展开

关键词

思维体系---技术思维、业务数据思维、产品思维、复合思维

那么总的来说,我分为四种思维模式: 一、技术思维   卧槽!干代码!出bug了!没错,这就是你进步的源头。 二、业务数据思维   业务思维上,更多会考虑到业务本身的价值,具有较强的业务敏感度。 那么下来说下数据思维数据思维更多的是发现数据数据之间的关联性,事物与事物之间的联系,通过哪一类事物,我们可以通过数据处理、数据分析、算法分析等手段去应证,去推算。 我见过跟厉害的数据架构师,他们甚至能说出每一个业务链路的环节及中间层的提取,甚至能从各方面去评估其影响,不得不为之称赞。 技术、数据、业务思维以及极高的情商才能够达到的。

59810

数据分析必备思维之:目标思维

前几天写了一篇数据分析思维的文章,反响不错。我决定再写一些数据分析思维方面的文章。 数据分析的方法很多,思维的技巧也很多,面对具体问题的时候,如何选择合适的方法? 要想破局,就必须有目标思维,必须搞清楚业务方的目的是什么。 业务方想要的数据,不一定真的是他想要的。 这句话看似矛盾,实际上在工作中很常见。 总结 很多数据分析新人经常会出现没有目标思维的情况。经常拿到需求就埋头苦干,然后找到一个点就开始深挖细节,忘了最初要的是什么。 一部分原因是不太懂业务逻辑,不了解业务是怎么运转的,自然也就无法找出数据对于业务的意义。 另外一部分原因是没有提升自己的职业化水平,不知道目标思维是职场人的必备技能。 在职场中,目标思维是最基础的底层能力之一,几乎所有的工作都需要目标思维。 你一定遇到过那些开了几个小时的会议,这种会议往往就是跑偏了。

31020
  • 广告
    关闭

    腾讯云图限时特惠0.99元起

    腾讯云图是一站式数据可视化展示平台,旨在帮助用户快速通过可视化图表展示大量数据,低门槛快速打造出专业大屏数据展示。新用户0.99元起,轻松搞定数据可视化

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    数据思维

    这就需要培养以数据思维来思考并解决问题的能力,简单来讲就是基于“数据+算法”的量化思维模式,用客观数据作验证、预测、推荐,减少“我觉得,我想,我估计”等经验思维模式。 这个数据分析例子中,分析张三的工作效率的问题看,定量分析更可靠,事实上通常定性分析可以作为数据分析的初级探索阶段,所以下面提到的数据思维也是针对数据思维。 按达文波特的归纳,定量分析的数据思维,可以分为6个步骤:识别问题、回顾之前发现、建立模型、收集数据数据分析、传达结果并执行,其中识别问题与回顾之前发现属于数据思维的构建问题阶段,建模、收集数据、分析数据属于解决问题阶段 ,可以作为工作中数据思维落地的一个切入点。 【注】这两本书不能作为数据分析的参考书,也不是一本给想了解数据分析打鸡血的书,作者甚至还不时的泼一些冷水,整体上看这两本书主要从思维角度对数据分析进行解读,适合希望了解数据思维的同学翻阅。

    40940

    数据思维|总结常用的数据分析思维和分析方法

    掌握常用的数据分析方法论是培养数据分析思维的基础,俗话说“工欲善其事,必先利其器”,而数据分析方法论就是数据分析是最强大的武器之一。 三大分析思维 对比分析,用户分群以及相关性与因果性分析是贯穿数据分析全流程的三大分析思维。如图1所示,三大分析思维包含了不同的分析方法。 ? 图1 三大分析思维概括 没有对比就没有明确的数据结论,对比分析可以衡量数据整体大小,数据波动以及数据变化趋势,所以说对比分析是得出数据结论最简单有效的方法。 用户分群也是贯穿数据分析全链路的分析思维,根据用户的行为数据/消费数据等特征对用户分群是实现用户精细化运营的基础。 当然,数据分析师也可以根据需要使用RFM模型或者K-Means等机器学习算法实现用户分群。 除了对比分析和用户分群之外,相关性与因果性分析也是数据分析师需要具备的第三大分析思维

