很可惜 T 。T 您现在还不是作者身份,不能自主发稿哦~
如有投稿需求,请把文章发送到邮箱tougao@appcpx.com,一经录用会有专人和您联系
咨询如何成为春羽作者请联系:鸟哥笔记小羽毛(ngbjxym)
作者:夏宇
在大数据、人工智能热、5G、物联网的时代,相信也有许多对数据分析非常感兴趣且要转行的小伙伴。但是,有些朋友对于是否该转行一直抱有迟疑态度,转行是不是要重新学,怎么学,如何入行等等一系列的问题···
而他们并不知道进入数据分析行业需要学什么,也不太清楚数据分析相关岗位平时工作都在干什么,还有一些已经入行的不知道如何进阶。而之前交流分享的一直都是硬核的数据分析知识,那么,本期交流会邀请了小飞象数据大佬,来将从入行、初始、进阶三个方面,让大家了解一下大佬是如何从数据小白到数据大神一步步成长的。
数据分析学习,在于将别人的知识转化成自己的知识,食之化尽,举一反三。今天将会从3个方面来深⼊了解《数据大佬的成长经验分享 | 我的非典型数据分析之路》。
这一部分:入行—初识数据领域
第二部分:初期—打开认知,发现新的世界
第三部分:进阶—把握机会,开启新的挑战
在分享之前,我们可以先思考几个问题:
★你觉得数据分析入门难点在哪里?
★实际工作中数据分析有什么岗位,工作内容是什么?
★数据分析到底要如何学习和进阶?你觉得难么?
......
这次分享将为大家打开一扇窗,希望能对零基础转行数据分析的小伙伴们有所启发、对数据分析的从业人员的技能进阶一些借鉴。在分享的过程中,建议全程认真听,带着思考去看,希望通过本次分享,来给大家做一次系统的数据分析可视化分享,来解答大家对于可视化的疑点,并给做数据分析的人员提供一些思路,有任何问题都可以随时交流哦!
正式分享:
大家好,我将结合自身的经验,和大家一起聊聊自己的非典型数据成长之路,希望能通过自己过往经验,给大家对数据分析有所新的启发,将从入行,初期,进阶3个方面,来梳理总结自己的数据分析入行、成长、进阶等的一些经验。
第一部分,主要讲我是怎么入行,以及我是怎么去认识数据分析,第二部分,当我接触到数据分析之后,又会接触到很多数据分析相关一些工具,可能会逐渐地去打开我的一些认知,有很多新的工具或者新的一些方式。第三部分,基于自己早期的一些工作经验以及认知,通过自己的摸索,把自己的想法如何更好的实现,把一些数据分析进阶的学习经验分享给大家。
以下是我个人的从业经历:
(我的个人从业经历)
·选择互联网行业。在从宏观上,一切行业互联网化是未来的大趋势,薪资福利更高····
·期望岗位数据分析。随着数字化社会发展,带来的是人才缺口,互联网企业对人才的需求,每年以20%的速度增长,其中以“数据分析”人才缺口最为突出,也是各家企业互相争抢的高技能人才。未来是大数据时代,数据分析的发展空间更巨大,且数据领域的发展是令人兴奋的····
·入行原因:主要大学是数学系的,但是实际上并没有接触过太多数据分析相关内容,对Excel基本只是停留在用过的阶段,也就是会填写表格做基础的四则运算。
那个年代互联网也没有如今这么发达,尤其是自媒体这块,所以网上能找到的学习资料也基本都是一些机构产出的,不像现在各种行业都有大佬或者资深热衷于知识的传播分享,我们可以接触非常之多知识!
