京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析,无处不在
作为一个比较活跃的年轻人,在大学期间除了读书外,我还参与过很多活动。大三时,我当过半年的境外黄金期权交易代理,自己有时也交易过几笔,有赔有赚。临毕业,组织过二手书回收,由于旧书价格和需求估计错误,最后亏得血本无归,事后总结,是没有好好分析市场和竞争对手(二手书店)。从那时候起,我就留心寻找有关市场分析方面实用知识的课程,
真正让我下决心参加数据分析师培训的,是回家时无意听到的一件事。20073年上半年,东昌府区某县开始投资建设铝厂,不久就出现资金短缺、无法周转的情况,当时合伙人四处融资,也曾经找上我父母。但由于厌恶风险和不了解行情等原因,父母并没有投钱。2014年春节期间,亲戚来串门,闲聊时讲起了某铝厂效益非常好,投资人全都得到了丰厚的红利。这时我才意识到这个铝厂就是当年那家资金链断裂、面临倒闭的铝厂。这件事告诉我,机遇在人人面前都是平等的,关键是你看自己能不能把握了,如果当时我能帮父母分析建设铝厂这个项目的话,说不定就抓住了这个机会。
带着对知识的渴求,我参加了2011年北京数据分析师培训,培训结束后,感触良多。我深深的体会到,数据分析是一门科学,同时也是一门艺术。现在使用学到的知识回头来分析当年的旧书交易,我总结了犯的错误:
第一,高估了市场需求。当时我只是觉得新生中购买旧书的人应该不少,就开始回收旧书。如果简单统计一下我所住的楼层中,有多少人购买了旧书的话,就会发现,大约9个人中才有一人购买旧书。而且,随着人们生活水平的提高,新生大都直接购买全新课本。
第二,收购旧书没有针对性。大学的课程多种多样,有一些课程是必修的,另外一些是选修的,参加必修课的人数肯定比参加选修课人数多,所以收购必修课旧书就更容易出手。当时我没有仔细分析,结果买断了大批无用书籍。
第三,忽略了竞争对手。学校的二手书店和我提供同样的业务,学生要买书时第一反应常常是去二手书店,我应该在同学中间多做宣传,吸引他们到我这来买书,比二手书店方便也便宜。
第四,没有计算现金流。学生毕业后新生入学前这两个月中,我必须屯放收购来的书,租用了学校外面的一间房。后来发现两个月的租金构成了我总成本的一半以上。
通过数据分析课程的学习,我已经掌握了市场调研、数据采集、分析预测和编制现金流量表这一基本项目分析流程,旧书变废纸的惨剧再也不会发生了。
此外,数据分析的科学性来自于其实用性,它来源于人类实践活动,也能回归到日常生活中。我母亲在银行工作,经常购买一些理财产品和基金项目,但从来没有计算过收益率。我按照课程习题中所学方法,帮母亲算了一笔账,发现活期存款加短期高利率理财产品的组合的收益率仅仅是定期存款的一半。做生意的人偶尔出现闲置资金,买一些短期理财产品很适合,但平常老百姓对于资金的流动性要求不是很高,购买短期理财产品就不如定期存款。
数据分析知识的用处不仅仅体现在日常生活之中,也体现在人们的工作当中。在我研究生期间,曾经接触过一个帮某电影网站建设数字版权管理系统(主要用处是让看电影的用户付费)的项目。使用数据分析,我计算了一下这个项目的成本和收益:由于是网络项目,其建设期只有半年,建设期资金在期初一次性投入,这笔资金主要分为网站给学校的劳务费用和使用数字版权管理系统时,向Adobe公司购买许可证的费用,以及购买服务器的费用。假设半年后系统成功运行,付费用户的数量来源于已经注册的非付费用户和每月新增用户两部分,那么付费用户数量对应于时间的函数应为一个修正指数函数和一个直线函数的相加。
通过引用优酷网收费用户增长数据,我得出了最终结论:在用户每次观看电影收费两块钱和折现率取7%的情况下,资金回收完成需要大约两年的时间。后来和网站经理的交流中,他们靠经验也得出了需要两年多才能回本这一结论。当时我感慨,通过数据分析,我作为一个技术人员竟然能站在资深网站经理的高度上来看问题。
数据分析在我们工作生活中无处不在,作为一门专业技术,它能帮助我们打理细节,算清楚账;作为一种思想,它教导我们以分析的眼光来看待问题,透过表面看清本质,独立思考。随着我国经济发展,市场化程度逐步提高,无论是国家政府部门、企事业单位还是个人,数据分析工作都是进行决策和做出工作决定之前的重要环,数据分析师的市场无疑是巨大的,即使在别的专业领域,项目数据分析也能使人如虎添翼。
希望在2016年,CDA数据分析师的队伍会像雨后春笋般不断壮大,数据分析思想会成为人们生活的一部分。作为新一代的年轻人,我会用自身实践,把项目数据分析行业发扬光大,为社会做出自己的贡献。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22CDA数据分析师 出品 作者:李诗怡 1. 金字塔原理 定义: 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点,中 ...
2026-09-22