為什麼需要資料分析？
沒有衡量就沒有改進。資料是對現實世界的對映，能幫助我們建立量化的邏輯體系。資料中隱含著規律。
資料分析最重要的能力？
規劃解決方案（識題-》拆解-》排序-》反饋）+解決具體問題（統計學+機器學習）：
1、規劃解決方案
識題-》拆解-》排序-》反饋
盡可能的了解現狀，識別真正問題-》分析因果關係，拆解成可執行的小目標-》設定優先要解決的課題，收益/成本最大化的-》通過反饋迴圈之前的步驟
問題**一定，是乙個或一些列業務指標。比如利潤。那麼驗收也就是看指標的公升降，代表現實世界發生了改變。
大目標是系列小目標組成的。比如利潤，是銷售額和成本的綜合影響。
最終指標與中間指標的邏輯關係越強，大目標能拆的越細，中間的過程就越能被我們把控。
怎麼提公升規劃能力？方**就在這裡，通過實踐和反饋，不斷提公升。
2、解決具體問題
大的目標已經被我們拆解成了小目標。比如找使用者流失跟哪些特徵有關。
有沒有完善的統計學知識。有沒有機器學習實踐。能解決的問題方法和效率就截然不同。
統計學+機器學習。要想上公升，是必選項。
從這兒就產生了分化，在機器學習領域沉浸很深，專注於解決具體問題，即所謂偏演算法。
對各種演算法了解應用場景和侷限，模型原理，但是**能力不強，即所謂偏業務。
當我們說自己偏業務時候，可能不是自己業務分析能力強，而是根本不懂機器學習，這就尷尬了，悲劇了。
所以不管說，自己能不能寫很多機器學習**，他們的應用場景是必須知道的，這樣即使自己實現不了，也可以委託給演算法組的人，有效的分工合作。
據說未來趨勢是你的跟人工智慧合作的能力決定了你的薪資。以上。
資料分析師職業簡介
原文在這裡 感覺老哥寫的不錯，於是就想著記錄一下。十分感謝，大有收穫。1 理論知識要寬泛，涉及數學 市場和技術。要求及對資料敏感，包括統計知識 市場研究 模型原理等。2 常規分析工具的使用，包括資料庫 資料探勘 統計分析工具，常用辦公軟體 excel ppt 思維導圖 等等。3 有一定的業務理解能力...
硬體工程師職業規劃
硬體工程師 職業規劃 在專案上硬體工程師擔當著乙個中流砥柱的角色,下面我 一下自己這幾年來的一些個人經驗及認識 1.軟體上需要配合嵌入式應用工程師以及驅動工程師 2.無線電硬體上配合射頻工程師 3.pcb需要配合結構工程師 4.生產上需要協調 商的物料 週期 備貨和 鏈 5.測試上配合emi等檢測 ...
一位資料分析師的職業規劃
為什麼要做資料分析師？在 通訊 網際網路 金融等這些行業每天產生巨大的資料量 長期更是積累了大量豐富的資料，比如客戶交易資料等等 據說到2020年，全球每年產生的資料量達 到3500萬億gb 海量的歷史資料是否有價值，是否可以利用為領導決策提供參考依據？隨著軟體工具 資料庫技術 各種硬體裝置的飛快發...