如何高效学习数据分析

Posted luoluo-123

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何高效学习数据分析相关的知识,希望对你有一定的参考价值。

作者:接地气的陈老师

 

----------------------------------------------------------------------------

你看到一篇文章的标题,起的如此诱人 :《干货!50G求职资料全集》《厉害!从50个顶尖图库找到的素材》《深度好文!微信之父揭秘成功背后的逻辑》《运营人必备的7大技能》《数据科学家必须收藏的100本书单》。是不是眼前一亮。再点进去,发现居然全文还有好几万字,连划数下都看不到底。是不是虎躯一震:这是真正的干货啊!于是快速点进收藏夹,想着以后来认真学习。眼前还是再来盘王者农药要紧。

 

然后他们就永远的躺进收藏夹了。没有再读,更没有读完,更没有读完以后记下来点什么。是滴,这就是所谓“干货综合症”的表现。类似的症状,还有买书综合症。在知乎求完书单以后,开始在各大购书网站大杀特杀,一摞摞书搬回家。然后就摆在那样当家具了。特别是开发类图书,《21天精通python》《R语言实战技巧》的下场,一般都是被垫在显示器下边,为缓解颈椎病默默做出贡献。

 

对了,还有pdf综合症。pdf综合症在学生身上尤其广泛。一般一个学生加入“数据分析学习群”“产品经理训练营”之类的QQ群和微信群,开场三句经典问题,就是“一:干这个数据分析/数据挖掘/数据科学家能赚多少钱?月薪有10K吗?”“二:有适合菜鸟0基础入门且快速成为数据分析/数据挖掘/数据科学家的书吗?”“三:有这个书的PDF版吗?”学生们一般都有一个D盘/E盘《数据分析学习》文件夹,塞满各种pdf。然后,就可以安心的撸啊撸了。

 

看不完!学不会!没得用!是自学者三大核心问题。看起来搬运了很多干货回家,却总也无法完成学习;看过了书本知识,却总是记不住,学不会;学完了和没学一样,工作该咋干咋干。除了不断增加干货文件夹的大小外,没有其他积累。如何破?

 

想看完:克服细节问题

 

看不完的首要问题是细节。如果是业务类文章,经常看着看着冒出来某些名词没听过,某些缩写不知所谓,越到后边越糊涂,最后不了了之。如果是技术类文章,经常看着看着冒出一些名词看不懂,看完似乎有所理解,可一到细节就各种模糊,不知如何应用。

 

看不完的重灾区是技术类文章。技术类图书尤甚。新买回来一本《21天精通python》经常第一天都没看完就放弃了。买回来一本《SPSS多变量分析》,最后停在如何安装上。新人看技术类图书,感觉就是书里讲了1+1=2,然后举了个“@SJ&%気+Ⅷ?P)氚”的例子,完全不知道怎么深入下去。

 

因为技术类学习,本身就是知难行易的过程。一开始要掌握大量基础知识,专业术语才能前进一小步。还有大量的基础类问题,可能在老鸟看起来简单至极理所当然,可在新人看起来就是不可逾越的大山。老鸟不屑讲,新人难上天是非常常见的事情。新人起步太难,就容易夭折,深入不下去。

 

克服细节问题,关键在于把握整体思路。这里有一个五步法可以应用。第一步:准备一个笔记本和一支笔;第二步:写下概要,这个东西是什么,能得到什么结果;第三步:得出结果的步骤;第四步:每个步骤再看有几步完成,里边有哪些细节。第五步:哪里有不明白的,记入笔记本,回来弄清楚。这样先把握整体框架再深入,就不会卡在某个细节,导致最后放弃。

 

当然,陈老师自己常用一个简单的办法搞掂这个事,就是拉一个懂技术的小哥现场指导。我操作一遍哪里有问题让他现场指哪里,做成一个再改回去反复练两次,无往而不胜!作为职场老兵,这点人脉资源还是可以找到的,笑。

 

 

想学会:必须反复训练

 

光看不练,永远不会,这是颠扑不破的真理。如果不大量,反复练习的话,不但无法真正掌握知识,而且学会的也会很快忘掉。不用就忘是人类记忆的常态。

 

学不会的重灾区是业务类文章。业务类书籍又甚。科特勒营销学人手一本,看完了又有几个懂营销的?SWOT分析,PEST分析人人都挂在嘴边。真到写报告的时候,又有几个能不抄领导给的模板自己组织起思路的?几乎所有的书单都在推荐金字塔原理。可看完这本书,除了记住书名外,有几个人能真的说话口吐莲花逻辑清晰的?

