京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据科学家日常工作的15项原则
作为一个数据科学家,我为我的日常工作总结开发出15项原则,这些是我本人也遵循的:
1、不要用数据说谎或吹牛: 对经验性证据要诚实坦率。最重要的是不要用数据自欺欺人。
2、建立永久工具并分享给他人: 花费一些日常工作时间去建立一些能使自己和他人生活变得轻松的工具(译者补充:我为人人,人人为我)。我们可是该死的人类,我们应该是工具的制造者!
3、不断自我教育: 看在佛祖的份上,你可是个科学家哦。去阅读研究生水平的核心数学和统计方法教材吧,永远不要安逸于你在走廊里从同事那得到的对某个方法的拙劣解释,学习基本原理可以让你玩出花样来。阅读最近的论文,参加研讨会,发表和评论论文。对此没有捷径。
4、提高你的技能: 学好一种语言,这样你才能被称为行家里手。其他语言也要学到能与别人沟通。不要忘记,SQL和英语很象,这个星球上每个白痴都能说,但你只有真正掌握它才可以写出优美的诗篇。学习一种编译性语言、一种解释性语言,和R语言。或者只需要学习R!它是丑陋的,但它会给你一个优势。搞透Matlab,你已经不再是没毕业的学生了。学习Unix,即使你平时使用Windows,学习sed和grep等所有那些东西,你可以用bash和powershell做些奇妙的事情。如果你愿意,也学学Hadoop,但要知道它是一个蹩脚的系统。
5、明白数据科学家有个生存意义 “踢人们屁股并让他们震惊”: 每天做一件与此相关的事。(译者注:kick ass在一般情况下指“很厉害;很拽”,但对于数据科学家来说,通常是用数据来揭示人们错误或具有危险性的行为,以此引起关注,所以用本意“踢屁股”反而比较合适)
6、通过向别人展示工作来经常挑战自我:不要害怕一些恶棍会批评你的工作,粉碎他们。如果你想害怕蟑螂的话,那你就不要走路了!
7、不要吝惜知识,也不要害怕问问题: 有些人对他们的知识缺乏信心,不去分享它,原谅他们,但不要成为他们中的一个。
8、先开发出一些思路,然后听取别人的看法,利用他们关于这一领域所知道的知识,但不要让你自己被其束缚: 如果他们真牛到可以用他们所知道的来解决问题,他们就不会来找你要解决方案了。
9、出去和人们在一起,与之交谈,互通有无,他山之石可以攻玉。
10、为你温和的代码建立个令人印象深刻和交互性强的用户界面: 代码是我们的语言(译者注:但不是用户的,所以……),让你的代码通过好的UI来闪耀光辉吧。
11、有效使用可视化技术,避免难以理解的图形: 可视化的唯一用途是使数据易于理解而非令人困惑。
12、学习新技术,努力理解经典技术的原理
13、多揽多做: 这就是天才工作的方式。不要害怕提出创造性的想法。你听说过“低调说话,高调做事”?不要觉得这很华丽,这其实是无能鼠辈工作的方式,不要成为他们中的一个。
14、保持创造力和关注: 你可以通过创造力和关注取得成功(咖啡因对这个有点帮助,但别过头儿)。
15、积极起来,努力工作。如果有人想阻止你,只管碾碎他们。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16