京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2017内存不足,数据分析师该如何Review自己的2017?(附福利)
2017,转眼还剩34天,作为数据分析师,如何Review自己这一年?本文笔者将带领大家通过自己的某一个习惯性行为的记录,把自己的一年串起来。
1、先把数据整理出来
我是这样整理的:
这个图可能大家看不太清,我把所设定的维度稍微说一下。
首先,书名是肯定要的(在Excel的C列);
我个人想看看自己都看了哪些题材和体裁的书,于是就自己分别根据书名和内容进行了定义,分别在A、B两列体现;
D列-作者:是书本身资料的一部分,不赘述;
E列表明了作者是中国人还是外国人,源于自己很喜欢的一本书《悲观主义的花朵》里面曾经说过,我们虽然从小背着“鹅鹅鹅”可是读的很多学术理论全是国外的,话语是国外的,所以我想看看自己受国外文化的影响有多直接;
F列:是否完成,因为有的书虽然开始读了,但是读到一半就没有继续。你应该也有类似的经历吧?把这些书挑出来,搞不好也是为以后阅读留下的“遗珠”呢哈哈。只有这一列选择“是”的书,K列“完成时间”和L列“评价(星)”才有内容,因为阅读之后,才允许点评。
G-J列:很喜欢“微信读书”的原因有几个,其中一个就是可以直接划线、写想法,还可以和别人进行阅读社交,也会收到别人的点赞和评论。所以这部分数据我也记录下来了。这里还想多说一点,类似微信读书这种带有社交属性的APP好玩的点就在于人与人之间的关系得以建立,我想要读一些和自己行业相关的书,基本上看看自己的老板和同事在读什么,就知道哪些书好,哪些书应该放在高优先级了,为我选书省去了很多时间。
好啦,至此,数据整理完成,那么下一步咱们就来分析看看。我都喜欢读什么样的书——这里我用的是所有的数据(无论是否读完),只要是开始读了的书,就说明是我非常感兴趣的,由此看看自己都喜欢什么类型的书。
2、我都喜欢什么书?
在看我都喜欢什么书之前,我们先稍微做个总览:
刚刚的数据总结完之后,我这一年开始读的书有36本(只在“微信读书”这一个平台。虽然我也通过其他方式读了一些其他的书,但是暂时不算在内啦~),说实话自己不是特别满意,因为并没有都完成,所以整体的阅读量不是特别大。
在读这36本书的过程中,我划线的次数将近2000,写下过366个想法,收到别人的点赞121个(感谢这些在读书路上陪伴鼓励的朋友),收到27个评论。
那这36本书,是怎么分布的呢?
中国书更多
虽然对国外的思维充满好奇,但还是看中国作者的书比较多,达到64%。当然,这只是很粗略的参考,因为我们很难说,自己读的中国书,有多少是受到了国外思维的影响。想来或许也没那么重要,哪里的思维,哪里的思想,都是只要好用就行。
爱看非虚构
我按照自己的方式分了体裁,当然体裁怎么分有很多种说法,小时候上语文课是按照“诗歌/散文/小说”分的,但是都是在文学范畴。作为一个文科生,上大学的时候当然也是很喜欢看这些的,可是工作之后,发现已经不得不越来越依赖这些非虚构的书,带给我更多的方法论了。至于其他的体裁,也就是蜻蜓点水,在自己读非虚构类书之后消遣一下。
集中于个人成长和专业知识
说起来不知道是好还是不好,看“闲书”的时间越来越少,越来越担心被行业落下。而随着要承担的责任越来越多,也发现自己非常需要心智的提升。所以成长类的书看的最多。
看心理学的书有几个原因:
1/自己的工作是数字营销,对营销了解的朋友知道,影响行业乍一看是品牌主,媒体,agency之间的关系,其实所有的营销角色都是围着最终的消费者(人)来的,对人的了解没有尽头;
2/自己包括失恋啦,遇到挫折啦的时候还是需要一些强心剂的,而那种完全的鸡汤不可能说服我,我能做的只是尽量回到当时当下,去想那个时候为什么会那样?我的心理和对方的心理都经历了什么。有点较真的总想知道为什么。即便现在“为什么”已经没那么重要了,但心理学知识带给我的收获都长在自己身上了;
3/很好的朋友对心理学感兴趣,希望能跟她一起探索。
排名第三的互联网,就是我自己所在的行业了。其实因为工作已经很忙,在一定程度上我已经很努力回避看行业相关的书。但有些时候又忍不住好奇,也总想看看别的人都在干啥,是怎么干的。所以还是忍不住会看。
突然想,如果大家想要追妹子,你加了妹子微信之后,如果她恰好看微信读书,你不妨把她的数据也这样整理出来,大概就能知道她的喜好是什么了。咳咳——至于已经想出这个办法的我,估计对我就不管用了|||
3、这些书读完了吗?
这些书中,我完成了将近70%,而剩下30%并没有看完。
年初,我为自己定下的读书目标是,每个月至少三本,目前看,多数月份还是能够完成。
我是从2016年底开始使用“微信读书”的,所以看2017年,读书比较少的月份是5月和9月。5月份因为工作上有比较大的变动和调整,公司搬家后团队又有变动,很多事情来不及应付。9月其实读完了3本书,但全部不是在微信读书上,是我参加了一个课程,课程里有3本书必读,所以也算完成了。10月份是到澳洲打工旅行开始两周后,终于找到工作,还没有调整好生活的节奏。总体来讲,对自己这一年的努力还是比较满意的。
4、有什么收获?
读书后,都给这些书做了评级。平均分是3.36,说明自己选的书,基本都达到了自己觉得“还可以”的水平。
这里,把5颗星和4颗星的书给大家列举一下:
根据上面的列表我简单说一下自己这一年的感受。
5、我总结出了什么?
总之呢,我觉得通过自己任何一方面的内容都可以总结这一年,你也不妨试试。把自己这一年花了什么钱(其实双十一花了什么钱总结一下估计就已经吐血了吧),见了什么人,每天是如何安排时间的,去哪里旅了游……都可以总结出来。
这样一根线就可以串出这一年的生活,并且给自己下一年更多的期待和指导。是不是很赞?
所以下一年,我对自己的期待是:
多一点休息和艺术气息,少一点工作;
多读一点和专业无关的书,拓展自己;
因为身在澳洲,多走走多看看;
可以的话读几本原版书,把英语提升上去。
以上。你呢?
付宇骄
90后文科生,射手女。学了6年新闻传播专业,从中国人民大学研究生毕业后成为营销数据分析师。曾在中国最领先的大数据公司AdMaster和有“营销界的小米”之称的Social Touch工作,工作三年后即直接向VP汇报。工作后将方法论总结成论文,2016年赴新西兰和香港参加第八、九界国际广告公关论坛并发表演讲。2017年创办数字营销分享交流学习社群,定期举办活动,尝试解决“做营销的人不懂数据,做数据的人不懂营销”的问题。同年,品友营销研究院、中国CDA数据分析师认证机构分别聘请她为数字营销行业讲师。
付宇骄老师课程推荐
点击阅读原文,或扫描下方二维码了解课程详情
大神一对一
想跟付老师一对一交流?在学习中接受付老师的学习指导?更多交流互动请扫码添加小助手(不定期发放干货资料)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09