这一期我的数据分析交流群讨论一个话题,关于从事数据分析岗位,你踩过哪些坑,小伙伴们都踊跃参与的讨论,也让我学到很多经验,借此整理了一些大家回答中的干货,希望能够帮助大家,在数据分析的道路上,少走弯路。
话不多说,高质量群员分享附上!
数据之路上,你踩过的那些坑?
不论是已经从事数据行业的朋友,还是正在学习数据分析的同学,相信大家或多或少都踩过一些坑,绕过一些弯路,欢迎大家分享自己踩过的那些坑。
实用回答分享
感谢大家的分享!有些同行的回答,真是数据分析人的血泪史。想进群一起交流讨论的可以拉到文末。
关于这个主题,我也简单给大家讲讲几个我认为最常见的坑。
1.投入过多精力学习工具,而忽视了基础思维概念
我一直不提倡想要入行数据分析的人蒙头就学各种分析工具,学会了R、Python和各种BI工具后就觉得已经成为一名合格的数据分析师了,这根本就是错误的想法。像我自己在给新人面试的时候,一般都会先问问基础的统计学概念和考察业务思维,这两点没过关,技术再好我也是不会录用的。
2.这么多工具,全部都学一遍总不会错吧
大错特错,我相信大多数企业更想要精通某一方面的专才,而不是什么都只懂一点人。数据分析相关的岗位很多,涉及到的工具技术也很多。有的业务口侧重的是Excel、sql、python和BI,也有岗位偏好用SPSS,如果是技术口的数据分析,则对数据挖掘和一些大数据技术算法有较高要求。所以在选择入行转行的时候,就要确定好自己的发展方向,侧重岗位重点要求的几个技术,重点去学习。
1.求职的时候,公司面试造火箭,入职拧螺丝
已经听过不少朋友反馈,自己入职后的工作,和当初投递岗位的描述根本不一样,岗位描述高大上,实际入职后基本都在取数做表。这就是典型的画大饼的公司。所以在面试的时候,一定要和你入职部门的面试官详细问清楚你入职后需要做的工作。
2.业务需求没理清,就开始闷头分析
这是工作中的大忌。需求分析和核对是分析之前非常重要的一个环节,尤其是碰上了你不理解或者是模棱两可的需求,更需要和业务确认清楚。这一步如果没做好,后面可能需要花费更多的时间和业务去扯皮,甚至有可能做出来的分析和业务想要的完全不一样。
3.各部门的数据指标不统一
这个问题昨天有群友也反应了。很多公司同一个指标,不同的部门都有各自的统计口径,最后的分析结果会有很大的差距,各部门都不理解。这个时候,其实数据部门的人可以牵头去统一指标口径。
再次感谢大家的参与!很高兴能看到这么多同行积极讨论,乐于分享,希望在大家的共同努力下,数据分析这个圈子能够日益良性发展。
大家在开发Python的过程中,一定会遇到很多反斜杠的问题,很多人被反斜杠的数量...
大数据市场如今正在呈爆炸式增长。根据调研机构Markets and Markets公司的调查,...
案例背景 永安稻香小镇的体验式数字农业基地是余杭街道依托“阿里以西10分钟”的...
本月DataWorks产品月刊为您带来 产品活动 1.参与阿里云DataWorks问卷调研 (Aliyu...
操作场景 您可以删除不需要的私有镜像。 删除私有镜像后,将无法找回,请谨慎操...
公司介绍 长沙营智信息技术有限公司旗下易撰网,2017年10月份上线以来,基于数据...
【51CTO.com快译】不知道您是否听说过软件架构师最讨厌意大利面这个梗?它是指软...
【51CTO.com快译】 数据分析是对数据进行判断、细化、更改和建模的过程,目的是...
人脸识别 是目前商业应用最成熟、最广泛的人工智能技术之一,成为开发者、企业接...
阿里巴巴、腾讯、支付宝、网易、IBM、谷歌、京东、 百度、滴滴等一线互联网公司...