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
在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 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 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-08-10在数字化市场调研体系中,大数据与小数据是两类核心调研数据形态,分别对应海量行为统计与精准样本深度调研。行业普遍存在认知误 ...
2026-08-07数据透视表是Excel、WPS中最核心的数据分析工具,凭借快速汇总、分组统计、动态筛选的优势,被广泛应用于销量统计、业绩复盘、数 ...
2026-08-07