 

因为业务类学习,本身就是知易行难的过程。大道理其实就那几条,真正用起来就千差万别了。因为每个公司经营模式,发展阶段,资源多寡,组织架构,老板风格都各不相同。即使相似的经营问题,都会有无数影响因素让他变得独特,自然无法用一套道理全部囊获。然而,写业务类书籍的作者却很难把各行业问题一网打尽。更有甚者,喜欢把业务类知识虚化,玩意识流。不顾问题背景,搞什么内功心法、三句讲清、一文看透,使得新人们更少了练手机会。

 

如果要打比方的话,技术类学习更像学习做西餐:各种工具五花八门,餐刀都有50多把,操作流程严格规范,下调料精准到盎司。新手们上手极其困难,但入门以后就可以轻松驾驭。业务类学习更像中餐。菜刀就一把,刀法却根据食材、菜系、做法的不同而千百万化。菜鸟们一看只有一把菜刀就以为简单,结果切起东西来稀里哗啦。

 

 

克服训练问题,关键在于反复复盘+增加见识。针对一个问题,要反复推演,反复练习,即使是已经做过的也要隔三差五拉出来练练。多练才有长进,复盘才能提升。特别是业务类问题,更要多练,勤练。不能看着别人写东西行云流水,就以为自己也能讲的头头是道了。同一个问题,自己写出来见解再和别人写的对比,才能体现出差距和不足。

 

业务类训练,还要进一步强调数据化复盘+逻辑化见识。因为业务类问题不像技术问题,有那么多代码,很具体的可以练手。业务类问题,比如营销,推广,运营,往往由非结构化的案例组成,除非是亲身参与者,否者不了解其中细节和数据。大家讨论起来不是凭自己的一面之词扯皮,就是大唱高调,沦为空对空的虚谈,所以这里特别强调数据化与逻辑化。杜绝零散的,不着边际的,没有数据支持的闲扯淡。

 

举个例子,在训练新人们做经营分析的时候,就最简单的PEST分析,陈老师都会丢一堆要求:你不要空口说消费升级就是E!消费升级是所有用户群体都升级吗?是所有品类都升级吗?和我们关注的这几个品类又有什么关系?你的证据是什么?最终这种升级又会影响多大客群,带来多少营收变化?你的数据呢?测算呢?每次特别苛刻的推动新人去思考问题逻辑,去收集数据,去找例子,去测算影响结果。强力压榨新人几周,他们就会改掉夸夸其谈的毛病,也不会写报告时满纸跑火车。

 

 

想应用:脚踏实地思考

 

最终转化靠实战,不在知识背多少。尽信书不如无书的道理在这里体现的淋漓尽致。很多同学把学习工作技能当成了背课文,看指标体系就一个个背指标,看模型就一句句背代码。遇到问题,不是先想这个问题是什么,而是先想:我要抄哪个模板?看来看去看一圈也发现没一篇干货可以直接抄的,然后又把积累的知识丢垃圾箱了,继续去寻找新干货。

 

 

当然,这和他们学知识阶段没有做好功课直接关系。相当多的同学,学东西,不先看他用在什么地方,而是直插细节,导致学完了还不知道他是干什么的。每次遇到问题,不问背景,就直接硬套公式。导致越干越糊涂。典型的表现,就是遇到领导布置任务,就跑到qq群,微信群里发问:“领导让我做一个聚类分析,请问该怎么做聚类分析”。一般这么问的,都还会问后边这几句:“领导又要我改因子分析了!”“领导又要我改成用决策树了!”“这到底是什么领导!为什么天天改来改去,到底要分析什么啊!!!”亲,从一开始,你就没弄清楚到底真正的问题是什么啊。弄清楚为什么要做这个分析,才能选合适的方法啊。

 

克服训练问题,关键在于脚踏实地。抓着问题找方法,而非抓着方法套问题。当然这一句话,本身又是一句知易行难的话。稍后,陈老师会以数据分析常用思路为例,向大家解释具体问题该如何梳理,敬请期待哦。

 

技术分享图片

 

最后,这也是一篇干货,大家看完可以点击收藏了/手动斜眼/手动doge

 

陈老师当然不希望大家点收藏,陈老师希望大家从这篇文章做起,开始练习做思维导图。陈老师已经帮大家把要点逻辑整理出来,试着画自己的第一张思维导图,开启高效学习之路吧。

 

以上是关于如何高效学习数据分析的主要内容,如果未能解决你的问题,请参考以下文章

如何高效地学习数据结构——Python篇

机器学习时代的哈希算法,将如何更高效地索引数据

Java开发者,如何高效的学习大数据?

0.如何高效的学习数据中台

如何高效快速的学习大数据

大神教你如果学习Python爬虫 如何才能高效地爬取海量数据