京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者Yulia Lukashina,技术作家。
我完全相信每个人都能做好(赚到好钱!)只有在他们喜欢做的工作中。如果你对你的任务感到无聊,每天都不得不强迫自己,你就不能交付高质量的结果。
但如果数据科学让你感到温暖和轻盈,那么你就选对了打开的大门。你到底是怎么知道的?
或者你的仪表板,你的管道,或者你正在建造的任何东西。你感觉像一个工匠看着他的创作,享受着它的完美。
您对添加的每一行代码都感到更高兴,使您更接近结果。你喜欢打字。您喜欢毫不费力地从记忆中回忆函数,并将它们融入您以前概述的处理逻辑中。
你喜欢学习新的函数和扩大你的“词汇量”。你觉得自己就像一个外语课程的学生,开始理解以前是个谜的单词。
长代码并不总是质量的标志。但你也喜欢优化!您喜欢用刚刚学习的包中的现有函数替换笨拙的自发明函数。
或者您甚至向GitHub提交一个新包,让更多的人使用它!
您喜欢优雅的代码行的外观,它取代了复杂且不可伸缩的解决方案。你喜欢回到你写过的东西,让它变得更好。
嗯,如果您有一个最后期限要掌握,错误消息可能会非常令人沮丧。但好奇心总是好兆头!
你认为,
哇,我的宝贝和我说话!
并咨询搜索引擎的含义。然后您学习工具或编程语言的一个新的方面。你很高兴消费新知识,获得一个达到智慧新水平的机会。
是的,错误信息让我们继续前进!
即使它们一点也不比旧的好。即使它们乱七八糟,违反直觉,您仍然喜欢学习新的数据科学工具。只是因为它让你觉得自己像一个在沙盒里的孩子,建造一个没有人会住的沙堡。
您喜欢深入到新工具并抓住其背后的逻辑。你喜欢逆向工程,你不认为这是浪费你的时间。
每一个新的工具都为你打开了新的思维方式,打开了新问题的新视角,打开了旧分析方法的新角度。
而且它也可能为你的数据科学简历增加价值!
你可能是一个害羞的人,避免公开演讲或在大量观众面前做报告。但你不会克制地回答你最好的朋友关于你工作的问题。你在半意识的层面上为自己的专业领域感到自豪。
你谈论它不是因为你喜欢说话和给人留下深刻印象,而是因为你的职业是你身份的一部分。你可以做你自己,分享你认为重要的东西。
你喜欢在他们的脸上看到理解,理解一件复杂的事情的喜悦,这件事情曾经是激动人心的魔法。你喜欢指导你的学生或同事通过设置,回答他们的问题,消除他们对自己能力的怀疑。
你喜欢培养新一代的数据科学家,或者至少是超级用户。你会感觉到越来越多的人加入了你的秘密数据科学“集团”。
你得到的是原始数据,它没有显示出任何系统化的迹象。那会让你发疯的!
然后,一步一步地,你做一些数据清理,转换它,然后--瞧!-您可以看到清晰的维度、模式和可能的依赖关系。这就像是从飞机的窗户上看飞机起飞时。你当时站在机场大楼附近,但后来你逐渐变得越来越高,突然间你立刻看到了整个城市!
…包括你每周去附近的杂货店。你有一个清单,你有一个计划,哪些货架过去,按什么顺序。不是说你的时间太少,但优化购物路线似乎只是一件很自然的事情!
好吧,这可能是一种夸张。我的观点是,如果你热爱数据科学,你可以在空闲时间继续做。
当我在两个让我感到快乐的领域--数据科学和技术写作--定居后,我的职业生涯开始更加有机地发展。我不再为下一个漂亮的头衔而战。我吸收了新知识,却不考虑眼前的回报。这种态度开始得到回报,尽管确实需要一点耐心。
当你以良好的感觉结束一天时,第二天早上你会更有效率。当你散发出冷静和自信时,你就可以不再担心工作竞争。公司会因为你是一个理性和安全的人而雇佣你:除了是一个高效的数据科学家!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12