
大数据游戏怎么玩?如何开始大数据创业?
经常有朋友通过知乎私信、微博私信、电子邮件、QQ和微信问我,如何进入大数据行业?该学哪些知识?大数据行业如何创业,到底先从哪里做起?我想,这些问题,并没有一个准确的答案,关键在于,你到底想不想干?想不想在大数据时代闯一把。
我曾经看过一本由朗达·拜恩写过的心理学励志《TheSecret》,书籍的最核心思想就是,你心里想什么,想要什么,那么这些愿望就会实现。在此想要推荐给那些想要在大数据行业有所作为的朋友作为参考。
回到主题来说,大数据游戏到底怎么玩呢?咱们今天不谈宏观思想,不谈科技技术,以游戏的方式来写写看。先说怎么玩的事。
无论是想要介入大数据的企业或者个人也好,想要在大数据行业创业的朋友也好,我觉得首先最重要的莫过于两点:
一是喜欢、相信大数据,且矢志不移的走下去。这一点很重要,尤其是在大数据变现商业模式还不明朗的时候。精神这种东西很奇特,如果你相信,你就不会害怕一路上的任何坎坷。千万不要因为天天看着各种鼓吹大数据的新闻,盲目跟风,头脑一热就栽进来。学大数据技术的朋友也一样,技术往往是枯燥的,你只有相信和喜欢,你才能坚持学下去,才能保持学习的激情。因为相信和喜欢,你才会充满热情,创业也一样。
二是态度方面,一定要有怀着虔诚敬畏的心,把大数据当作一个新的产业来做。为什么要当作一个新的产业呢?因为新兴的东西,必定充满想象力。你不能一味用原来的思维模式来做大数据,来学习大数据。因为没有成功的范例可学。学美国吗?Palantir是美国最具代表性的大数据公司,可是Palantir的模式就一定适应中国互联网的环境吗?不一定。而且有一个很有趣现象可以和大家分享,在36大数据的网站上,点击最高的文章不是我们从北美科技网站上翻译过来的文章,而是中国大数据技术人员自己写的干货教程类文章。万万不可断了对大数据这个行业的想象力,有想象力就有创新,这就是一个新的行业,一个充满魔法的行业。
以上两点为本文的核心思想,下面开始玩大数据这款“新游戏”吧。
刚进入大数据游戏的朋友,首先面临的就是自己的角色定位。有编程/C++/JAVA等技术基础的人员,那么给自己的定位应该还是技术方面的,可以拓展和充实大数据技术,比如从学统计学、R语言、SPSS、python、SAS开始,然后进阶学Hadoop、Spark等等。如果你从前的工作经验是市场销售人员,那么就可以结合以往的经验,先去大数据公司,从市场销售人员做起。大数据行业非常缺市场销售人员。如果你以前是做项目管理和运营工作的,介入大数据行业,也可以先从项目管理和运营做起。如果你是应届毕业生,那么要结合自己的大学专业和实际情况来定位,看看自己能做什么,喜欢什么,从最基础的做起。
也就是说,在大数据的新手村里,创建角色和选择职业,其实是从自己的实际情况出发的,先做你自己能做的,有经验后再去想自己想做的。路嘛,总是走着走着就有的。不可能说你从前是一个销售人员,跨越到大数据行业你就想做CEO,这不靠谱。互联网企业、传统企业想要介入大数据行业也一样,首先你得先把自己能收集的数据收集起来,结合着公司的运营来展开。
选择好自己的职业方向就可以创建角色了,跨界往往是最难的,也是最简单的。核心还是从自己能做的做起,先有一个大数据行业的角色。
接着就是熟悉大数据游戏的系统功能了。大数据新闻去哪里看?哪里可以找到免费的数据源?哪些工具是处理大数据要用到的?微博需要关注哪些数据科学家?大数据企业有哪些?近期有哪些大数据的活动等等。可以自己列出一个list来,先熟悉这个行业。
网络游戏里的角色养成,总是要经过一段时间的。从新手村出来,如何练级和升级就很重要。先说练级吧,因为大家介入大数据行业选择的职业不一样,那么练级方式也不一样。大数据技术人员,当然是一边学习新的技术,一边完成上级布置的工作了。市场销售人员,就要结识更多的行业人员,参加一些活动来获得经验和人脉。运营人员呢,更多的是完成NPC的任务,这些任务的下达者可能来自于你的上司,也可能来自你的合作伙伴。
当你参与过很多项目,完成很多任务,杀死很多BUG之后,你的从业经验自然也会增长,等级也会增长。这是一个漫长的过程,需要有耐心。当然,有时候你玩着玩着一个角色,突然发现自己不喜欢,上手很困难,那么就要考虑换一个方向了。互联网产品总是强调优化和迭代,实际上对于职场人员来说,迭代也很重要,需要自己不断的去完善自己,改进自己工作的不足。