因为自己是数学系的自认为对数据敏感。所以选择了数据分析,入行后有一个很好的领导,但是在数据分析上并没有老师带,基本都是在工作中学习在学习中工作。当时是负责游戏的数据分析,公司有比较完善的数据分析平台和数据支持部门,我的分析工作大多数都是对已加工过的数据进行二次加工然后形成日报周报之类的,再就是根据实际的分析场景找数据支持部门发起提数需求(他们会写sql提数给我),我再二次加工形成想要的指标。这个阶段我用到的工具就是Excel,做图表。
其实这些岗位贯穿我们整个数据分析过程。数据的收集、加工、处理,再做一些数据分析,做一些数据可视化,再把数据的一些结论进行一些应用,其实它是一个流式化的过程,在每一个过程其实都会去引申出各种相对比较匹配的一些岗位。同样,其实不同的数据分析的岗位,它可能也会覆盖不同的流失过程的一些工作。如我现在做的数据产品,其实我们就会涉及到数据收集的逻辑,也会涉及到数据加工的内容,另外就是数据应用。大家其实可以简单了解一下。
拆分“数据分析”可以为:数据收集—数据处理—数据运营—数据应用。因此,按照这个流程,数据领域相关岗位如下:
数据收集负责收集各种各样的原始数据,比如用户何时何地做了什么事情。它依赖于埋点采集系统,而埋点采集,需要收集什么类型数据,属于【数据产品经理】确定规范(数据运营和数据分析师根据公司组织架构也可以兼任)。
收集上来的数据需要存储,往往因为高吞吐量,需要保证数据和日志的稳定性,会采用Flume+Kafka,如果有实时统计要求,也得考虑流数据。这块则是【数据工程师】的范畴,包括原始数据的再加工,数据清洗,都是专门的数据团队完成。
当获得数据后,首先第一点是讲各种明细数据处理业务指标,没有指标不成方圆,这里由【数据分析师】定义的。有了指标,配合各种数据产品输出,如用户画像用户标签、BI报表,这些数据产品都由【数据产品经理】统筹排期…另外一方面,【数据挖掘工程师】和【算法专家】则凭各种数据建立模型,进行实时或离线运算。
模型可能会预测用户会不会购买某个商品,可能是做出一系列的推荐,可能是判断用户属于哪个类型,不一而足。更上面一层是业务相关,【数据分析师】会监控和分析BI上指标的波动,【数据挖掘工程】是通过用户反馈数据,衡量算法的优劣、【数据产品经理】按AB测试的结果改进产品。数据工程师保证系统的稳定。
所有层次一环扣一环,每个岗位在其中都发挥特有的作用。数据工程偏底层技术,数据分析偏上层业务,数据挖掘和数据产品处于中间形态。不同公司虽然业务形态不一致,架构会有差异,但是职责不会偏差太大。这也是数据分析为什么会有四个方向。
讲到这里,你大概对数据分析的职业规划有了明晰的了解。当然,它们彼此间并不完全独立,到后期,很多界限会变得模糊。
在我入行的时候,从事的游戏行业的数据分析,因为在很早期的时候,游戏或者互联网的做运营策略、版本更迭等工作,其实很多时候是拍脑袋的。有一些经验丰富前辈们,凭借自身经验,通过一些数据指标波动,可能需要做一个什么样的运营策略,刺激一下收入的增长,留存的增长,但基本上都是拍脑袋的一种行为。数据分析、数据运营、数据精细化也在那个时候启蒙的,很多互联网公司开始逐步重视数据分析的价值。
当时我的主要工作内容基本上是要形成产品的数据报表。业务的基础数据监控,一二级指标,如 DAU、新增、留存、付费率等相关数据,主要是给老板看的,让老板清晰的了解整个项目的运营状况。
第二,根据业务线的产品特性,会进行与传统一二级指标不太一样的专项数据指标体系。
第三,我们会去做一些所谓的预警,其实就是数据发生一些波动或异常的时候,做简单的模型预警,如超过之前多少值或者低于之前多少值,给出预警,并提出解决方案。
第四,其实有一些专属的功能或者特殊的一些功能,我们需要做一些专项分析,去找出一些问题点。比如,游戏相关的一些产品,游戏其实会有新手引导,其实每个步骤特别细,我们就会去做新手引导,各个流程的分析,去找到流失的一些卡点,针对这些卡点去做更深度的分析。基于数据,定位的原因,再会给我们产品或者我们的策划去提醒,给建议,告诉这里需要去做一些优化了,应该怎么去优化等。
总之,数据分析岗位一般工作内容:
·负责和支撑各部门相关的报表;
·建立和优化指标体系;
·监控数据的波动和异常,找出问题;
·优化和驱动业务,推动数据化运营;
·找出可增长的市场或产品优化空间;
·输出专题分析报告;
·····
为了提高工作效率,自己买了基本Excel的教程,主要学习了函数、数据透视表、快捷键和图表制作。
为了提升对业务的理解,自己和同事体验了很多同类产品,同时也把当时网络上能找到的相关的数据分析知识都做了收藏与学习,主要是数据指标体系如定义、关联关系和分析价值等等。
比如以下就是自己当时结合对业务理解和数据指标的理解整理的文档部分内容,现在看来会发现写的还是比较浅,但是作为学习思考与总结还是很不错的。
所谓的数据敏感度:
·看到数据后能一眼看出来数据靠不靠谱
·看到数据后能一眼思考出数据背后的原因或者意义
总之,做数据分析的人基本上是需要自己不断地去摸索,是一个被动学习的过程,一开始我并不知道我要做什么,需要掌握什么,由上级给我安排一些任务。我在做这些任务的时候,我发现我都不会。我也是在摸索,找同事,找前面去咨询,去了解,他们会告诉我你可以怎么去做,但他们不会去指导我。为什么?因为他们更忙。
尤其是在工作中,没人愿意,没人他是有义务去指导教导你的,只能自己去想我应该怎么办。然后我就需要自己去思考怎么做,其实就是一个非常好的点,给自己去规划一下我应该怎么去做。在学习中,不断成长。
大概 1 到 2 年之后,我开始接触到一个新的工具tableau,也是被动接收的tableau。当时想法就是它好像可视化能力比较强一些,图表展现效果很酷。
记得公司购买了某三方的数据,他们的周期性数据是以Tableau展示的,为了更好的将这些数据按照我们期望的数据指标进行报表化,我也开启了Tableau的学习,这个学习也基本是自学了,方式也比较简单就是买了一本Tableau的书籍,在学中做,在做中学。
