Veri analizi yapmaya kararlı olduğunuzu duydum, neden eski sürücünün tavsiyelerini dinlemiyorsunuz?
Kaynak: Büyük Veri
Yazar: Jerry Huang
Bu makale toplam 7600 kelime 10 dakikadan fazla okumanız tavsiye edilir.
Bu makale, veri bilimi alanında kariyer gelişiminin beş aşaması için bazı öneriler sunar ve umarım size yardımcı olur.
Her yıl, dünya hakkında biraz bilgisi olan, tutku dolu ve daha iyi bir yaşama özlem duyan birçok insan fildişi kuleden çıkar ve topluma katılır.
Dünya büyük ve birçok cazibesi var. Gelecek için, yıllarca çalıştıktan sonra bile, hala net bir yönleri yok veya bağımsız ve derinlemesine düşünmekten yoksunlar.
Yön önemli ama hayat kısa. Nereye, nasıl gidilir, ne olursa olsun, biraz düşünmek zorundasın, değil mi?
1. Büyük bir fabrikaya mı yoksa küçük bir fabrikaya mı gidin?
Her şeyi yapmadan önce, bunu yapmanın amacını ve anlamını açıklamalıyız.
Öncelikle kendinize sorun, veri analizinin amacı ve değeri nedir? Benim anlayışım, Şirketlerin iş sorunlarını çözmesine ve iş kararlarına yardımcı olması için verileri kullanmaya kendini adamıştır.
Bu konuda 3-5 yıl düşünmek ve anlamak için acele etmeden geçebilirsin ama net düşünmen gerekiyor.
Hala büyük bir fabrikaya mı yoksa küçük bir fabrikaya mı gitme seçeneğiyle karşı karşıyasınız?
Daha önce çok sayıda beyin avı çağrısı aldım ve birçoğu soracak: "Analiz mi yoksa kazı mı yapıyorsunuz?" Başlangıçta, beyin avcılarıyla sık sık telefonda konuştum. Daha sonra, büyük bir fabrikada kaldığımda, işbölümünün görece ayrıntılı olduğunu fark ettim: Analiz, iş analizi, yani veri toplama analizi ve rapor yazma yönünde önyargılı, madencilik ise modelleme, parametre ayarlama ve dağıtımdır. Küçük fabrikalar farklıdır, gereksinimler hakkında konuşmak, fikirleri belirlemek, dizin tasarımı, platform yapımı, veri erişimi, veri işleme, geniş tablolar oluşturma, model eğitimi, sonuç analizi, rapor yazma, model dağıtımı, rapor hesaplama, veri görselleştirme vb. Süreçte neredeyse bir kişi dahil olabilir.
Eğer şansın varsa, Lütfen birkaç yıllığına büyük bir fabrikaya gidin! Büyük fabrikaların çoğu çok açıktır. Genellikle dünyada ilk olmaya cesaret ederler ve teknoloji, düşünce ve sistemler dahil olmak üzere yeni şeyler sunmaya cesaret ederler.Teknoloji nispeten ileri düzeydedir ve birçok mükemmel insan vardır. Dachang'ın yönetim sistemi de çok eksiksiz ve faydaları elbette daha iyi olacak. Büyük fabrikanın veri ölçeği kesinlikle yeterince büyüktür ve birçok uygulama senaryosu vardır ve teşhir alanı nispeten büyük olmalıdır. Bu nedenle, öğrenme tavrı ile büyük bir fabrikada birkaç yıl geçirirseniz çok hızlı büyüyebilirsiniz.
İyi ve elbette kötü var. Büyük fabrika süreçleri karmaşıktır ve genel verimlilik düşüktür Para çekme başvurusu yapmak 1-2 hafta sürebilir. Farklı proje ekipleri ve aynı departmanın farklı üyeleri arasında var olan büyük fabrikaların iç rekabeti de harika. Büyük projeler büyük miktarda kaynak gerektirir, ancak küçük projelere başvurmak zordur ve vurgu derecesi farklıdır. En önemlisi, büyük fabrikalarda işbölümünün çok detaylı olması ... Görünüşe göre farklı pozisyonların rotasyonu kolay değil.İşe girmekten birkaç yıl sonra işten ayrılmaya kadar iş analizi yapmak mümkündür, bu da kolayca tek bir yeteneğe yol açar ve kişisel kapsamlı kalitenin geliştirilmesine elverişli değildir.
Aksine, küçük fabrikalar çok daha esnektir, insanlar ve şeyler çok karmaşık değildir ve verimlilik yüksektir. Küçük fabrikalar bunu yapmanın girdi ve çıktısına, yani uygulama etkisine bağlı olarak öncelik verebilir. Aksine, büyük şirketler denemek için kaynak vermeye isteklidirler ve kısa vadede girdi ve çıktıya fazla önem vermezler.
