探讨一下:数据分析的未来还有发展机会吗?
09
2021-01
杂谈|做数据分析还有出路吗?
魔幻的2020让大家都开始“内卷”起来了,数据分析这个本来就很卷行业更是如此,业务部门数据化,数据分析专家化似乎是个大趋势,我们小分析师还有出路么?
LEARN MORE
鄙视链底端的数分人
数据分析这年头是越来越火了,不管是做什么行业什么工作的,似乎已经是不会点数据分析就不行了的节奏。再加上一些培训机构的煽风点火推波助澜,数据分析算是入行门槛越来越高,早几年可能Excel+PPT玩得足够溜就可以,后来逐渐开始水涨船高了,你至少得会写代码,刚开始是SQL就行,后来你得会Python啥的,再后来,不会个机器学习算法啥的简直不会有公司要你有木有。
市场上的数据分析师这个词一直有一定的误导,咱们行内的人都知道,虽然市场上都叫数据分析师,但实际上的细分的工种至少两大类:一类偏开发,一类偏应用。偏开发类的可能很长一段时间都还是市场上的香饽饽(也就是市面上哪些所谓的入行就能走上人生巅峰的),苦逼一些的就是我们这种偏应用的数据分析小伙伴了。
之前看过一个前辈形象的比喻,如果要把企业的数据分析业务比作一个医院,那么数据运营/业务部门就像护士,每天都来关注一下病人的心电监护数据,数据开发就像化验科,给病人出具各种检查报告,数据分析则像医生,来诊断病人到底病没病,要不要吃药。这么比喻大家可能会觉得数据分析很重要啊,毕竟医生才是医院的核心,但是在实际企业的业务中,数据分析往往是鄙视链最底层的那一个,稍有不慎就会沦为SQL boy或者茶树菇。此处还是想喊一句冤的,毕竟数据分析真的要做好了,对人的要求还是非常高的,不管是懂业务还是懂技术都是很有难度的,分析师还要求两个都懂。
分析师面对的困境也很明显,一方面是岗位本身对于技能的要求高(技术业务都要通),另一方面就是内部的竞争压力:业务自己都会分析了,要你分析师干啥。
专家化?给业务培训也行
业务部门数据化,数据分析专家化。
这基本已经是共识了,从分析师到分析专家除了扩展技术面、深挖业务这些大家常说的办法,还有什么好的办法么?
我想还有一个答案,那就是培训。
现在的企业都在追求数字化管理,显而易见这不是招一个牛逼的数据分析师就能搞定的事情,我们作为专业的分析师,除了搞搞常规的分析,推动推动公司整体的数字化管理变革也是极好的呀!
先问自己一个问题:业务自己都会分析了么?业务真的看懂数据了么?如果说不上来的话再仔细思考一下,业务有没有提一些让你没法分析的需求?比如,指标随便一点波动就要求分析一下原因,实际这是一个很正常的自然波动,或者分析验证一些从逻辑上就不可能成立的结论。我们的时间都被这些琐碎无聊的小分析需求给占据了,换个思路想,如果业务真的会分析了,就不会让我们处理这些无聊的分析需求了!
所以,破局的办法除了让自己的技术更精进一些以外,还有一个解法,就是把这些琐碎的需求教给业务自己分析,让业务对于指标是否异常有个理性的判断,把自己的时间空出来啊!
万物皆数据
严格来说,也是一个四年分析老司机了,最早带的学生也成熟手了,给想入行的小白们几点忠告吧:
- 要学的东西很多,别以为机构学点SQL啥的就行;
- 数据只是表面现象,数据背后的逻辑比数据更重要;
- 在企业做数据分析不是在学校写论文,又好又快地得出结论比什么都重要,但是下结论前自己要有验证(老板并不关心P值显著不显著,只关心策略有没有效)
同时也给各位同为鄙视链底层的苦逼的数分狗们加油打气,虽然我们数分狗现在很苦逼,但是能爬到高位的专家还得看我们偏应用的,偏开发的最多就是开发专家,而我们数分狗都是未来的CEO。
HR大数据
用数据赋能人力资源管理
上一篇: 怎样轻松成为*数据分析师?前辈10年精华心得大公开
下一篇: 大数据分析企业
推荐阅读
-
小红书大产品部架构 小红书产品概览--经过性能、稳定性、成本等多个维度的详细评估,小红书最终决定选择基于腾讯云星海自研硬件的SA2云服务器作为主力机型使用。结合其秒级的快速扩缩、超强兼容和平滑迁移能力,小红书在抵御上亿次用户访问、保证系统稳定运行的同时,也实现了成本的大幅降低。 星海SA2云服务器是基于腾讯云星海的首款自研服务器。腾讯云星海作为自研硬件品牌,通过创新的高兼容性架构、简洁可靠的自主设计,结合腾讯自身业务以及百万客户上云需求的特点,致力于为云计算时代提供安全、稳定、性能领先的基础架构产品和服务。如今,星海SA2云服务器也正在为越来越多的企业提供低成本、高效率、更安全的弹性计算服务。 