https://mp.weixin.qq.com/s/izvPAnwajH99mAfBFcI4sA
觉得需要经历过三个阶段
1、通过日常事务打好基本功
2、通过大项目和高手开拓视野
3、通过空闲时间沉淀方法论
1）平时的提数：代码比较乱，别人看起来好累，自己下次再用也找不到地方。代码简介规范，命名有可解读性
2）周日报：很少看常规数据，即使看也是快速扫过。数据口径都要清楚，周末群里被问到可以很好预判和解释
3）数据异常：每次都是花大量时间去排查，基本套路都没有
4）需求沟通：没有需求沟通，即使沟通逻辑性也不强，和别人很难愉快的聊天
5）个人KPI：不知道自己KPI是什么，做事目标性不强，时间一直被各种聊天/需求打断，没重点性
6）产品体验：没有进行过产品体验，不知道如何去描述自己的产品。要能够每天去体验产品，特别是新版发布后一定要去体验并观察数据并同步
7）专题报告：模版都是参考前人的，或者在网上随便找的，没有自己的一套分析流程，对比标准化流程：
8）乐观自信：遇到一些困难就容易退缩或者找借口。数据分析是一件需要多方协调沟通的事情（撕逼的事情经常有），控制你的情绪，给团队正能量，也给一个更好的自己。
我们在权衡利弊的时候，往往都认为已经考虑了所有的利和弊，但这本身就是一个伪命题：外界的影响因素太多，会给我们带来各种新的利和弊，你很难在开始的时候考虑清楚
而对比下来，比较好的一种思维方式是交换思维
还是以肯德基这件事，你节省了金钱，但一定会增加其他的物质形态，时间/公平/效率/信用/善良等等。我现在出去吃饭，如果遇到排队我一点都不急，因为我知道：如果我不需要排队，也就是节省了时间，那一定会出现其他的物质形态提升，比如价格比较贵/口味不太好/吃饭点不太对（对身体不好）/服务态度差/周围没什么人气/地方很远
同样，你当前的一份工作如果钱多活少离家近，那肯定也会增加其他的物质形态，比如花了好几年时间/好多关系才找到这样一份好的差事。
我发现，一旦用交换思维去考虑事情时，很多时候人会变的很舒服，心都用在做事上了
第一个问题：对于短视频APP，怎么去评价一个视频的好与坏
第二个问题：在这么多指标当中，如果只让你选取一个指标，你选择哪个，能不能举个例子你为何这样选取
第三个问题：你觉得如果以视频CTR作为主指标的话，会存在什么问题，然后可以怎么去优化
第四个问题：假设视频app的DAU近期一直在往下探，用户的视频播放时长也在往下走，现在每天都在试着用短信召回用户来看我们的独播剧集，然而短信越发越多，该剧集的播放量又越来越少，如果是你，你会怎么去解决
第五个问题：你日常最喜欢的一个视频APP是什么，为何，你觉得目前他的产品有哪些点可以优化
数据分析师的职业天花板
https://mp.weixin.qq.com/s?__biz=Mzg5MTE0MzEwNQ==&mid=2247484271&idx=1&sn=74d03b6a49406cca98035c6d274859d8&chksm=cfd095c1f8a71cd7d61a239931fbd936d3e817e53c85fcfa00396ad4ed536506aabe7ff1741c&scene=21#wechat_redirect
数据分析师有三条线：技术线、研发线和业务线
技术线一般叫数据工程师，主要是实现大数据平台安装部署，编程水平要高，
研发线一般叫算法工程师，主要是通过数据挖掘、机器学习、人工智能来完成重复动作，提高分析效率，数学功底要深。
业务线一般叫商业分析师，主要是解决业务难题，得懂业务，会思考，应用能力要强。
巴德卡德尔把该如何选择职业分成三个方面：擅长做的、喜欢做的和能赚钱的。
如果你喜欢而且擅长，却不能以此为生，就要学会将技能变现。
如果你擅长而且可以赚钱，但不喜欢它，就要学会说“不”
如果你喜欢而且可以赚钱，但却不擅长，就要提升自己，把它做好。
如何玩转数据可视化
https://mp.weixin.qq.com/s?__biz=Mzg5MTE0MzEwNQ==&mid=2247484260&idx=1&sn=e4c07c30e52287c4d38822a207ac714d&chksm=cfd095caf8a71cdcdc1fdcc1462e6d1c614d03990e5bd966280633ee7e7e835a8f4567c58c0e&scene=21#wechat_redirect
如何做好图表可视化，应该具备哪些原则？
一是平衡性。
二是逻辑性。
三是准确性。
四是稳定性。
般可视化都采用哪些工具，都有哪些特点，你最喜欢哪个工具？
一是在线可视化工具。主要有镝数、花火等，优点是图表种类丰富、类型新颖、配色年轻化，还提供了一些十分酷炫动态图表，操作也比较简单，很多新媒体都在用，缺点是数据保密性不够。
