Puede convertirse en un minero de datos incluso si solo sabe el análisis de Excel

Cada vez que veo mineros de datos hablando sobre procesamiento de datos a gran escala y algoritmos de aprendizaje automático, creo que así es como debería verse un analista de datos, este es el maestro.

Por ejemplo, como la oficina ha estado administrando el equipo de extracción de datos de un socio, cada vez que es necesario evaluar el desempeño de cada minero de datos, se encuentra que la capacidad técnica más fuerte a menudo se ubica detrás, y la evaluación más alta es a menudo la persona que tiene una idea y está dispuesta a cooperar, esa persona ni siquiera escribirá R o Python, sino que solo hará análisis EXCEL.

¿Por qué?

Se puede decir que clasificar primero una vez es accidental, pero cada vez que es el primero, debe haber un factor inherente, ¿realmente no respetamos la tecnología? ¿La tecnología no puede crear productividad de manera efectiva?

Obviamente no, el autor siente que nuestra cognición del minero de datos se ha desviado, habrá algoritmos, herramientas, procesos por supuesto es un medio efectivo, pero obviamente no es el único medio para apoyar la decisión final, o incluso el medio más importante. , esto es lo que mucha gente no puede ver, la razón por la que no puede ver, puede tener algo que ver con la metafísica, como la minería de datos Estas palabras en sí son desde la perspectiva de los medios para describir la publicación, con un fuerte color técnico, como como limitar los datos, limitar la minería, que todos piensen que cuanto más avanzados son los métodos de minería profesional que se utilizan en el campo de los datos, más probable es que genere ingresos, pero la realidad es mucho más complicada.

Entonces, ¿qué hace a un buen minero de datos?

En primer lugar, entendamos lo que se llama conocimiento profesional real, el autor primero cuenta una historia, Cheng Jia dio un ejemplo en el libro "Estudiar bien":

"Xiao Ying es el editor en jefe de la "Clase diaria de élite" de Luo Ji Thinking en la aplicación, esta chica es feroz, a menudo a las tres o cuatro de la mañana, si no has "obtenido" cooperación con Luo Ji Thinking, no sabrás lo locas que trabajan las personas de este equipo. ”

“Pocas personas, más trabajo y más exigentes: parece que esto no es solo el dolor de la industria del diseño, sino también una representación real de “conseguir” el trabajo del equipo. Sin embargo, en mi opinión, Xiaoying ha hecho bien muchas tareas pendientes, en sus palabras: aquí, debemos vivir solos como un equipo. ”

"¿En qué tipo de equipo se ha convertido Xiao Ying como persona?" Ella sola es responsable de la planificación de temas, la grabación de audio, la edición de audio, la revisión de contenido, la revisión de mensajes, la extracción de nuevos autores, el mantenimiento de antiguos autores, el desarrollo de nuevos contenidos, la planificación de copias promocionales... Cuando se unió a un equipo que podría completar las habilidades de " reconocimiento”, “emboscada”, “francotirador” y “punto de cerco” en cualquier momento, se convirtió en un joven slash. ”

Por lo tanto, para hacer un buen trabajo, no es que sea suficiente aprender solo los conocimientos de una determinada profesión, ni es simplemente aprender esto, que también es aprender, sino aprender todas las habilidades básicas relacionadas con la resolución de un problema. determinado tipo de problema, que debe romper las limitaciones profesionales.

Lo que llamamos profesiones, como mercadotecnia, derecho, política, historia, literatura, TI o mineros de datos, son solo etiquetas de clasificación artificiales, pero el mundo no opera por separado dentro de cada profesión de acuerdo con las etiquetas que divides. Detrás de un problema de marketing, a menudo hay factores legales, políticos, históricos y culturales, pero a nuestras llamadas profesiones no les importan estos: aprendes las 4P (producto, precio, canal, promoción), la segmentación del mercado y otros conceptos, tú puede graduarse, esta comprensión, nos impedirá en gran medida aprender el conocimiento que realmente deberíamos aprender.

Los mineros de datos respaldan la toma de decisiones, entonces, ¿qué conocimiento hay sobre la toma de decisiones?

Si desea monetizar externamente en base a datos, debe comprender las diversas industrias verticales, que es lo más importante en la minería de datos, si los conceptos básicos del campo financiero no están claros, no diga que hace control de riesgos. modelos para otros, uno de los mayores desafíos para los operadores para hacer la realización externa es que no entienden la industria.

Si desea poner datos para el marketing de precisión, debe aprender algunos conocimientos de marketing, para conocer el 4P, el concepto básico de segmentación del mercado, el proceso comercial del mercado no está claro, el llamado negocio basado en datos también es tirado, el efecto de la minería de datos está relacionado con políticas, productos, canales, ¿dónde es solo una cuestión de datos?