以下是与小红书SRE总监陈敖翔的对话实录。 问:请您介绍一下小红书及其主要商业模式? 小红书是一个面向年轻人的生活方式平台,在这里,他们发现了向上、多元的真实世界。小红书日活超过 3500 万,月活跃用户超过 1 亿,日均笔记曝光量达 80 亿。小红书由社交平台和在线购物两大部分组成。与其他线上平台相比,小红书的内容基于真实的口碑分享,播种不止于线上,还为线下实体店赋能。 问:围绕业务发展,小红书的系统架构经历了怎样的变革和演进? 系统架构变化不大,影响最深的是资源开销。过去三年,资源开销大幅增加,同比增长约 10 倍。在此背景下,我们努力进行优化,包括很早就开始使用 K8S 进行资源调度。到 18 年年中,绝大多数服务已经完全实现了容器化。 问:目前小红书系统架构中的计算基础设施建设和布局是怎样的? 我们目前的建设方式可以简单描述为星型结构。腾讯云在上海的一个区是我们的计算中心,承载着我们的核心数据和在线业务。在外围,我们还有两个数据中心进行计算分流,同时承担灾备和线上业务双活的角色。 与其他新兴电子商务互联网公司类似,小红书的大部分计算能力主要用于线下数据分析、模型训练和在线推荐等平台。随着业务的发展,对算力的需求也在加速增长。
-
探讨一下:数据分析的未来还有发展机会吗?
-
三分钟带你了解手机内部硬件-主要影响手机性能的有以下几点 CPU - *处理器(手机中的大脑) CPU 是计算思考以及处理事物的。 比如:我们日常玩手机,什么最重要?毫无疑问是手机打开软件很流畅,使用各种功能不卡。 这就是CPU的性能,那什么影响 CPU 的因素有哪些? 架构 架构是 CPU 的基础,对于处理器的整体性能起到了决定性的作用,不同架构的处理器同主频下,性能差距可以达到2-5倍。可见架构的重要性。 那么什么是架构呢? 打个比方,架构就是一栋楼的框架。至于最终楼什么样子,就由处理器的厂商决定了,但是有一点,如果说这栋楼房的结构设计出来容纳多少人,那么最后建好的房子也要在这个范围内。同理,如果使用相同架构的处理器,那么本质上不会有太大的区别。 看一下主流手机的架构 处理器对比.jpg 从上图可见:高通 和 苹果都是自主设计,所以说它们牛还是有一定的道理的。不同的架构, 性能和功耗也是不同的。架构决定了 主频、核心数、带宽等和运算量直接相关的东西。目前很多手机打广告都是说 多少核的机器。但是并不是说核越多性能就越强,你没看见,苹果双核就能吊打高通和联发科吗? 制程 制程 专指:事物运作程序的处理过程。常指手机芯片框架的运算速度量。 简单的说就是电路板中电路与电路之间的距离,目前已经发展到纳米级别。 制程越小,可以向芯片中塞入更多的晶体管,随之而来的好处还有:降低电量和成本、散热。 制程数的确定 这里有人要问,为什么制程的数字是这些,而不是别的数字,比如有28nm,为什么没有29nm? 这其实是有一定规律的。根据早期国际半导体蓝图规划,由五个在相关领域较为发达的国家共同制定,约定下一代制程要在上一代基础上做到晶体管数量不变,芯片面积缩小一半。由这一关系可以算出前一代制程要比后一代大√2倍,所以能算出后一代大概数值。纵观整个处理器制程变化,除了少部分特殊的外,都遵循着这一规则。 近代制程的发展 2014 年底,三星宣布了世界首个 14nm FinFET 3D 晶体管进入量产,标志着半导体晶体管进入 3D 时代。发展到今天,三星拥有了四代 14nm 工艺,第一代是苹果 A9 上面的 FinFET LPE(Low Power Early),第二代则是用在猎户座 骁龙 820 和骁龙 625 上面的 FinFET LPP(Low Power Plus)。第三代是 FinFET LPC,第四代则是目前的 FinFET LPU。至于 10nm 工艺,三星则更新到了第三代(LPE/LPP/LPC)。 目前为止,三星已经将 70000 多颗第一代 LPE(低功耗早期)硅晶片交付给客户。三星自家的猎户座 8895,以及高通的骁龙 835,都采用这种工艺制造,而 10nm 第二代 LPP 版和第三代 LPU 版将分别在年底和明年进入批量生产。 手机芯片市场上已经进入了 10nm、7nm 处理器的白热化竞争阶段,而 14/16nm 制程的争夺也不过是一两年前的事。 总线位宽 总线位宽决定输入/输出设备之间一次数据传输的信息量,用位(bit)表示,如总线宽度为8位、16位、32位和64位。