Bu nedenle, küçük bir fabrikada çalışmak, hem şirketin para kazanmasına yardımcı olmayı hem de şirketin tasarruf etmesine yardımcı olmayı öğrenmelidir. Küçük fabrikalardaki işbölümü çok ayrıntılı değildir ve çoğu, bir kişinin birden fazla görevi yerine getirmesini gerektirir. Bu nedenle, küçük fabrikalardaki programcılar genellikle birçok beceriye sahiptir.
Bununla birlikte, küçük fabrikaların küçük veri ölçeği, zayıf teknik gücü, ekip üyelerinin genel kalitesi düşüktür ve proje süreci standartlaştırılmamıştır, genellikle ne kadar basit ve ne kadar verimli. Dış dünyaya bir veya iki e-posta göndermenin yanı sıra, bazı küçük şirketlerin kod çiftçileri genellikle QQ üzerinden iletişim kurarlar, ancak birkaç yıl sonra bir e-posta bile yazamazlar.
Bazı küçük fabrikaların kendi başına verileri yoktur. Önemli olan, B Partisi olarak büyük şirketler için projeler yapmaktır. Bu model genellikle A Partisi tarafından sınırlandırılır. Geliştirme için çok az yer vardır ve bir proje döngüsü genellikle beklenenden daha uzundur (daha önce yapmaktan yorulmuştum. Parti B), bu nedenle böyle bir şirkete gitmeniz önerilmez.
Büyük veya küçük bir fabrika olmasına bakılmaksızın, seçim yaparken bakmanız önerilir. Katılacak ekip .
Özetle tavsiye edilir Birkaç yıllığına büyük fabrikaya git, sonra küçük fabrikaya git Daha yüksek Unvanlı bir pozisyon bulun ve güçlü yönlerinizi tam olarak oynayın.
Birkaç kelime daha söyleyeyim, madencilik için hangi senaryoları analiz etmeliyiz ve hangi senaryoları kullanmalıyız?
Analiz aslında çok genel bir kavramdır. Cari ciroyu geçen yılın aynı dönemiyle karşılaştırdığımızda çok arttığını gördük, bu da bir analiz olarak düşünülebilir. Analiz, verilerden problemler veya kurallar bulmak ve makul önerilerde bulunmaktır. Analize genellikle bir rapor yazılır ve ardından analiz sonuçları iş tarafına rapor edilir. Karar verme seviyesine rapor etmek en iyisidir Çünkü karar verme katmanı karar verme gücüne ve veri sonuçlarının ve olası uygulamaların algılanmasına ilişkin kendine özgü bilgisine sahiptir.
Analiz sonuçlarını sağlamlaştırmanız, sonuçları düzenli olarak çıkarmanız ve iş dünyasına sunmanız gerekiyorsa, şu anda veri ürünleri geliştirmeniz gerekir.
Madencilik, geleneksel analiz yöntemleriyle çözülemeyen belirli ve karmaşık bir sorunu çözmek için algoritmaların kullanılmasıdır. , Müşteri kaybı uyarısı, önerilen en iyi ürün kombinasyonu ve en etkili teslimat rotası planlaması gibi.
Bu nedenle, genel olarak analizin verilerden problem veya kural bulmak olduğuna inanıyorum ve madencilik bunlardan biri.
Veri becerileri ve bilgisinin listesi
2. 1-3 yıl içinde, "ne görürsen onu alırsın", temel teknolojiyi parlat
Kariyerinizin başında lütfen aklınızda bulundurun, "Gördüğünüz şey, aldığınız şeydir, hissettiğiniz şey bilmek, daha fazlasını görmek, daha çok şey bilmektir."
İster büyük bir fabrikada ister küçük bir fabrikada olun, gerçek projelere katılmalı ve kendi teknolojinizi cilalamalısınız. İster büyük bir proje ister küçük bir proje olsun, kendinizi nihai zanaatkar ruhu ile geliştirmek için zor kazanılan fırsattan yararlanmalısınız.
Yapsan iyi olur Temel veri işlemeyle başlayın. Ancak bu şekilde, verilerin okul deneylerinde kullanılan veriler kadar "iyi" olmadığını daha önce bilebilirsiniz, "kirli ve dağınık" görünebilir. Ancak bu şekilde, sizi getiren programcının hesaplaması için 2-3 gün, hatta bir hafta sürdüğünü daha önce bilebilirsiniz.
Eğer sen SQL konusunda uzman Bu harika olurdu, böylece orijinal verileri doğrudan veri platformunda görüntüleyebilirsiniz.