Tienes que entender las necesidades de la minería, tienes que comunicarte con la gente, esta vez tienes que aprender algo de psicología, inteligencia emocional básica o tener, la terquedad es que el minero de datos sea un problema, un buen minero es ante todo un buen Oyente, haz minería de datos, no te involucres en ningún lobo solitario y heroísmo.

Si desea mostrar sus resultados, debe comprender el principio de la pirámide de puntos, saber cómo expresar los resultados de su análisis de manera clara y precisa, permitir que las personas entiendan de un vistazo, tal vez haya utilizado el algoritmo del árbol de decisión innumerables veces, pero puede no conocer el método de análisis de jerarquía.

Debe proporcionar los datos al mundo exterior, pero también debe comprender algunos conocimientos legales, conocer las políticas estatales sobre protección de la privacidad personal y las normas de seguridad de la información de la empresa; de lo contrario, tontamente saque la lista, haga un gran alboroto pero será sentenciado .

Los mineros de datos a menudo se enmarcan en etiquetas seculares para enmarcar sus propias posibilidades, por lo que aprender es aprender lo que hay dentro de la etiqueta, leer un montón de libros de algoritmos, aprender un montón de idiomas y comprender muchas habilidades de EXCEL y PPT, pero estos solo no puede hacer las cosas.

Lo que el autor quiere decir es que en este mundo, si quieres alcanzar lo último, debes aprender el “uso inútil”, el uso inútil, para poder ser de gran utilidad.

Si entendemos la habilidad desde esta perspectiva, tenemos que saltar fuera de las limitaciones y necesitamos aprender tres niveles de cursos en nuestra vida: (1) Cursos básicos públicos: habilidad ejecutiva; (2) Cursos profesionales obligatorios: capacidad profesional; (3) Curso general obligatorio: habilidad estructural.

Para los mineros de datos, el curso básico público es la capacidad de ejecución que cada uno de nosotros usa todos los días, como la gestión del tiempo, la etiqueta comercial, la comunicación, EXCEL, PPT, mapas mentales, etc. Hay una gran cantidad de libros en el mercado para introducir estos conocimientos, y es más conveniente para nosotros aprender y dominar.

Como se mencionó anteriormente, esta especialización no se refiere a la palabra minería, sino que se refiere a la suma de todas las habilidades que pueden resolver un problema de toma de decisiones con datos de extremo a extremo, debe pensar y resolver problemas en todas las disciplinas, y una persona vive en equipo. El conocimiento de este tipo de resolución sistemática de problemas a menudo es implícito, y necesitamos comprender las sutilezas de la convergencia del conocimiento entre dominios en el proceso de práctica y pensamiento continuos, para llamar de manera flexible el conocimiento entre múltiples disciplinas en cualquier momento y ganar. una batalla, además del conocimiento tradicional de datos, plataformas y algoritmos, pero también incluye conocimiento matemático, conocimiento de marketing, conocimiento de la industria, conocimiento psicológico, conocimiento de seguridad, métodos de análisis, etc.

Los cursos generales obligatorios son los que vi en “Buen aprendizaje” de Chengjia, y creo que se trata de un conocimiento que avanza hacia un nivel cognitivo superior, como la segunda ley de Newton F=ma, que puede guiar nuestras acciones de manera más amplia y general. , también llamado "conocimiento crítico", Charlie Munger llamó "sabiduría universal", como el efecto de interés compuesto, la teoría de la probabilidad, el círculo dorado de la mente, la evolución, el pensamiento sistemático, las dos ocho reglas, etc.

Por ejemplo, el pensamiento sistémico enfatiza la "relación", en lugar de "personas y cosas", aunque el modelado de datos es muy importante, pero más importante es la relación, es decir, la necesidad de abrir los datos de efectos y el modelo original de esta retroalimentación. proceso de optimización, ChengJia también a través del análisis de la relación del incidente de Wei Zexi, consideró que la causa raíz del "mal" de Baidu es la falta de un mecanismo de retroalimentación normalizado para el efecto de búsqueda, es poco probable que Taobao tenga un problema tan grave debido al comprador reseñas

Por ejemplo, el principio dos-ocho, la minería de datos ha gastado demasiado dinero en procesamiento de datos, preparación de variables y lanzamiento de modelos, esta parte lleva mucho tiempo, el valor es pequeño, obviamente no cumple con el principio dos-ocho, es necesario reducir la longitud de esta parte tanto como sea posible, razón por la cual el autor espera hacer un trabajo innovador en la minería de datos ágil.

Para los mineros de datos, poder trabajar solo es la personificación de la calidad integral, y su nivel definitivamente no está representado por el dominio de varios algoritmos y varias herramientas, lo que puede explicar por qué algunas personas que no son muy buenas en las herramientas de algoritmos todavía tienen datos tan sólidos. capacidades de análisis, a menudo solo vemos la capacidad profesional "visible" y, a menudo, ignoramos el cultivo de la capacidad profesional "invisible".

Se el primero en comentar

Deje un comentario

Tu dirección de correo electrónico no será publicada.


*