参加活动这个环节很重要,网络游戏里的活动要么就是促销打折,要么就是高经验奖励的活动。在大数据领域,参加各种沙龙、圈子和讲座也很重要。因为参加了这些活动,也许你结识到新的合作伙伴,拓展了自己的人脉,以后小伙伴们一起下副本才能组到人啊。我非常鼓励大家参与大数据行业的线上线下活动,这并不是说你关注一个如同36大数据的微信公众号就行了,而是需要你参与到大家的讨论当中去。实践经验很重要。比如说大数据技术人员,参加大数据各种竞赛就很重要。
当你在这个行业有2年左右的工作经验时,你就会发现,自己的DPS(工作输出内容)和治疗量(项目经验)似乎没有别人高,小伙伴们组队都不愿意叫你了。这个时候,你需要做的就是提升自己的装备,拓展更多的知识面来完善自己。以往的工作经验就是装备,你需要把这些经验回顾和总结,哪些现在还用得到的,那就强化一下,镶嵌个宝石,打个附魔等等。如果发现自己的知识点已经无法满足和完成更高阶的工作时,就要学习新的知识点和新的技术,参与到新的项目,进修新的学科,推到BOSS来获得新的装备。这是一个不断完善自己的过程。
在去年数据分析行业峰会上,我演讲的PPT里有一页是这样写着的:数据科学家=统计学家+程序员+讲故事的人+艺术家 – Shlomo Aragmon。没错,大数据行业是个复杂的新兴行业,你永远有学不完的知识,而且跨度还很大。因为要学的东西很多,那么如何选择呢?当然还是选择自己喜欢的感兴趣并且用得上的知识点。当然了,目前大数据行业从业人员还停留在打怪升级阶段,这一阶段暂时还不用着急考虑。先做自己能做并且想做的事情,先学自己工作中必须用到的技能。
写到这里,我想切回来说说如何开始大数据创业的事情。
首先就是要找到创业的方向啊。创业的方向来自哪里?来自百度网页?来自你每天查看的新闻?来自微信群朋友圈的分享?
错!
来自生活。
创业方向不是你整天坐在办公室,开着电脑,看着网页就能找到的。而是你要去和身边的朋友聊,去和参加线下活动遇到的朋友聊,去找现实生活中的人聊。去倾听他们的心声,去了解他们的需求,去找到市场的机会。大数据最大的能力是精准推荐、预测和解决问题。如果你能用大数据去解决很多很多人的需求时,就可以往这个方向开始创业了。
创业的突破口往往都是最简单的,如果你不能用一句话来说清楚你用大数据做什么,那么你这个idea肯定火候还不够。
在我所认识的大数据创业公司里,当创业人员和我展示他们产品的时候,我总会问一句话,你的产品痛点是什么?很多人往往会给我解释半天,但是我个人倾向于这样一句话:
我们用大数据来解决(或帮助)_________行业的________问题,从而让他们(变得)________,实现_________增长。
比方说美国的Palantir公司,他们就是用大数据来帮助政府进行反恐,找到了本拉登;
又比如说中国的大数据公司DataEye,他们就是利用大数据来帮助手机游戏公司和手游开发者能够随时掌握游戏玩家消费情况,通过有效的产品优化和运营活动,实现营收的增长。
再比如说36大数据一直在用的百度统计,他们就是利用大数据来帮助网站站长随时了解自己网站的浏览量、PV、百度排名等情况,为网站内容和版面优化提供有效的决策参考。
也就是说,你的创业idea和商业模式是可以用一句话说清楚的,如果说不清楚,那么就要先想清楚。
关于大数据行业的创业机会和方向,请参考36大数据之前的发布的文章《一文了解大数据领域创业的机会与方向》,百度就可以搜索得到。
个人如何介入大数据行业?
①根据自己的工作经验和专业来选择;
②先做自己能做的,然后不断完善自己。
③学习大数据行业所需的技能
企业如何介入大数据行业?
①结合企业目前的情况来展开,先从整合行业内部数据源开始;
②找专业/合适的人来管理企业内部数据,整合外部数据
③从数据中获得洞察力,用数据指导企业营收,用数据解决企业尚未解决的企业难题
④通过数据,拓展出更多的商业机会
如何开始大数据创业?
1、想清楚谁为你买单(找用户);
2、痛点是什么(找需求);
3、稳定/独特的数据源(找数据);
4、靠谱的人做靠谱的事(找人才);
5、考虑2C的产品方向;
6、忘记科技行业过往经验;
7、将大数据产品化 (小而美);
8、深耕一个领域,不断的试错和迭代。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01