Orijinal verilerin neye benzediğini görmek en iyisidir. Bu verileri aynı anda anlayamayabilirsiniz, ancak bunları yavaşça hissedebilirsiniz, çünkü yansıttıkları şey en gerçekçi iş senaryosudur.
Örneğin, orijinal üye kayıt bilgisi verilerinde cinsiyet genellikle "erkek", "erkek", "kadın", "kadın", "bilinmiyor", "diğer" vb. İle doldurulur, ancak işlenen ikinci el verilerde Cinsiyet, "erkek", "kadın" ve "bilinmeyen" olmak üzere üç değer haline gelir. Sadece bu üç değere bakıldığında, bazı iş senaryoları gözden kaçabilir Mobil terminalden giriş yapılırken "erkek" doldurma seçilebilir ve kayıt formu manuel olarak doldurulurken "erkek" doldurulması kontrol edilebilir. Ve eksik sahne aradığınız analiz noktası olabilir.
Giriş için temel bir beceri olarak popüler Python gibi bir veya iki programlama dilinde uzman olsanız iyi olur. (Bu arada, kod çiftçileri genellikle yalnızca SQL bilenlerin gerçekten programcı olmadığını düşünür ~~)
Bugünün çağında, programlama bir oyuncak bebekten başladı. 5 yıl kadar önce, Birleşik Krallık, 5 yaşın üzerindeki çocukların programlama eğitimi alması gerektiğini, Fransa'nın ilköğretim için seçmeli ders olarak programlamayı içermesini, Amerika Birleşik Devletleri'ndeki 40 eyaletin bilgisayar bilimlerini desteklemek için politikalar oluşturduğunu ve 35 eyaletin lise mezuniyetinde bilgisayar bilimi derslerini dahil etmesini şart koştu. Kredi sistemi. Eski ABD Başkanı Barack Obama, Amerika Birleşik Devletleri'ndeki ilkokul öğrencilerinin programlamayı öğrenmeye başlamasını sağlamak amacıyla Amerika Birleşik Devletleri'nde "Bir Saatlik Programlama" kampanyasını başlattı.
2017'de Zhejiang, Beijing, Shandong ve diğer eyaletler Python programlamasının temellerini bilgi teknolojisi kursları ve üniversiteye giriş sınavlarının içerik sistemine dahil etmeye karar verdi. Programlama çok temel bir beceri olacak ve diğer bilgilerin temel taşı olacaktır. Gelecekte, programlama akıllı telefon kullanmak kadar yaygın olacaktır.
Temel verileri işlerken, veritabanı veya veri platformu üzerinde yapılmalıdır. Bu verilerin saklandığı ortamı anlamanız gerekebilir , Geleneksel yapılandırılmış veritabanı Oracle, Mysql, DB2 vb. Ve popüler Nosql veritabanı HBase, Redis, MongoDB, Cassandra, vb. Ve Hadoop, Hive, Hue'ye benzer büyük veri kümesi platformu, ilkeleri ve ilgili kavramlar gibi, MapReduce, Spark, Scala, Sqoop, Pig, Zookeeper, Flume, Oozie vb.
DataStage, Kafka, Sqoop gibi veri aktarım araçlarını da anlamanız gerekebilir. Sistemi kurmak, yazılımı dağıtmak, ortamı yapılandırmak ve verileri senkronize etmek gibi bazı önemsiz görevleri yerine getirmek için bile düzenlenmiş olabilirsiniz.
Bunlarla ilgili olarak çok ilgileniyorsanız, büyük veri platformu yönünde geliştirmeyi, veri geliştirme mühendisi, veri platformu operasyon ve bakım mühendisi veya veri platformu mimarı olmayı düşünebilirsiniz.
Çok derinlemesine anlamak zorunda değilsiniz, sadece anlayış düzeyinde kalabilirsiniz, ancak bu bilgiyi bilmek sizi veri geliştirme mühendisleri, operasyon ve bakım mühendisleri ve platform mimarları ile çok daha sorunsuz iletişim kuracaktır.
Verileri işlerken ve analiz ederken, Verilerle ilgili bazı işlemlere hakim olunması gerekir. İlki, TXT, CSV, XLS gibi yaygın formatlardaki verilerin içe ve dışa aktarılması ve ardından tablo / görünüm, ekleme, güncelleme, sorgu, paralel, seri, özet, sıralama, format dönüştürme, döngü ve ortak dahil olmak üzere ana veri işleme becerileridir. Fonksiyonlar, açıklayıcı istatistikler, değişkenler vb.
