
剛入門時,我對數據分析的理解很窄,大多通常琢磨在技術上,接到一個數據需求後,键盘就開始咔咔响。隨著項目越複雜,除了少部分特別專攻的領域對技術特別高要求外,數據分析還是一個很廣泛的學科,一個項目可能會涉及到許多層面。
即使一個臨時取數需求,也可能會採到坑,像是:
- 做太久,業務方等得不耐煩
- 配合不順暢,被批評不懂業務
- 項目期望太高,無法真正的落實
相信上面3個坑,絕大多數分析師都遇過的!(有遇到的底下留言啊)。另外為了以後自己輕鬆,也可以對需求往內鑽研,嘗試系統化/自動化,包含:
- 業務流程目前是怎樣?流程合理嗎?
- 各環節的數據是怎樣產生的?怎樣儲存的?
- 他們目標是什麼?
- 他們最迫切怎樣的數據?
- 這個數據足夠嗎?我要怎樣滿足他們需求、甚至超出預期
- 數據會被拿去怎樣的消費或使用?
透過一串的思考與諮詢,可以將一項臨時需求轉化為更貼近業務的體系。
我認為數據分析就是個f函數,把X(date)input,Outpute出Y,因此兩端知識都必須具備。我們必須盡可能的理解被我們inpute的數據怎麼來的?後端是怎麼處理的?技術是怎麼實現的?數據是怎麼管理的?也就是數據的生產過程;我們也必須足夠了解業務,包含業務邏輯、交付方式、開發時程、實現架構等,讓產出發揮出價值。
再往遠一點的看,職涯生活是這麼的很長,數據分析這條路有沒有把事情做好的方法?要如何發揮更大價值?技術上有什麼圖破?如何領導他人?產業發現情況怎樣? 別人是怎樣做的?這些也是在職場上必須關注與思考。
我稱為\”數據分析的橫向\”學習之路“(不是斜杠..)
在數據分析blog?會有人看嗎?–我為什麼在medium寫部落格文章提到,網上的許多人真的幫助了自己很多。
因此把近年個人在學習工作中發現的一些不錯的個人博客或者大佬們寫的文做了整理,放到github上做記錄,方便review也分享出來,後續會不斷更新。
分為(1)大數據(2)數據知識(3)職涯 (4) 互聯網人物誌。 歡迎有興趣的朋友自由閱讀