
最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”?
有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一个人的出身决定了他 80%的命运;也有人说,之所以沦为底层,主要是没有掌握核心技能,也不通晓核心要素;更有人说,穷人之所以穷,不是因为笨,也不是因为懒。而是因为稀缺心态。
社会犹如一座复杂的金字塔,有人站在顶端俯瞰世界,而有人却被困在底层艰难求生。究竟是什么会导致一个人处于社会底层呢?
所谓20%定律,是指即使出身高贵的精英阶层,仍然有20%败落的可能。
2018年,纽约时报发布了一份报告。报告是由斯坦福大学、哈佛大学的学者和美国人口普查局共同研究的成果。
研究报告的主要内容:即便你出生在富裕的白人家庭,仍然很可能跌落到社会底层。
而这一概率是多少呢?研究数据显示:20%。
黄色方块:白人家庭,蓝色方块:黑人家庭。第一行是生于富人阶层,第二行是中上阶层,第三行是中产阶层,第四行是中下阶层,最后一行是穷人阶层。
那些出身优渥,占据着好的教育资源,好的人脉,身处上层社会的孩子们,也会有20%跌落底层的概率。
所以,所谓的“出身决定论”看来也并不全然正确。
你永远赚到到认知以外的钱,这句话相信我们都听过!认知的本质是对世界的理解能力。
有人觉得,认知能力是一个很虚无的能力,实则不然。认知能力本质上来说,就是你能不能看见问题的底层逻辑,并且能够找到方法去解决。
用电脑来举例,认知能力就是你的电脑系统,而你学的东西就是软件。如果你的系统不更新,那么你能学到的东西,也就是软件版本是更新不上去的,因为更新的软件需要更强的系统支持。
这也是为什么你看见有的人很聪明,但是他混得也就一般。因为他的软件版本比较高,但系统不行,运行起来很费劲。
有句话说得很好:很久没住的房子,就会有大量的灰,脑子也是一样,不去运用它,就会产生灰,灰多了,就影响大脑运行。
永远不要低估风口的重要性!人生最重要的事就是选方向,方向不对,努力白费。
Marketing上有一个说法:一件产品的成本,80%在它设计时就已经定下来了,以后所有的改进无非是修修补补。
同样,一个人的命运,80%在他生下来那一天就已经注定了,此后的个人挣扎也无非是20%的概率和运气。在过去的40年中,随着中国的崛起而成长,投资中国是最大的话题。
按照我们的计算,1976年年底全国的存款总额是220亿元,今天金融业总资产超过250万亿元,增长一万多倍,年化23%。这也就意味着在过去的40年间,每个中国人的财富都在按平均23%的速度增长着,每个中国人都堪比巴菲特,其财富的增长速度都比巴菲特的快。
1976年,巴菲特拥有600万美元,可以买下中国一座地级市。今天他已经有600亿美元,还是只能买下中国一座地级市。所以,「选国家」「选城市」就是最大的风口。
我们常常听见身边的人扼腕叹息,说自己错过了认购证+的风口,错过了房地产的风口,错过了BAT的风口,错过了滴滴打车的风口。
其实,这是不对的,因为你待在中国,中国就是最大的风口,中国就是最大的IP,每个中国人都分享了国力增长、民族复兴、平均五年一次的暴富机会。
我们常说“努力是成功的关键”,但越来越多的案例表明,选择正确的行业和赛道,才是决定个人未来命运的核心。
无论是求职还是创业,热情和拼搏精神固然重要,但如果没有选对方向,努力可能事倍功半,甚至是无用功。
行业和赛道的选择决定了你能进入多大市场、拥有多大增长空间以及面临多少竞争对手。一旦选错了行业或赛道,就算再努力,可能也只是艰难求生罢了!
2023世界经济论坛发布的《未来就业报告》,预测了未来五年内增长最快的十大岗位,其中就包括了人工智能与机器学习专业人员、数据分析师和科学家和数字化转型人员。
阿里创始人马云在接受CNBC(美国消费者新闻与商业频道)采访时也说到:整个世界将变成数据,我认为这还是只是数据时代的开始。
数据正在变得越来越常见,小到我们每个人的社交网络、消费信息、运动轨迹……,大到企业的销售、运营数据,产品的生产数据,交通网络数据……
在这个数据驱动的时代,数据分析已经成为了企业决策的核心。它不仅帮助我们从海量数据中提取有价值的信息,还能预测市场趋势,优化业务流程,几乎是每个职场人必修的课程。
扫码CDA认证小程序,get数据分析资料
数据分析师最重要的能力是什么?我的回答是数据驱动决策,这是数据分析师最值钱的能力,没有之一。
因为数据的价值在于挖掘,与业务和市场进行关联,找到机会点。抛开这个,数据本身一文不值,还浪费服务器和人工成本。
想成为一名数据分析师,你需要:
数据分析需要有专业的理论知识,这其中主要是统计学、概率论,还有模型思维。
这也是很多人忽略的方面,做数据分析却对正态分布、抽样统计、置信区间等基础统计理论一窍不通,会导致会很多笑话,因为你没法对数据做出科学的处理,不知道什么样的指标适合去做分析。
统计学中涉及的信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区间的构建、假设检验、卡方分布、相关与回归几乎都是数据分析建模过程中常用的知识。
2.建立模型思维能力
数据分析是分析商业领域的东西,所以各种商业分析模型是很有用的分析手段,比如说波特五力模型、SWOT分析模型、SPACE矩阵、SCP分析模型等等,这些经典的模型久经考验,既能帮你全面思考问题,还能为你的分析提供很好的理论支持,更容易说服别人。
模型思维说到底就是智慧,你把你的经验、知识、理论总结成模型,可以举一反三、反复利用,这基本等于要赢麻的节奏。
3.考一个CDA证书
这是一种偷懒走捷径的方法。所谓CDA证书,全称是数据分析师证书,是指在金融、电信、零售、制造、能源、医疗医药、旅游、咨询等行业从事数据的采集、清洗、处理、分析并能制作业务报告、提供数字化决策的新型数据人才。
CDA考试官方报名入口:https://www.cdaglobal.com/pinggu.html
CDA数据分析师认证考试,正是为了培养和选拔具备专业知识和技能的数据分析人才而设立的。通过参加并通过CDA认证考试,将能够证明自己具备了在数据分析领域深入学习和实践的能力,这将极大地提升你的个人竞争力和职业发展潜力。
随着各行各业进行数字化转型,数据分析能力已经成了职场的刚需能力,这也是这两年CDA数据分析师大火的原因。和领导提建议再说“我感觉”“我觉得”,自己都觉得心虚,如果说“数据分析发现……”,肯定更有说服力。想在职场精进一步还是要学习数据分析的,统计学、概率论、商业模型、SQL,Python还是要会一些,能让你工作效率提升不少。备考CDA数据分析师的过程就是个自我提升的过程,CDA小程序资料非常丰富,包括题库、考纲等,利用好了自学就能考过。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10