永洪社区
标题: 数据分析师面临的五大无解难题：深入探索行业内的纠结... [打印本页]
作者: 喝酸奶不舔盖 时间: 2024-4-11 13:44
标题: 数据分析师面临的五大无解难题：深入探索行业内的纠结...
正文开始
又一年的3月，很多同学都在思考职业发展路径问题。最近咨询陈老师的也很多，一个很普遍被问到的，就是：数据分析师的红旗，到底能打多久？今天集中解答一下。还是陈老师的一贯风格，不吹不黑，客观说事。我们一起来看看，面向2021年，数据分析师们最纠结的五个问题：
▌问题一：数据分析会不会被人工智能取代？
答：不会！
首先，看到提“人工智能”四个字的所有标题，大家都能认为是引发焦虑的伪问题。真正懂行的都说：算法、机器学习，或者干脆直插CV，NLP，推荐等某个具体领域。其次，这俩玩意根本就是两件事。算法的发展不仅不会取代数据分析，反而会让数据分析更轻松。
为啥？
因为本质上，算法对抗的是低效率。通过人工标注-模型训练-预测检验的循环，算法可以大量替代以往需要耗费人力的工作。但是算法实现这个目的是有前提的：
第一，需要明确的结果：人工标注的图形、信用违约/未违约记录等等。
第二，需要大量的特征数据，用于训练模型。正是因为如此，我们看到算法应用最成功的就是CV领域。比对人脸、比对证件等就是特征丰富，结果明确。传统的风控、推荐等领域，也有相应进步。NLP领域进展相对较慢，就是被复杂的语境折腾的七荤八素。
本质上，数据分析对抗的是不确定性。当我们想要分析问题的时候，更多是：
● 没有数据：新业务刚上线，过往不重视数据采集
● 有假数据：业务操控，流程缺失，利益驱动
● 乱七八糟：口径不统一，流程不规范，使用瞎胡闹
● 人为扭曲：业务方为了保住KPI睁眼睛说瞎话
● 不会判断：只知道写同比环比，不会解读意义
● 主观臆断：做数据只为证明自己是对的，强词夺理
这种时候，就相当于根本没有标注，或者人工瞎标，模型压根训练不出来。还摸个屁。
正是如此，这才有了数据分析的五大问题：
● 是什么（量化结果，获取数据）
● 是多少（树立标准，评价好坏）
● 为什么（寻找原因，验证假设）
● 会怎样（综合评估，做出取舍）
● 又如何（预测前景，探索可能）