子,来试试自己手里的这把锤子。可惜,我还没达到变现。

我有一个朋友,当时恰好赶上 2009 年微博的热潮。他用 3 个月的时间就积累了 4 万粉丝,一年的时间积累了上百万粉丝。这是怎么做到的呢?

他跟我说:通过数据采集,我收集了每天的微博热点,然后对热点进行抓取、去广告,再让机器定时自动进行发布。同时我让账号每天都去关注明星的粉丝列表,这样可以获得 15% 的回粉概率。久而久之,就会有源源不断的粉丝。

你看,其实就是数据分析帮我做到了微博的自动化运营。这还只是一个小例子,数据分析的影响已经渗透到了我们工作生活的方方面面。

  • 通过数据分析,我们可以更好地了解用户画像,为企业做留存率、流失率等指标分析,进而精细化产品运营。
  • 如果你关注比特币,数据分析可以帮助你预测比特币的走势。
  • 面对生活中遇到的种种麻烦,数据分析也可以提供解决方案,比如信用卡反欺诈,自动屏蔽垃圾邮件等。

可以说,我们生活在数据驱动一切的时代,数据挖掘和数据分析就是这个时代的“淘金”,从国家、企业、组织到个人,都一定会关注各种数据,从这些数据中得到价值。

也正是这个原因,数据分析人才成了香饽饽,不管是数据分析师,数据分析工程师,还是数据产品经理,有数据思维的运营人员,都变得越来越抢手。你是不是也已经摩拳擦掌,做好了了解这一领域的准备呢?

我想在接下来的时间里,把自己在数据挖掘的体会和工作实践中对数据分析的理解,重新梳理整合呈现给你,和你一起在数据分析这个领域来一场急行军。

说了这么多数据分析的重要性,你是不是有这样的疑问:我也知道数据分析能力很重要,但是数据分析是不是很难?到底该怎么学呢?

其实这里有一些误区,数据分析并非遥不可及,它不难,掌握高效的学习方法很重要;但是它也不简单,需要你耐下性子,跟我一起来慢慢掌握数据分析的核心知识点和工具操作。

我从 B 站开发者了解到,他们招聘过一个实习生,很普通的本科学校。最开始他只会简单的 PHP 语法,实习期间薪水也就只有 3000 元,但到后来他不仅可以做爬虫抓取,还可以做数据分析,薪水就涨到了税后 1.3 万,这个进步用了不到一年的时间。

他的成长速度非常快,这是怎么做到的呢?

总结一下,就是他找到了高效的学习方法,我把它称为 MAS 方法

  • Multi-Dimension:想要掌握一个事物,就要从多个角度去认识它。
  • Ask:不懂就问,程序员大多都很羞涩,突破这一点,不懂就问最重要。
  • Sharing:最好的学习就是分享。用自己的语言讲出来,是对知识的进一步梳理。

所以学习这个专栏我们也用 MAS 方法,我来负责你和数据分析建立起多维度连接,你来负责提问和分享。

怎么和数据分析建立多维度连接呢?我特意把内容分成了三个大类。

  • 第一类是基础概念。这是我们学习的基础,一定不能落下。
  • 第二类是工具。这个部分可以很好地锻炼你的实操能力。
  • 第三类是题库。题库的作用是帮你查漏补缺,在这个过程中,你会情不自禁地进行思考。

这个连接的过程,也是我们从“思维”到“工具”再到“实践”的一个突破过程。如果说重要性,一定是“思维”最重要,因为思维是底层逻辑和框架,可以让我们一通百通,举一反三,但是思维修炼也是最难的。所以,我强调把学习重心放在工具和实践上,即学即用,不断积累成就感,思维也就慢慢养成了。

说到底,学习数据分析的核心就是培养数据思维,掌握挖掘工具,熟练实践并积累经验。 为了能带给你更好的学习效果,我在专栏里设计了五大模块。

1. 预习篇

我会给你介绍数据分析的全景图,和你进一步探讨最佳的学习路径。我还专门准备了 3 篇 Python 入门内容,如果你还没有 Python 基础,希望能帮你快速上手,如果你已掌握了 Python,可以当作一个复习。这么安排是因为 Python 是数据科学领域当之无愧的王牌语言,很多数据分析利器也是基于 Python 的(再或者,你也可以购买我的“7 天零基础学 Python”一对一直播课)。

