你以为每天或者至少每周给业务线献计献策，用数据驱动公司发财？增长黑客，寄托于身，稍加挖掘，日活翻翻？数据一甩，指挥作战，产品运营研发老大，统统投以渴望期待的眼光？sql太low，更别说Office，必须上Python + ...
你以为每天或者至少每周给业务线献计献策，用数据驱动公司发财？ 增长黑客，寄托于身，稍加挖掘，日活翻翻？ 数据一甩，指挥作战，产品运营研发老大，统统投以渴望期待的眼光？ sql太low，更别说Office，必须上Python + R， 变着法子绘图， 画词云，非此不足以彰显NB 独门绝技Python爬虫，数据从来都是爬爬爬？ 实际上楼上的，too simple， too naive. 我们每天大概率面对场景是这样
想想，一个公司，PM大概率不会是一个吧，运营也是一大波，领导更是"数不过来"，所以各种数据需求涌来。怎么干？下面就开始用你认为很low的sql脚本从数据库里取数据，然后放到Excel透视着还没有美化的黑白曲线图， 想着弄的逼格点交给需求方？不存在的，后面需求大队都排到楼梯口了 你会问，不是有数据平台有BI报表吗？恩，有，但不可能满足所有需求，那也是不现实的，BI里看到的都是常规指标，虽然很重要，但是数据的价值远不能被囊括，且不说有个数据波动，重新从原始数据调研，就说来新的指标或者如果跟其他业务交叉甚至内部不同维度交叉，有时候BI也不能提供，因为BI不可能面面俱到，很多非常规需求，也不可能都加入到BI，即使开发累不死搞定了，维护起来也要累死，BI的用户也会眼花缭乱 你又会问，那不累屎了嘛? 如果是一两个人的数据分析团队，公司规模200人左右的话，确实需求确实如雪花飘，但也是有规律的飘，比如逢年过节，活动促销前后，大概率数据需求是个峰值，等过了这风头，降到波谷。这个时候，终于要休息下了吧？不存在的，小需求少了，但长期的大的数据分析专题，不现在做什么时候做，一般专题类需求，不像其他临时数据支持类需求那么明确，它属于对数据之间相关性价值一种探索，可能半月甚至1个月都不会出有价值的结论，也可能突然一项数据波动挖出重要价值或者发现一个隐藏bug 对于几千人大规模的互联网公司，丰富的产品线和业务线，使得数据驱动也要更精细，这时候数据团队也会大很多，数据分析团队很可能是每个人固定一条产品线或业务线，这样好处是，数据分析师会对一个业务越来越熟悉，发现高价值的数据宝藏概率更高，内部沟通固定需求接口人，也减少沟通成本，整体让数据流动起来更加高效，只要公司的数据流动其他，那么数据的价值才能被更好的释放粗来 你会问，这么流行的Python爬虫，我还没用上，我得用，彰显自己不只活在sq和office里。 好，吭哧吭哧写个爬虫程序，爬爬外部数据？哗哗哗，三盆冷水浇过来，因为大概率是用不到的，一般分析的数据都是来自公司自己产品产生的数据，这些数据或以日志或以结构化表存在数据库里。比如，产品要看ABtest对新用户留存变化，你这时候去爬下招聘网站的的数据？运营想看下上周活动的效果，你去爬下知乎？领导想知道为啥收入下降了，你去爬下水木？都不用，需求对应的数据都在公司内部服务器好好躺着，你最多是跟运维哥哥开个数据权限，就可以拿到，赶紧去挖挖吧 给谁干对外，你所属业务线的产品经理，运营姐姐的数据需求 对内，你自己或者直属领导要求完成的数据专题分析，此时无需求胜于有需求，因为隐藏的未知需要探索，也更有趣，只是时间需要去挤，不能淹没在临时需求中 怎么干知乎上， 已经有很多同行前辈的精华文章 我只是简单粗暴的说几点，一般互联网数据分析是怎么干的 1.明确目的 提数需求: 要明确提数的目的， 比如活动效果，新功能使用，ABtest对比 专题分析: 要明确分析的方向， 比如留存分析，沉默分析，新老用户差异 2. 数据准备 熟悉已有业务数据字典，协调新数据埋点收集，并验证准确性 3.数据处理 不同公司数据环境和数据团队配置是不同的， 使用的工具也不同 但是一般来讲， 偏分析数据岗位， 主要数据处理工具还是: SQL(mysql/hive sql) + Excel + shell + 其他
4.数据分析的方法 说的直白些， 就是: 细分，对比，找特征，找相关性 至于怎么细分，跟谁对比，用什么模型找相关性，这就需要通过一个个数据分析case喂了。业务能力和数据敏感性，跟思考方式强相关，但更多的还是是经验的慢慢积累 思维是慢慢训练的， 数据敏感性是通过不断的熟悉业务可以培养的 其实， 无论是数据分析， 还是数据挖掘， 还是机器学习， 都是在干相同的事情， 就是寻找数据间的特征和相关性，挖掘数据价值，最终都要服务于业务，只是走的路线不同。
自己最近也录制了一套SQL教程: 教程是自己结合搭建的SQL学习网站(见下面截图)录制的，可以提供给大家边看边动手练习，大家也不用自己搭建数据环境，也有成套的练习数据题目和数据库。 经哥自己写教程，最大的特点就是实用，够用就行，不多浪费大家学习那些无用的长尾功能。 所以，针对不同知识背景的同学，输入不同的学习目标。  我根据大家对数据相关工具的掌握程度，将学SQL的同学划分为三类。 其中，数据相关工具包括: Excel、SQL、Shell、Python等 第一类群体: 数据小白我定义的数据小白，是这样的:
我希望小白同学，学习课程的下面模块:
第二类群体: 表哥表姐我定义的表哥表姐:
我希望表哥表姐，重点学习下面模块, 考核深度增加:
第三类群体: 准数据民工我定义的准数据民工:
我希望准数据民工，重点学习下面模块:
|
2024-02-29
2024-01-22
2024-01-03
2023-12-27
2023-12-08
回答
回答
回答
回答
0