数据分析学习第1周总结及反思

上周开始在Datacamp系统学习用R做数据分析，感觉这一周过得很充实，每天晚上都会想着再多学几课，现在一周过去了，已经完成了开头的4课，也就是完成1/4了，照这个速度下去，一个月就可以刷完data analyst的track。

而且最关键的是，只要29美元（不到200RMB）就可以系统学习数据分析，以及还可以拿一个证书到linkedin上边分享！再想想国内好多数据分析的培训动辄几百几千，真是伤不起。不过想学datacamp上边的课程也确实有个门槛，就是英语。因为讲解没有字幕，所以对英文基础弱一点的同学不太友好。相比而言，udacity就做的好多了，不过也贵多了。

这段时间的学习过程虽然不枯燥，不过毕竟是对着电脑不停的写东西的过程，很多时候还是会感到有点闷，可以说是自己跟自己对话的过程。这段过程中自己也想到了很多。

首先，是想到了过去自己学习编程的经历

我跟编程有3次亲密接触的机会，很可惜当时都没有坚持下来。这些没有坚持下来的原因都是我现在引以为戒的东西：

1. 用成长性思维看待学习，而不是以天赋不足为借口放弃
2. 全面接受学习一个东西所能带来的好处，以及换取这些好处自己所要付出的代价
3. 有限东西现在看来用不到，但学了总不会有坏处，将来不知道什么时候就会用到了

其次，观察到了自己急于求成的心态。

每天都想快点学完一课，拿到证书。datacamp的课已经做得很游戏化，每次完成一个小模块都会很有成就感，完成一个大模块还能拿到证书，可以晒到linkedin上边。于是我很想每天都能完成一课。如果从积极角度看，这是好学的表现。但反过来看的话，这其实是想一口吃成个胖子，是一种基于求成的心态。

经常有人会问：“从0基础到成为一个数据分析师大概要多久呀？” 这种问题，如果仅从datacamp上边的数据来看，完成data analyst的track需要64小时，完成data scientist的track需要90多个小时。也就是从这个意义上说，64个小时的学习你可以从0基础到数据分析师，平均每天1小时学习，大概两个月的时间。

可是真正成为一个合格的数据分析师或者数据科学家并不是这么短短不到100个小时的学习可以完成的，后边还需要有大量的练习和经验的积累。而且每个人基础不同，每天投入的时间不同，所以其实这个问题本身并没有一个标准答案。

但为什么大家还都是想问呢？我觉得很多时候是一种急于求成的心态。我现在零基础，想在最短时间内成为数据分析师或者数据科学家，怎么办？

答案就是多投入时间。

其实很多问“什么方法可以快速完成某事”的人，都是在问“什么方法可以既快又简单地完成某事”。但是并没有这样的方法。

去往目标的路程是大致稳定的，想要缩短时间，就意味着连夜赶路

想快，就意味着辛苦和付出，意味着每天晚上其他人在看电视、打游戏、刷朋友圈，而你只能刷代码。如果对这个过程没有正反两方面的全面的认识，而只是想着好的一方面，想着快速完成以后可以顶着数据分析师的title找到一个6w美金每年的工作，那就很有可能在遇到困难的时候没有办法坚持下来。

最后，跟datacamp借鉴游戏化学习的方法

Datacamp把很大一块数据分析的内容拆成了很多小的课程，每个课程又拆成了很多小的模块，这样学习起来就会很有成就感，一小块一小块的学习，每天用零碎的时间就可以完成。学起来很开心。

如果能把这样的方法放到学习其他知识上边一定也会很有效率。不过可惜的是其他很多学习内容并没有一个网站帮助你做成这样一个“学习-练习-反馈”的程序，所以只好自己来做。

比如我去年开始学习哎呀音乐-徐又老师的吉他入门课。课程一共要学5个和弦，每个和弦一首练习曲、一首分解和弦歌曲、一首扫弦歌曲。主体一共15个学习模块，加上其他各种分支内容，我把它们做成了一个excel表格。每个模块练习的时候就记录一下。

吉他学习记录表

这个方法我还没有使用熟练，不过这种安排和管理学习进度的方法一旦学会了是可以迁移的。未来是终身学习的时代，游戏化学习的技能对我们每个人都很有用。

---

最后还是贴上这周完的后两个证书，给自己一点鼓励。

第3课

第6课

（不过话说，datacamp的这个证书设计的真是丑啊 ╮(╯▽╰)╭）