Bu işlemler çok basit ama basit değil. Bir öğleden sonra geçirdikten sonra küçük bir CSV veri dosyasını doğru şekilde veri tabanına aktaramama, bozuk veya yanlış yerleştirme veya iki tablo ilişkilendirildiğinde her zaman can sıkıcı bazı hataları bildirme gibi çeşitli durumlarla karşılaşabilirsiniz. , Veya tarih alanının format dönüşümü sırasında boş bir değer görünüyor ... Her neyse, durum dolu ve engellenmesi zor.
Bu temel işlemlerle ilgili olarak sürekli tecrübe biriktirmek, bunları farklı senaryolarda hızlı ve verimli bir şekilde tamamlamaya ve bunlarla kolayca başa çıkmaya çalışmak gerekir.
Birisi sizin için sayıları zaten almışsa ve işiniz verileri analiz etmek ve rapor yazmaksa, önce analitik beceriler geliştirmeniz gerekir. Elde ettiğiniz veriler hakkında her zaman şüphe içinde olmalısınız ve çok iyimser olmamalısınız çünkü başkaları tarafından hesaplanan veriler tam olarak istediğiniz veri olmayabilir veya verilerin kalitesi düşündüğünüz kadar iyi olmayabilir.
Analizden önce, veri kalitesinin nasıl olduğunu görmek için veri keşfine ihtiyaç vardır. Örneğin, ne kadar veri olduğunu, hangi bilgilerin olduğunu, hangi göstergelerin türetilebileceğini, neyin eksik olduğunu, eksik değerlerin nasıl doldurulacağını, değerlerin dağılımının ne olduğunu, uç değerlerle nasıl başa çıkılacağını, nominal / karakter değişkenlerinin dönüştürülmesi gerekip gerekmediğini vb. Bilmeniz gerekir.
Analiz ederken, Farklı gösterge türlerinin anlamı konusunda net olun Mutlak değer, yüzde, yıldan yıla, eğilim, ortalama, standart sapma vb.
Burada işaret etmek istiyorum, Veriler yalnızca karşılaştırıldığında anlamlıdır . Fakir bir kişi 100 yuan alırsa çok sevinecek ve bu onun birkaç gün yemesi için yeterli olacaktır. Ama zengin bir adamdan 100 yuan alması istenirse, bu farklı hisseder, buna değmediğini hissedebilir, çünkü toparlamak için eğilmesi gereken zaman bundan çok daha fazladır.
İstatistik bilgisi bir zorunluluktur Bu temeldir. Matematik veya istatistik alanında uzman değilseniz, lütfen kendi başınıza çalışın.
Ayrıca, lütfen emin olun Ana akım algoritmaların ilkelerinde ustalaşın Doğrusal regresyon, lojistik regresyon, karar ağacı, sinir ağı, ilişki analizi, kümeleme, işbirliğine dayalı filtreleme, rastgele orman, biraz daha derin gibi, metin analizi, derin öğrenme ve görüntü tanıma gibi ilgili algoritmalarda da ustalaşabilirsiniz.
Bu algoritmalarla ilgili olarak, sadece ilkelerini anlamanız gerekmez, onları daha iyi açıklayabilmeniz gerekir, aynı zamanda çeşitli endüstrilerdeki bazı uygulama senaryolarını da bilmeniz gerekir.
Model geliştirme konusunda belirli proje uygulamalarına katılabilmek en iyisidir. Bu durumda, genel modelleme sürecinin ne olduğunu, farklı algoritmaların farklı modellemelerinin olduğunu ve nelere dikkat edilmesi gerektiğini bilebilirsiniz.
Yazma hızınız hızlı değilse, dikkat etmeniz en iyisidir Bu ağrısız bir sorun olsa da iş veriminizi de büyük ölçüde etkiler ve ardından iş çıktınızı etkiler.Elbette maaşınızı da etkileyebilir!
Ek olarak, bazıları var İş verimliliğini artırmak için ipuçları , Ayrıca daha fazlasını öğrenebilir ve ustalaşabilirsiniz. Örneğin, bazı bilgisayar kısayolları, dosyaları düzenli olarak kaydetme, dosya sınıflandırma depolaması ve hızlı arama vb.
İşyerine yeni giren biri olarak, sadece becerilerinizi geliştirmeniz gerekmez, Saf teknoloji dışındaki becerilerin de sürekli olarak geliştirilmesi gerekir.
İşyerinde bir şeyler yapmanın yolu, insanlarla ilgilenme ve bazı söylenmemiş kurallar, daha çok anlamaya dayanabilir, bunu söylemek iyi olmayabilir, bu yüzden sürekli anlaşılması gerekir. Sonuçta anlamak çok önemlidir.
ve ayrıca, iletişim Bu, kod çiftçileri için sık karşılaşılan eski ve zor bir sorundur, buna dikkat edilmesi ve güçlendirilmesi tavsiye edilir.
