京公网安备 11010802034615号
经营许可证编号:京B2-20210330
前段时间我和数据分析爱好者一起探讨,在数据分析工作中遇到的很多相似问题,经过3个小时的激烈讨论,我和我的数据分析小伙伴们得出的结论和大家分享下,大家一致认为这3个因素是最只要的。

首先,大环境不尊重数据,尤其是老板的态度。如果数据分析师只要随便给一个报告就行,数字多一点和少一点,大家也是一笑而过,并不会追根到底,那么很难让数据分析师以严谨的态度对待数据。
例如,国内这几家数据分析机构,基本都在着急扩张行业,争着占领行业,对于其推出的数据有多精准却不那么在意,所以艾瑞的数据最近才会经常被人说“不靠谱”。
数据分析,今天做得不准,明天再改是没有用的。比如艾瑞,如果数据不稳固,抢着做很多行业,这是不靠谱的做法,指不定哪天砸了自己的牌子。
有人和我提过FACEBOOK数据分析师为什么那么牛,因为他们不觉得数据分析是一个苦事,十几个人在一个房子里把数据分析当做一件很开心的事情来做,数据分析对于他们来说是在追求科学。
第二,好的数据分析师需要一点天分,同时也需要高人点拨,但是电子商务这个圈子,真正懂数据分析的人不会超过10个,所以一般人很难取得真经。这和信仰一样,没有师傅领进门,难度也会大很多。
我回顾自己从微软到易趣,再从敦煌到支付宝,在数据分析上有一次长足的进步,得益于从两位老师的身上得到了许多启发。一位是亚马逊的首席科学家韦思 康,曾经,我告诉韦思康,KPI报告显示敦煌网需要4秒钟,他立马让我叫来做技术的同事(他要听到一线同学的反应),问这个4秒钟怎么测算出来,是美国人 打开用4秒钟,还是英国人打开用4秒钟,用的是甚么Browser等等。这个4秒钟和商业价值(例如交易量)有关系吗?我当时很触动,连这么一个很基础的 数据,他都是以求证的心态来分析的。更令我印象深刻的是,只请他当敦煌网顾问半天,按照他的工作经历来说,随便忽悠我半天是很容易的事情,但是韦思康非常 严谨,先是以一个普通人的身份花了半个小时在敦煌网买东西(坚决要真实付钱),切身体会敦煌网的用户体验,然后也不先看数据,而是先问很多能更了解敦煌网 的生意形态的问题。讲真他的问题比很多投资分析师来得专业。而现在许多数据分析师,包括当时我自己,只看数据就开口说问题,不深入去体会公司的商业形态。
韦思康告诉我数据是一种态度,让我明白做数据的人就是要全身心投入,好像一种信仰一样,中间有许多路要走;而且,数据与商业密切相关,不能局限在数据的死角里。
另一位是清华大学的教授谢劲红,有一个夏天碰巧去旁听他的课,拿一堆的数据给他看,他一边看一边给我演绎他的思维,他可以很快在一堆数据找到他们之 间的关系。后来我带着团队常常去清华找他聊,他教我如何看网络数据,用联动的思维来看网络数据。可以说是他启蒙了我用 “关系”的思维看数据。一听完就回到敦煌跑到敦煌看很多数据,发现了新世界。
第三,数据分析师感叹落不了地,只能谈数据,而不懂商业。如果不懂商业,而单纯看数据,不仅很难有创意的思维,而且是没有意义的
而对于一般的数据分析师来说,大部分人没有系统思维,而且也只能看一部分数据,无法从大面儿上了解整个公司的运营数据,这样就令数据分析师难以形成全面的思考方式。
以我自己的工作经历来举例,为什么我在敦煌的时候数据分析能力会突飞猛进,也是因为我在前两家公司只能看到一部分数据,而到了敦煌之后我爱看什么就 看什么,受谢教授启发之后我更是天马行空地把营销数据、市场数据、财务数据、产品数据、卖家和买家数据等等联动起来看,这大大改变了我对数据的运用方式。
经过这些年的努力工作经验的累加和受到知名是数据科学家的点拨,是我的数据分析技术认识更家深刻,也是我技术上升了几个阶段。这也改变了我对大数据的初步看法,非常感谢帮助我人。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01