二是编程可视化工具。主要有E-charts、D3、ggplot、Matplotlib、pandas、plt等，优点是可以制作大型数据集和交互动画的图表，高端大气上档次，可视化效果跟脑洞大小呈正比，缺点是需要有编程基础，门槛较高。
三是商业智能工具。主要有帆软、Power Bi、Tableau等，是专业的大数据 BI 和分析平台，主要为企业提供一站式商业智能解决方案，用他们做数据可视化大屏真是妥妥的。缺点是需要一定的编程基础，另外很昂贵。
四是基础可视化工具。主要就是Excel，优点是通用、易用、实用，傻瓜式操作，基本上人人都会，使用成本较低，同时还有基于excel开发的图表插件Thinkcell Chart、Zebra Bi，国内可视化大神Peter开发的Easyshu，可以高效地制作出商业图表。缺点是Excel本身主要制作常规性的图表，很多特殊图表无法实现，功能强大的图表插件价格不菲。
关于数据分析师的两部电影和一个建议
https://mp.weixin.qq.com/s?__biz=Mzg5MTE0MzEwNQ==&mid=2247484204&idx=1&sn=c006984ac66650c229f0934cf829e204&chksm=cfd09582f8a71c9441ebbd8cf67714d8f4604d43296aa8249e870fb49cb56b0d378a03c2a618&scene=21#wechat_redirect
数据分析师多数扮演服务角色，如何与需求部门做好信息沟通？
这里的理解和信息分为两个层次，第一个层次是理解业务部门在做什么，发生了什么事情和即将发生什么？第二个层次是理解业务部门最核心的关注点和背后的逻辑。
第一个层次的信息沟通是最常见的，但同时也是最零碎和不完整的。
很多时候数据分析师在没有完整背景信息的情况下接到业务部门的需求和问题。例如，在一次运营活动中，数据分析师可能在缺少整体目标，预算，预期效果的情况下接到分析需求，这样则很难满足业务方的需求，而对于单纯的取数需求，则根本没有价值可言。
这种情况下在于需求部门进行沟通时，建议数据分析师与业务部门一起建立一个需求部门日程表，将需求部门的工作排期，和背景信息包含在内，将信息沟通工作从一次的需求性变为日常工作。
第二个层次同样需要数据分析师对宏观的把握。
坦白的来说，很多时候需求部门中提需求的人自己可能都不太清楚这个需求的目的和背后的逻辑。这可能很正常，因为大部分需求都是一层一层拆解下来的。层级越多，需求越容易变形。而每个层级关注的点又不一样。解决这个问题的方法就要求数据分析师跨越业务层级，有顶层的宏观思维的能力。
最快入门数据分析的方法就是熟练掌握一个工具，无论是Excel，SQL，还是Python都能帮助快速入门，但请不要止步于工具。
https://mp.weixin.qq.com/s?__biz=Mzg5MTE0MzEwNQ==&mid=2247484195&idx=1&sn=ab3a3333645e8aacb2504bb61401a6d7&chksm=cfd0958df8a71c9b0f00e83c37ec8c1fa6183ecb4d0ecf8c1cf0defd6f550c483065b2b470a9&scene=21#wechat_redirect
否反复思考过数据是否进行了合理验证？数据的关联性是否做了评估？数据加工处理是否严谨？
数据分析师需要有一种对数据分析的洁癖。对数据的尊重是需要深深地种在分析师的心里的，只有这样才能赢得他人的尊重，也能积攒对自己的肯定。让遇“数”三思，成为一种职业习惯。
数据分析好比开矿。数据分析师用锲而不舍的精神，握着专业的工具，看到开采出的价值点之后内心充满喜悦。这永远是一名数据分析师的初心。
数据分析团队的价值是什么？
https://mp.weixin.qq.com/s?__biz=Mzg5MTE0MzEwNQ==&mid=2247484190&idx=1&sn=5435369ea2e9412351879dbdcc6dbfea&chksm=cfd095b0f8a71ca6543d05c20d59e44c099e14eeadd7a0af7a4a54bc7c27a5060330b5507202&scene=21#wechat_redirect
数据分析师的价值是什么？
1）描述现状
“分析什么问题, 往往比用什么方法更重要”, 我常常跟分析同学说“如果你只有2天时间完成一个分析，你花一整天时间想明白分析什么都不为过，如果你真的想明白了，剩下的就是体力活了”。
主动思考 “取什么数？”, “为什么取”往往比 “怎么取”, “是多少”更重要，这才是成就你价值的地方。
2）寻找规律。这个环节最核心的产出就是：我发现了什么规律，而不是我用了什么方法。
3）推动改进。如果不能，我们要反思是不是把时间花在了正确的地方？我们以后要怎么做, 才能让我们的单位时间投入产出最大化?