Bir projektör veya yazıcının nasıl kullanılacağını bile öğrenebilirsiniz. (Belki patronunuzun veya meslektaşlarınızın önünde çok fazla karakter kazanmak için bu beceriye güvenebilirsiniz ~~)
Harika insanlarla çalışma fırsatınız varsa, çok şanslısınız. İyi insanlara bazı sorular sorabilirsin Veya genellikle Bu mükemmel insanların bir şeyleri yapma şeklini ve çalışma alışkanlıklarını gözlemleyin , Hangi iyi yerlerin ve iyi niteliklerin öğrenmeye değer olduğunu görün. Onu özümsediğiniz sürece, güçlü yönlerinize dönüşebilir ve ilerlemenizi destekleyebilir.
Mezuniyetimin üçüncü yılında bazı konuşmalarda Bay Yu Minhong'un kolejdeyken 800'den fazla kitap okuduğundan bahsettiğini gördüm. Çok duygulandım ve gerçekten okumanın önemini anladım, bu yüzden kendimi yılda 50 kitap okumaya koydum Planım, tüm kitapları okurken, yaklaşık üç yıl içinde, zihnim ve zihniyetim tamamen farklı, büyük değişikliklere uğradı.
Dediği gibi: "Üçlü seks, öğretmenim olmalı." Herkesin her birisinin gücü vardır. Karşılaştığınız herkes için, "her şeyi başarabilmeniz için" başkalarının güçlü yönlerini daha çok takdir etmeniz ve diğerlerinin zayıflıklarını daha az eleştirmeniz önerilir. , Yavaş yavaş daha iyi bir benlik oluşturun.
3. 3-5 yıl içinde, "ezici olmadan birçok beceri" yeteneklerin sınırlarını genişletir
İlk 3 yıldan sonra, teknolojiniz gittikçe daha iyi hale geliyor, çok sayıda proje yaptınız ve gelecekteki yönünüzün giderek daha fazla farkındasınız, ancak aynı zamanda daha çok şeye ihtiyaç duyulduğunu da göreceksiniz. Öğrenmek ve güçlendirmek için.
Şu anda bilginiz dağınık ve bir sistemden uzak. Ayrıca, son birkaç yılda biriken deneyim ve bilgileri ayıklamak ve özetlemek için biraz zaman ayırmanız ve kendi bilgi sisteminizi ve metodolojinizi oluşturmak için biriktirmeye devam etmeniz gerekebilir. Ayrıştırma sürecinde neye sahip olduğunuzu, neyin eksik olduğunu, neyin zayıf olduğunu, neyin güçlü olduğunu, gelecekte hangi beceriyi güçlendirmek için ne kadar zaman harcamanız gerektiğini vb. Sürekli olarak bileceksiniz.
Veri toplama, veri depolama, veri işleme, veri analizi / geliştirme modeli, rapor hesaplama, veri görselleştirme gibi tüm veri sürecini takip edebilir ve yetenek sınırlarınızı sürekli genişletebilirsiniz. Sürecin tüm yönlerinde proje yapmış olmak en iyisidir.
Örneğin, veri toplama bağlantısında tarama teknolojisi hakkında bilgi edinebilirsiniz.
Şu anda artık yeni gelen biri değilsiniz. Yeni gelenlerin çoğu, başkalarının çalışmalarını düzenlemelerini ve ayrıntılı rehberlik altında tamamlamalarını bekler. Ve yavaş yavaş deneyimli bir sürücüye dönüştünüz ve bağımsız olarak bir model geliştirmek, üyelik analizi raporu yazmak, cirodaki son düşüşün nedenlerinin analizi hakkındaki fikirleri sıralamak gibi her görevi bağımsız olarak tamamlamanız gerekiyor. Sorunlara rehberlik etmeden kendi başınıza çözüm bulmak için uyum sağlamaya devam etmeniz gerekir Daha önce karşılaşılmamış yeni durumlarla ilgilenmek ve bağımsız soruşturmalar yürütmek de gerekli olabilir. Neredeyse size yardım edecek kimse yok ve başkalarının size tam olarak ne yapmanız gerektiğini söylemesini bekleyemezsiniz. İhtiyacınız olan şey, 3 yıl sonra büyüme yolunda niteliksel bir değişiklik.