Tableau让我打开了新世界,拖拽操作和数据可视化让我非常之欢喜,但是其实这个阶段我的所做的数据分析工作也基本都是对数据支持部门加工过的数据进行二次加工而已,只是形成了好看的图和表。
好在Tableau一定程度上让我的很多数据分析工作半自动化。
那时候,我觉得数据分析实可能还有更多的工具值得我去探索,我已经不再是只局限在 Excel 层面。
在入行的前四年里面,从最早的数据分析到后面做运营,再到后面负责一个项目的过程中,我培养了自己的两个亮点。
第一个就是数据分析,数据运营的能力,第二块其实就是对于整个游戏运营模块通盘业务理解能力。
到后来因为工作变动,不再有数据支持部门的强力支援,我需要自己面对原始日志数据,一开始我会将他们导入到Tableau再进行运算处理(比较excel支持的数据量比较有限),直到发现数据量和处理复杂度远超我的预期。
于是乎,在找外部支援的同时我也开始了自己的数据分析技能进阶—Sql和Python相关的学习。
·对于Sql,主要是用于初步的数据处理;
·对于Python,主要是用于深度加工和一些模型的使用,比如预测、同期群等等。此外就是一些自动化的流程,比如自动化输出分析报告等等。
之前我们公司的数据中台,没有现成的体系埋点,我需要自己去做,没有地方去展示这些一二级的数据指标。我需要自己去整理数据报表,根据我的看板,它展示的指标内容,它展示的一些功能有哪些筛选项,数据应该怎么展示?这些数据计算逻辑是什么?完全是由我自己去设计埋点,去整理这些计算逻辑,甚至是去画一些原型图给到数据中台的同学,他们去帮我们去做一些定制化的开发,再去形成了我们的数据的一些报表看板。
(这里简单介绍一下,不去扩展了)
所谓的数据埋点是数据采集领域的术语,指的是针对用户行为或者特定事件进行元数据上报采集。在此过程中收集所需信息,用于后续数据分析了解用户的使用情况,为迭代产品或者运营工作提供数据支撑。
以上就是本次分享的全部内容!也是我个人非典型的野蛮成长的数据之路。总之,一定要用细心、耐心、和平静的心态去做数据分析。数据分析是个细活,根据二八原则,其中数据的处理将占去数据分析中的八成时间,如果数据处理不当将影响接下来的分析,需要良好的心态减少犯错误的概率。
希望能通过我的数据分析成长经历,给到大家一起启迪和思维上的扩展!
本文为作者独立观点,不代表鸟哥笔记立场,未经允许不得转载。
《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问,请点击 反馈举报
Powered by QINGMOB PTE. LTD. © 2010-2022 上海青墨信息科技有限公司 沪ICP备2021034055号-6
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
1)反对宪法所确定的基本原则;
2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
5)煽动民族仇恨、民族歧视,破坏民族团结;
6)破坏国家宗教政策,宣扬邪教和封建迷信;
7)散布谣言,扰乱社会秩序,破坏社会稳定;
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
12)危害未成年人身心健康的;
13)含有法律、行政法规禁止的其他内容;
2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
1)轻蔑:贬低、轻视他人及其劳动成果;
2)诽谤:捏造、散布虚假事实,损害他人名誉;
3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
6)谩骂:以不文明的语言对他人进行负面评价;
7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
8)威胁:许诺以不良的后果来迫使他人服从自己的意志;
3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
2)单个帐号多次发布包含垃圾广告的内容;
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息,主要表现为:
1)包含自己或他人性经验的细节描述或露骨的感受描述;
2)涉及色情段子、两性笑话的低俗内容;
3)配图、头图中包含庸俗或挑逗性图片的内容;
4)带有性暗示、性挑逗等易使人产生性联想;
5)展现血腥、惊悚、残忍等致人身心不适;
6)炒作绯闻、丑闻、劣迹等;
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息,主要表现为:
1)可能存在事实性错误或者造谣等内容;
2)存在事实夸大、伪造虚假经历等误导他人的内容;
3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。
6. 传播封建迷信,主要表现为:
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
2)求推荐算命看相大师;
3)针对具体风水等问题进行求助或咨询;
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;
7. 文章标题党,主要表现为:
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
2)内容与标题之间存在严重不实或者原意扭曲;
3)使用夸张标题,内容与标题严重不符的。
8.「饭圈」乱象行为,主要表现为:
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序
9. 其他危害行为或内容,主要表现为:
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
2)不当评述自然灾害、重大事故等灾难的;
3)美化、粉饰侵略战争行为的;
4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)