写在前面
大家好呀，又是半个多月过去了。
经过这段时间的深（ji）思（xu）熟（tuo）虑（yan），我决定把数据分析课程的可视化内容更新战略性放弃了。
这个课程的可视化一章一共包括三大部分内容——Excel可视化操作、Tableau可视化操作、FineReport帆软可视化操作。（Python的可视化在前面的课程中略有涉及，但是在此部分章节中没有延伸去讲）。
这三个可视化工具一个比一个酷炫，虽然学习难度不大，但过程比较繁琐，需要一遍一遍地看视频，自己跟着操作和练习。
我大概搜了一下，小破站上相关的视频很多，大家可以去学学看。我就不做重复劳动给大家录视频了，如果在学习过程中有问题的话可以联系我沟通交流。
对了，Tableau有14天的试用期，学习是够用了，如果后续需要经常使用，可以去某宝买账号，50块钱搞定。
目前数据分析课程还剩下最后一个部分的理论学习，主要是一些数据分析的方法论，课程这周才正式开始，接着我会陆续更新理论部分的内容。
其实整个课程学到现在，我最大的感触是如果缺乏实际需求和实践机会，很难说能真正学会、学透数据分析，就算一时掌握了老师所讲的东西，但是时间长了不用，也会逐渐淡忘。
这就跟学英语是一个道理，不管你单词记得再多、语法学得再精，如果平时都不用，那么很难说你的英语学得很好，因为一旦需要你开口说的时候，你就会意识到自己其实是个菜鸡。
学习数据可视化时，虽然每节课节奏非常紧张，课下往往还要花2个多小时的时间来练习，但是所谓的“练习”也只是跟着老师的步骤进行操作而已，而不是自己在实际工作中遇到了某个问题，自己去分析数据、确定指标、写SQL语句、做可视化呈现。
缺失掉了这个自己思考和解决问题的过程，学习效果就会大打折扣。不过课程最后会有一个综合分析案例，给出原始数据，不规定分析方向和指标，自己从0开始，实践数据分析的全过程，最终产出一份数据分析报告。
我会在课程结束后把这个综合案例的操作过程总结一下分享给大家，希望我说到做到。
要把 Python 用起来
过去一年，不断地有小伙伴找到这里，下载Python3的中文教程。在视频学习已经如此普遍的当下，还有这么多小伙伴坚持看书学习，实在令人佩服。
说实话，过去一年多，我学了很多计算机相关的基础技能，从web三大件、前端框架，到小程序，再到跨平台应用Uniapp、Flutter，以及后端Node.js，甚至到区块链、智能合约Dapp开发等等，基本都是通过视频进行学习，效率的确比看书看文字高很多。
不过，学习过程的效率是一回事，学习效果如何又是另一回事。虽然我在自己永不停歇的好奇心驱使下学了如此多的东西，但是真正能掌握并应用的可以说寥寥无几。
主要原因就在于，我只学不用。
我在学习的时候也会跟着视频敲代码，但是我只是照葫芦画瓢，并没有用这些技能来解决实际问题。
这种快速学习法并不适用于大多数程序员和开发者，因为他们的目标是要熟练掌握甚至精通某些领域，而我的学习目的只是快速了解一门计算机语言是如何使用的、一个应用是如何从0到1开发出来的，背后的原理是什么。
当然，我的最终目的还是希望能够在遇到需求或问题的时候，能够知道该使用什么工具、能够灵活运用这些工具来解决问题。但是现在由于职业所限，缺乏解决实际问题的机会，只能先“眼高手低”了，等以后遇到了实际需求和问题，再去加深学习和应用。
前阵子在知乎上看到一个问题，说学了半个月的Python，觉得没什么用怎么办？
说实话，我从2018年初正式启动Python学习到现在，除了数据分析课上的Python练习，其他真正用Python解决自己实际问题的机会只有三次。
第一次是需要将一本影印版的PDF书转成文字版，试了几个OCR软件效果都不是很好，最后就用了百度的OCR SDK，写了一个 Python 脚本。效果杠杠的，错误率很少，免去了大量的校对时间。
第二次是要做一套PPT，想找一些模板做设计参考。但是到PPT模板网站上看图片不方便全面对比，而且图片还要一张张保存，于是就用Python写了一个爬虫脚本，半个小时竟然把那个网站一个类别下的7000多张模板图片全都下载下来了。
第三次是从一个无版权图片站下载了一些不同尺寸的图片，这些图片下载下来文件名是好长一串乱码数字，为了区别不同尺寸的文件，我想用每张图片的内容信息和尺寸信息给这些图片进行重命名。于是就写了一个 Python 脚本，不到1分钟就把手工操作可能需要2个小时的重命名工作完成了。
其实细想一下，我们的工作中其实存在大量可以用 Python 去自动化的工作，只是一般情况下，由于工作量不大，所以我们宁愿花2个小时机械化手动操作，也不愿意花半天时间研究怎么写一个 Python 脚本来给自己提升效率。
但是工具的掌握一定是建立在多次运用的基础上的。也许对于只有语法基础的我们来说，写一个这么小的 Python 脚本需要半天时间，但是只要我们愿意多花几个这样的半天，那么我们对 Python 的运用就会越来越熟练，总有一天会只用一个小时写脚本+5分钟运行，来替代5个小时的手动操作。到那时，你就会发现，自己不再是一个人面对繁重的工作，而是带领着一个可以灵活配置、随用随取的机器人团队在战斗。
AI和自动化替代机械重复性工作已是大势所趋。这也是为什么我乐此不疲地去学习各种计算机工具的原动力。既然替代必将到来，为什么我们不快人一步，先用自己可以掌握的技能去解决掉自己工作中的机械化部分，节省出更多的时间去做更多高价值的事情，以便在科技发展的滚滚浪潮中乘势而起，不至于掉队。
写在后面
其实我本来是准备把第三个脚本的研究和实现过程写出来分享一下的，因为是这周末刚搞的，正热乎着呢，结果一不小心写了这么多感慨。那就明天再分享吧（捂脸~
最后，祝愿每一位学习 Python 的小伙伴都能早日将它用起来，为自己分忧解难。