Bu süreçte, sürekli olarak bilgi aramanız, başkalarına danışmanız ve bunun hakkında düşünmeniz, etkili bir plan oluşturmanız ve sonunda onu uygulamanız gerekebilir. Bu süreçte aşağıdaki yetenekler etkili bir şekilde eğitilebilir:
- Bilgi bulmak
- Sorular soracak
- Özetle
- yazma yeteneği
Özetleme ve tarama ile ilgili olarak düzenli, sık ve günlük olarak yapılması tavsiye edilir.Günlük bir alışkanlık geliştirmeniz önerilir.
Farklı sorunların ve senaryoların fikirlerini düzenlemek ve özetlemek için, McKinsey piramidi ilkesi ve yapılandırılmış düşünme gibi metodolojik rehberliğe genellikle ihtiyaç vardır. Bu metodolojilerle ilgili olarak, sadece bunlara aşina olmak değil, aynı zamanda pratik çalışmaya da uygulanması gerekir. Bu ömür boyu sürecek bir bilgidir ve günlük problemlerinizi ve ihtiyaçlarınızı çözmek için günlük hayatınıza da uygulayabilirsiniz.
Fikirlerin organizasyonu ile ilgili olarak şunları yapabilirsiniz: Zihin haritalama araçlarının yardımıyla .
Ek olarak, lütfen kendinizinkini geliştirmeye odaklanın Veri hassasiyeti ve veri düşünme , Ne kadar erken başlarsan o kadar iyi. Veri düşüncesinin nasıl geliştirileceği başka bir makalede ayrı ayrı açıklanacaktır.
EXCEL, verileri işlemek ve işlemek için en uygun araçtır ve aynı zamanda hakim olunması gereken ofis yazılımıdır. Pek çok kişi EXCEL kullanıyor, ancak EXCEL konusunda hiç yetkin değiller. Özgeçmişinizdeki "EXCEL ve diğer ofis yazılımlarında uzman" ifadesi (bunu da özgeçmişinize yazıyor musunuz ~~) çoğu zaman bir yalandır. EXCEL öğrenmenizi öneririm , Ekran verileri, pivot tablolar, işlevler, çizim, dinamik grafikler, VBA vb. Dahil Grafik çizmek gibi en kaba seviyede kalmayın.Ayrıca varsayılan ayarlarla bir grafik de çizebilirsiniz, ancak bu iyi görünmüyor ve okuma deneyimi iyi değil. İyi bir grafik çizmek için EXCEL'in nasıl kullanılacağıyla ilgili olarak, "EXCEL Grafik Gösterim Yolu" ve "En Basit Grafik ve En Karmaşık Bilgiler" i okumanız önerilir.
Analiz raporları yazılırken PPT kullanılması kaçınılmazdır. açık İyi bir PPT nasıl yazılır Bu mesele hiçbir zaman kolay bir iş olmamıştı. Ancak kendinize öğrenmek için 3 yıl, 5 yıl ve hatta 10 yıl gibi biraz zaman tanıyabilirsiniz. Başlangıçta kötü yazmakta sorun yoktur, ancak egzersiz yapmak için her fırsatı bırakmayın.
Ayrı ayrı PPT becerileri hakkında daha fazla makale olacak.
Liderlerin gözünde Materyal yazabilenler, kodlayabilenlerden daha fazla var . Dahası, materyal yazabilen insanlar her zaman çok "kıt" görünürler. Eğer diğer meslektaşların gözünde "PPT + hakkında en bilgili olan + yazmayı bilenler arasında teknik olarak en tanıdık" kişiyseniz, o zaman çok popüler olacaksınız.
4. 5-10 yıl içinde, "asıl niyeti unutma", bir şeyler yap ya da yapma
Başkalarının gözünde veri analizi ve geliştirme modelleri çok yüksektir. Ama bu kadar uzun, çoğu zaman pek çok garip durumda. Veri analizi raporundan bir kez sonra aşağıdakiler kaybolur: Model geliştirilir, dağıtılır ve düzenli olarak sayılır, ancak işe yaramaz. Kullanıcı veya işletme tarafı, bu şeylerin kendi işleri için çok yararlı olmadığını ve isteğe bağlı olduğunu (yatırımcıları kandırmak için paketlemek faydalı olsa da), deneysel bir kural kadar etkili olmadığını, basit ve kaba olduğunu, zamandan ve emekten tasarruf ettiğini düşünüyor.
Deneysel kurallar ile algoritma modelleri arasındaki ihtilafla ilgili olarak, geliştirdiğiniz modelin işletme tarafının inandığı deneysel kurallardan daha etkili olduğuna kesin olarak inanıyorsanız, lütfen "kanıt" bulun ve iş tarafını fikirlerini değiştirmeye ikna etmek için verileri kullanın. Haklısın.
