数据科学与大数据（3）

数据分析，它不应该是在一个不适合的工具下生搬硬套

 工具为具体的场景服务，换一个场景大概率会很鸡肋，对于一个成熟的分析师来说，十八般武艺样样精通到后期为常态，不要产生工具上的路径依赖，不要想着学一个工具就一朝鲜吃遍天，你可以对某个工具深入钻研，但这种钻研不能阻碍你根据场景灵活学习和使用新工具。不会使用报表，就无法理解业务背后的逻辑，不会批量自动化的BI和Python操作就无法为更大规模的业务团队提供数据支持

 数据表达它是基于数据化的表图文说明事实表达观点。常见的问题有两个:

表达的原则1.要客观做出的图表文都要基于事实准确清晰，不能让人看了数据还有歧义。2.是直观做出的图表一定要让人一目了然，图表并不是越复杂越好复杂，会增加理解的难度。一个成熟的分析师有制作复杂图表的能力，更要懂得合理的使用。3.高效增加每次表达中的有效信息密度，基于数据提升效率。

数据表达的形式和载体:

 表达的格式:

 专业的表达:

 完善图表常用九大形式:

 最常见的为长度。柱状图上配上折线也挺好的

数值型数据和类别型数据:

 如何出思路?就是先给自己提几个问题，然后在图表里找答案，根据问题和观点选择合适的图表类型，其次是做出图表后，再进行视觉图形的优化添加和调整就好

优化视觉图形组合，制造出有效信息密度更大的高效图表，例如:

 但记住:客观直观永远是高效的前提

 在以后的学习生活中牢记学习时的慢就是实战时的快

 第3个阶段1.提出关键数据，时间，日期要准确说明年月日。2.对于大数值和小数点过长的数据要四舍五入并给出合适量级的单位。3.视对象使用术语和缩略语，不要跟业务转业指标，也不要跟技术说行业黑话。4.说大白话，语言表达越直白越简单越好，千万不要兜圈子。

记住我们面对很多问题时的认知和解决方案，会极大地影响我们在数据分析之路的成长，甚至是很长一段时间的职业发展。

 第1个问题会决定我们专业的上限及成长的速度，第2个问题会将数据分析的价值最大化，第3个问题是薪资涨幅。

通过正确的学习方式提升知识储备和能力，是解决一切问题的最好方式，一定要搭建起属于自己的知识框架!只要你乐于解决问题，善于解决问题，如果善于解决问题就不会有问题难到你了，在学习过程中先学自己用得上的，有学习的需求，也有实践的场景。

学习知识解决问题都需要花时间，没有人能在有限的时间里积累起解决无限问题的知识框架:

 先充分理解别人的框架进行内化，然后看已有的框架能不能解决问题，其次果断学习新知识去解决问题，然后学会后进行总结，归纳到自己的框架里，最后甚至放弃原有框架重新搭建一个

 形成自己的知识框架，是我们深入学习所有专业技能时的必经阶段，更是进行创新的前提条件。在经过了什么样的事情之后，迫切发现自己无法解决这类问题，所以需要学习知识，更新自己的知识框架，以解决相应的问题，而在解决问题中明显发现自己成长了，这也便是这件事本身的意义，就是我们成长的过程，遇到问题时不应该把它视为障碍，而是应该把它视为我们成长的机会。

数据分析永远只是一门强力辅助技能，他能:量化业务到底做了多少、发现业务有哪些问题、算出市场规模判断竞品动作指导业务要做多少，又该怎么做，但他永远都无法替代业务的执行过程

牢记问自己三个问题:

 借助数据分析为我们带来更大的职业发展空间和更多的选择机会，关注我，和我一起奔赴下一场山海!