
教你如何用大数据做年终总结_数据分析师
一份好的年终总结可以回忆过往,继往开来,痛改前非;可以减轻没有完成前年设立之目标的内疚感;更可以成为给予自己新的一年可以重新做人的假象。可谓是居家旅行、自我麻痹必备之良品。
在“互联网思维”“大数据”满天飞的今天,如果你还用文字写年终总结,请问,你怎么装逼呢?!怎么获得朋友圈如潮水一般的赞呢?!
如果你想时尚时尚最时尚,体验cutting edge技术的低调与华丽,请务必get此技能。经过本人潜心研究,get此技能无门槛,只要你有一颗想装逼的心,只要四步!不是一两千!不要998!真的只要四步!八星八箭装逼技能抱回家!
第一步:选取分析样本
首先你需要选择在过去一年中,对你持续进行的某一行为,进行量化处理。比如,读过多少本书,背诵了多少首诗,看过多少场电影,跑过多少公里,积累了多少单词等等。数据统计得越细致,分析效果逼格越高,也就是能具体到星期,就不要月。
什么?你说你什么都没干?那么也请不要轻易放弃装逼的机会好吗?你总发了朋友圈,刷了微博吧?那就把你每周发了多少条朋友圈进行统计吧。
第二步:进行数据分析与呈现
“工欲善其事,必先利其器。” 数据分析工具直接决定了最后逼格的高低。
入门阶段可以使用Excel,如果你有Mac,那请使用Numbers,你问我有什么区别?风中飘来两个字,逼格!虽然Excel功能十分强大,但是我们care么?Of course not!(耸!肩!)
当然,如果你想将自己定义为技术牛的话,请使用SPSS,Stata,SAS。虽然是用牛刀杀鸡,但是我们要的是什么?Follow me! Bigger(逼!格!)!
什么?你会Clementine和R语言?恭喜您已自带逼格,出门左转,慢走不送。
在分析方法上,请将你掌握的统计学知识充分利用:集中趋势、离散趋势都往上招呼,回归分析、泊松分布也不要客气。
这些都是什么?不会肿么办?是不是装逼与我无缘?没关系!请使用柱状图,彩色的!用冲击力夺人眼球!
喏,就是这样咯。
第三步:图表分析
数据分析好了要得出结论才算总结吧?
首先选择一种语言。小语种优先,法语、德语、日语、韩语、意大利语都可以,无论内容是什么,先从气势上压倒对方。若是都不会,没关系,那就选择英语吧,受众面广一些,别忘了在最后添加一个C’est la vie,轻松渲染悲壮而乐观的气氛。
如果英语编着也吃力,那请记住Less is more的原则,用“。”塑造一个低调的逼格王。
什么?你掌握英法德日韩土耳其希伯来7门外语并且有选择恐惧症?不好意思,我也想体验你的痛苦。
好了,准备就绪。最后就请优雅的打开朋友圈,点击发送。等待赞的到来。如下图所示:
温馨小贴士:
如果你害怕今年的逼格太高,明年难以超越自身,以继续维持闪耀的公众形象。那么请从数据收集做起,今年坚持每天做一件小事并记录下来。走运动路线的请使用可穿戴设备,最差也下载个跑步app好吗?明年这个时候,你就可以有大把的数据,进行更为深(zhuang)入(bi)的分析了。
每天一小步,一年一大步。哪怕每天多吃一口饭,明天这个时候站在门边,也是literally“一头风口上的猪”了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29