Daha önce inandığım "veriye dayalı iş" ifadesi yanlış mı?
Şu anda lütfen asıl amacınıza geri dönün! Esas niyetimiz nedir? Bu, işletmenin sorunları çözmesine yardımcı olmak için verileri kullanmak ve işle ilgili karar vermede yardımcı olmak için verileri kullanmaktır. Veri analizi sadece bir formdur, elbette başkaları da vardır. Bu nedenle, veri analizi ve algoritma modellerine takıntılı olmayın. "Kara kedi veya beyaz kedi fark etmeksizin, fare yakalamak iyi bir kedidir."
Veri analizi ve algoritma modellerinin kısıtlamalarından kurtulabilirseniz, geniş bir dünya ile karşı karşıya olduğunuzu ve veri okyanusunda özgürce dolaşabileceğinizi göreceksiniz.
Takip etmeye odaklanmaya başlayabilirsiniz Veri çözümlerinin pratikliği, uygulama ve uygulama etkilerini vurgular.
İş tarafının ihtiyaçlarını gerçekten anlamalısınız. İş tarafı ürünleri seçip fiyatlandırdığında, referans için rakip ürünler hakkında bir ürün verisine ihtiyaç duyarlar; iş tarafı herhangi bir zamanda mevcut sipariş hacmini görmek istediğinde (özellikle 618 veya Double 11), verileri gerçek zamanlı olarak toplamanız gerekir. Ve bunu onlara gerçek zamanlı olarak sunun; iş tarafı yalnızca genel işletim verilerini değil, aynı zamanda her bölge, departman ve mağazanın işletim verilerini de görmek istediğinde, çok boyutlu bir detaylandırma işlevi geliştirmeniz gerekir ... ve bunlar Bunlar veri analizi ve algoritma modelleri değil, aynı zamanda veri değeri de üretebilen veri uygulamalarıdır.
Bir şansın varsa, olmaya çalış Veri Ürün Yöneticisi . Veri ürünü yöneticilerinin iş işlevlerini ürün perspektifinden uygulaması gerekir. Mevcut veri ürünleştirme eğilimi altında, bu çok zor bir şey ve iyi yapılması kolay değil. Sonuçta, büyük bir kullanıcı grubunu memnun etmek, tek bir kullanıcıyı memnun etmekten çok daha zordur.
Veri ürünü tasarımında, veri goruntuleme Önemli bir şey. İyi bir tablo konuşacak ve iyi bir işlev kullanıcının kalbini tutacaktır. Veri ürünleri bir kenara bırakılsa bile, yine de verilerin analiz raporlarında görselleştirilmesine ihtiyacımız var.
Veri görselleştirme, net ve göze hoş gelen net bir veri mesajı iletir. Bir veri çizelgesi çizmekten işlevsel düzenin titiz tasarımına, işlevsel ayrıntıların dikkatlice kavranmasına kadar, gelişmeye devam etmeniz gerekir. Bir kez ilgilendiğinizde, onu çabucak şımartacaksınız çünkü bu güzelliğin bir ifadesidir.
Beş, 10 yıl +, "İlerleyin", yenilik, girişimcilik, yaratma
Evet, bunu on yıldır yapıyorsunuz ve umarım ilk seçiminiz ve ısrarınız konusunda hiçbir pişmanlık duymazsınız.
Şu anda, birçok darboğazla da karşılaşıyorsunuz. Belki iyi bir dövüş sanatınız var ama patron tarafından tekrar kullanılamıyorsunuz. Belki güçlü bir oyuncu olmak istiyorsunuz, ancak çeşitli nedenlerle teknolojiden gittikçe uzaklaşıyorsunuz. Gitmezseniz, belki ağır işlerle yüzleşmek için fazlasıyla enerjiniz var ve her türden klon eksik ... Kendinizi kırmak için bekliyorsunuz ve fırsatlar arıyordunuz.
Bu zamanda yavaş yavaş orta yaşa giriyorsunuz, belki yağlı olmaya başlıyorsunuz, belki figürünüz uzun zamandır zayıf olmaktan uzak, belki yıllar yüzünüzde ve saçınızda izler bırakmaya başlıyor, belki düşünceleriniz giderek katılaşıyor Zaman ilerledi ... Belki de en önemli şey, orijinal tutkunuzu çoktan kaybetmiş olmanızdır.
Başkalarının gözünde on yıldır bir sektördeyseniz, ne olursa olsun, zaten bir uzmansınız, bu yüzden lütfen kendinize güvenin!