2. 基础篇

我会带你修炼数据思维,从数据分析的基础概念,到数据采集、数据处理以及数据可视化。我们一起从数据准备的整个流程上了解数据的方方面面。

3. 算法篇

算法是数据挖掘的精华所在,也是我们专栏的重点内容。我精选了 10 大算法,包括分类、聚类和预测三大类型。每个算法我们都从原理和案例两个维度来理解,达到即学即用的目的。

4. 实战篇

项目实战是我们学习的一个重要关卡。我准备了 5 个项目带你真实体验。比如在金融行业中,如何使用数据分析算法对信用卡违约率进行分析?现在的互联网产品都进入到千人千面的人工智能阶段,如何针对一个视频网站搭建视频推荐算法?

5. 工作篇

我选择了几个大家最关心的职场问题,比如面试时注意什么,职位晋升路径是怎样的等等,助你一臂之力。

我希望,通过这个专栏,你将有如下收获。

1. 数据和算法思维

这不仅是在技术上的思维模式,更是我们平时看待问题解决问题的思维方式。如果你将数据视为财富,将数据分析视为获得财富的工具,那么在大数据时代,你将获得更宽广的视野。

2. 工具

用好工具,你将拥有收集数据、处理数据、得到结果的能力,它会让你在工作中游刃有余。

3. 更好的工作机会和价值

无论是当前火爆的人工智能,还是数据算法工程师的市场,都很看重数据分析和数据处理的能力。从“思维”到“工具”再到“实践”,沿着这个路径拓展自己的能力边界,拥有更强的竞争力。

在你面前,即将开始一场数据科学之旅。我们一起用 15 周的时间,从算法原理、分析工具和实战案例三个维度体会数据科学之美。

在专栏学习的过程中,如果你遇到问题,不论是概念不懂,还是工具使用遇到 error,你都可以来找我。也希望你可以把自己的学习笔记分享出来,它不仅是最好的自我学习方法,也是最好的交流语言。

我愿意跟你一起,将这些看似“高大上”的内容琢磨得通俗易懂。当你完成这段旅程,你将会发现这个世界从来不缺少“石油”,而它们,正在等着你的勘探。

正式启程之前,我想邀请你聊聊自己对课程的期待,你如何看待数据挖掘和数据分析?你的工作和生活中有什么事情用到过数据思维吗?

推荐几本书:

思维:

《思维简史:从丛林到宇宙》

数据处理:

  1. 《数据挖掘:概念与技术》
  2. 《Pentaho Kettle 解决方案》
  3. 《精益数据分析》
  4. 《Small Data》
  5. 《利用 Python 进行数据分析》

学员提问:

目前看了《深入浅出数据分析》那本书,然后学了python 基础知识,想请问老师,接下来该如何开展学习计划。

我想学 Python 常用的几个库,从爬虫开始获取外部数据,熟悉常用的数据挖掘算法,最后花两个星期学习基础的 SQL 和 Excel 操作。

您的建议是什么?我手上的学习资源比较多,所以得重点筛选。期待老师的回信。

分享个思路:

  1. 首先从爬虫开始是不错的,这样你能感受到成长的过程。
  2. 数据挖掘算法,如果你想了解十大算法的话,理论部分你需要花一些功夫。当然这些在Python中都有类库可以使用。做练习的话,你也可以把这些算法都用一遍,然后看下哪个算法模型的结果更好。
  3. 网上这方面的资源确实比较多,他们大多讲的是理论原理。我认为你更注重的在于实战,因为做项目不仅更有成就感,还能更好的让你理解这些算法、爬虫的原理。
  4. 我会在专栏里给你做个“专属题库”,对应爬虫、数据挖掘这些的题目,你可以做个评测,不明白的地方,我也会给你做讲解。
  5. 资料比较多,但其实不用每个都看一遍。尤其是理论的部分,看一遍就可以了。关键是把它抽出来做个思维导图,方便查询,这样下次看导图就能回忆起来讲的是什么。省时又高效!
AI悦创·创造不同!
AI悦创|黄家宝 » 你为什么需要数据分析能力?

Leave a Reply