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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24