Ayrıca çevrede belirli bir etkiye sahip olmanız gerekir, ihtiyacınız olan Kişisel bir marka oluşturun , Çemberin içinde ve dışında daha iyi yayılma olması en iyisidir. Bu şekilde, başkaları sizden bahsettiklerinde, sık sık "Bu kişi güçlü analitik becerilere sahip", "Veri alanında derin bilgiye sahip", "Olağanüstü modelleme becerilerine sahip" derler. Onların gözünde sizi en çok etkileyen etiket, en çok istediğiniz etiket olacaktır.
Belki adım adım ihtiyacın var Kurs öğretme becerisini geliştirin , Bu bir tür bilgi paylaşımı ve aktarımı ve ayrıca kişisel etkiyi artırmanın etkili bir yoludur. Yüzünü gösterme şansını bırakma!
Analiz sonuçlarının, geliştirilen modellerin ve veri ürünlerinin yalnızca değer üretmek için kullanılabileceğine dair derin bir anlayışa sahip olabilirsiniz. Daha fazlasını alacaksın Veri uygulama sorunlarına dikkat edin . Bu konuya odaklanmaya başladığınızda, kendinize şu soruyu soracaksınız: "Kullanıcılar veya iş dünyası gerçekten neye ihtiyaç duyuyor?" Şu anda, kullanıcının düşünmesini sağlamalısınız. İşe verdiğiniz önemi artıracak ve devam edeceksiniz. Verilerin pratik uygulaması hakkında düşünmek için iş seviyesine geri dönün.
Her zaman daha iyisin Güncel sosyal trendlere ve trendlere dikkat edin , Özellikle İnternet ile ilgili. Bu, açık fikirli olmanıza, toplumun eğilimi hakkında içgörü kazanmanıza, kendi düşüncelerinizi yönlendirmenize ve potansiyel fırsatlardan yararlanmanıza olanak tanır. Mevcut sektördeki başarılı veri uygulama vakaları hakkında bilgi edinebilir, kendi fikirlerinizi geliştirebilir ve çeşitli sektörlerdeki verileri kullanarak hangi sorunların çözülebileceğini, olası fırsatların nerede olduğunu ve ne yapmanız gerektiğini düşünebilirsiniz.
Yüzleşmeniz gereken şey, veri uygulamalarının her zaman bir endüstri veya kuruluş için araştırma yapmasıdır. Bir veri uygulama fikri veya projesi başarılı olduğunda, daha fazla kaynak girdisi alacak ve ne kadar büyük olursa, başarısız olursa, hemen terk edilecektir. Bu nedenle, yenilikçilik ruhuna, yeniliğin cesaretine ve özgüvenine sahip olmalıyız.
Pozisyon açısından, belirli bir yönetim işini üstlenmeye başlayabilirsiniz. Bu nedenle öğrenmek zorundasın Takım yönetimi, yukarı ve aşağı yönetimi nasıl yapacağınızı bilin.
Günlük işleriniz gittikçe daha fazla olacak, Ayrıca zamanınızı etkili bir şekilde yönetmeyi öğrenmeniz gerekir. Bir "liste kontrolü" haline gelebilirsiniz. Ancak, zaman yönetiminin kendi kendini yönetme ve enerji yönetiminin en önemli olduğu belirtilmelidir. Fiziksel egzersizi güçlendirmenin önemini anlamaya başlamalısınız. Birincisi, formda kalın, kutsanmaya hayır deyin, ikincisi, dinç kalın, yorgunluğa direnin ve üçüncüsü, fiziksel sınırlarınıza sürekli meydan okuyarak kendinizi canlandırın ve tutku bulun.
Nasıl olduğunu da düşünmeye başlamalısın. İş ve aileyi dengeleyin Sorun.
Dünya her zaman değişiyor. Ayrıca "kararsız" olmalı ve eğilimi takip etmeliyiz.
İster 10-20 yıl önce BI (iş zekası), ister son birkaç yıldaki büyük veriler, ister son birkaç yılda sıcak olan yapay zeka veya yeterince açık olduğumuz, hassas içgörüler, dokunma fırsatları ve inovasyon olduğumuz sürece gelecekte ortaya çıkan daha fazla kavram olsun , Girişimcilik, yaratma ve kendimizin sürekli başarısı.
Wang Guozhen "Love Life" da yazdı: "Başarılı olup olamayacağımı düşünmüyorum. Uzak bir yer seçtiğim için, sadece rüzgar ve yağmuru dikkate alacağım."
Kahraman kökeni sormaz, kararınızı verdiğiniz sürece, daha sonra başlasanız bile ona ulaşırsınız ve daha ileri gidebilirsiniz.
Son olarak, bir veri sorumlusu olarak sizi cesaretlendireceğim, "Bir veri taşıyıcısı değil, değer yaratıcısı olun."
