京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对于经常阅读我文章的人来说,你可能会认为我是这个星球上最矛盾的人。我不怪你。
我最近注意到,在与人的口头或书面交流中,我对与我交流的人做出了大量的假设。我没有明确地定义非常重要的方面,然后才确切地说明我所说的话,这取决于上下文,有可能冲淡我希望传达的实际信息。
最近,我写了一篇关于如何通过网络简化进入数据科学的初始阶段的文章。作为对这篇文章的回应,我在LinkedIn上收到了很多连接请求,表示他们希望与我连接,以便建立他们的专业网络。
别误会,我对与我交往的人没有意见。事实上,我在写的每一篇文章的结尾都鼓励它。我非常感激我处于一个人们希望与我联系并跟随我在数据科学之旅的位置。与大家分享我的经验的目的是,我希望从我的角度来表达作为一名数据科学家或自由职业者的现实,因为我们都在努力成为不可或缺的。
平淡无奇地说…
联网是浪费时间!
哎呀,我又做了一次。让我解释一下…我们知道的网络方式,或者我们被告知要做的方式,已经完全死了。
事实上,我还没有想出一个足够好的名称来描述什么是真正的网络,所以我仍然将“真正的网络方式”称为网络。
很有可能浪费时间构建你的数据科学网络。这是它的样子;
在我看来,这种网络形式不是网络。完全是哑弹。浪费时间。
以下是我对网络的看法…
如果你正在制作一些有趣的东西,那么总会有人想了解你。
简单明了。
为什么人们想见埃隆·马斯克?如果你说因为他是亿万富翁,你又一次掉进了陷阱。这是错误的心态。如果你在想他的数十亿美元,很可能你在想这对你有什么好处。这是接受者的心态。
人们想见埃隆·马斯克,因为他做人们想要的东西。他是个解决问题的人,我们需要他!
如果您正试图基于上面列出的3个原因中的任何一个建立网络,您绝对是在浪费时间--这些时间可以用来建立人们想要的有趣的东西,从而导致人们想要了解您。
如果你看看LinkedIn上讨论数据科学的热门人士,你就会明白我在说什么;
名单还在继续…
我知道你在读我和你分享的名单时在想什么-
“这些人都在这个领域工作了多年”。
这是千真万确的…每一座建筑都必须从某个地方开始。
分4步开始您的数据科学之旅
从本质上说,当我提到网络时,我想说的是,你应该专注于创造人们想要的东西。做一个创造者。这样,合适的人就会来找你。
从我的观察来看,与我联系在一起的人中最难忘的是那些与我联系在一起的人,原因如下;
这并不是说我没有人和我联系,向我询问工作和其他不在这份清单上的事情,我有。但是,这些人很快就消失了。
在我看来,如果你发现自己试图与网上的人联系除了这三个原因,那么我建议你抓住自己的行为。无论你做什么或说什么,都可能令人绝望,并可能在关系开始前危及关系。
如果你真的想建立一个强大的网络,在你决定开始创建的那一刻,合适的人就会找到你。
要开始创作,你不需要像我一样从一个博客开始;你有很多不同的方法来创造人们想要的东西。
这些想法不必从细节开始。重要的是你开始创造并分享你所创造的--最终,合适的人会来找你。
最重要的数据科学项目
一开始,成为一个创作者并分享你在网上做的事情似乎是一项艰巨的任务,尤其是如果你像我一样天生内向的话--克服这个问题始于分享一件事,然后永远不要停止。如果你希望发展一个强大而健康的网络,那么重要的是你要站在造物主的立场上--从那时起,一切都会来到你身边。
请在LinkedInandTwitters上与我联系,了解我关于数据科学、人工智能和自由职业的最新消息。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26