    33020

    数据思维|孙丕恕:用数据思维引领“中国智造”

    孙丕恕指出,“中国智造”应以数据为核心,对接供给和需求,让产业变得智慧。 ? 孙丕恕认为,智能制造,“智”从数据中来。 要真正做到这一点,一方面需要用数据化的思维驱动智能制造,将数据作为企业的核心资产,打破过去线性流程的思维方式;另一方面,要依靠云计算、大数据、物联网、移动互联网等新兴信息技术,把研发、生产、物流、市场和销售环节 ,都统一到智能数据平台上,用强大的计算力在海量的数据中挖掘价值。 在孙丕恕看来,智能制造能够有效加速数据社会化进程。制造业是支撑走入数据社会化阶段的一个非常重要的行业,甚至可以说是基础行业。 在这个过程中,政府和社会机构将成为数据资源的保障者和平衡者,让数据的价值真正能够在全社会得到释放! 来源:浪潮集团

    519100

    运维数据生态之数据思维

    信通院的一些分析数据表明,企业IT的信息化历程逐渐完成,同时企业对IT的精益运行的需求越来越迫切,在这个场景下,数据思维和使用能力成为制约提升IT生产效率的桎梏。 同时根据《企业IT运维发展白皮书》所述,在数据驱动的基础上,运维的重要职能已由安全、稳定逐步延展至高效和低成本。在本文中,我们重点以运维的数据思维数据的场景运用进行展开。 二、 什么是运维的“数据思维” 运维方式的发展提升了运维人员的基础门槛能力,在现在很多的企业中,运维人员的日常离不开数据,运维的过程和结果靠不靠谱,都可以通过数据来验证。 三、 运维人员如何落地“数据思维” 在上一篇文章《建立数据指标体系,推动DevOps全链路度量闭环》中,我们讲到了什么是数据指标体系,如何进行构建数据指标体系。 因此运维人员在落地数据思维中的第一步是形成初步的运维数据的生态,具备数据的输出场景能力。 (1) 具备运维数据生态 通俗点说,运维数据生态是集中了公司展业的所有数据,并让适配场景的数据进行流动。

    2.2K2519

    数据思维】明略数据吴明辉:忘掉你的大数据数据思维才最重要

    “坦白讲如果没有拥有数据思维,那即使拥有了很多数据,而且不管这些数据有多大,都不能说你在做大数据,所以大数据的核心其实是要拥有数据思维。”1数据思维利用数据解决问题什么是数据思维数据思维的最核心是利用数据解决问题,利用数据解决问题的最核心是要深度了解需求,了解真正要解决什么样的问题,解决问题背后的真实目的是什么。 所以不管是财务、人事、还是生产或销售的每一个环节都是可量化的,可以通过数据解决问题的。   通过量化的数据解决问题,就是我们所谓的数据思维。 车老师在书里也介绍了,考虑大数据也好,考虑数据思维也好,首先是要分析出所做事情的真正目的是什么?然后再进行量化分析。   实际上,金融行业企业最核心的是风险控制问题。 总结   大数据的核心有两个:第一,要知道数据是如何获取的。第二,要拥有“数据思维”,拥有数据思维最核心是我们要考虑到一个事物从起因到结果的发展过程,所有的数据其实是记录这个过程中的证据。

    37060

    数据挖掘思维如何炼成!

    03 数据挖掘的流程 数据挖掘与数据分析的流程相似,都是从数据中发现知识的过程,只不过由于数据体量和维度的原因数据挖掘在计算上最大。 ? 对数据挖掘而言首先是进行数据获取,数据获取的来源很多,有系统中自行记录的数据,对这种数据只要导出即可,同时也有外来数据,比如网页爬取得数据,或者是购买的数据,这些数据需要按照分析系统的需求进行导入。 总而言之,数据处理的结果是可以进行分析的数据,所有数据在进行分析以前都需要完成数据处理的步骤。 如果数据在分布上存在较极端的情况就需要经历数据平衡的不走。 06 挖掘思维总结 在挖掘思维是与数据挖掘相关,相比前面几种思维而言,挖掘思维似乎要晦涩难懂一些,毕竟数据挖掘涉及的已经不局限于简单的数学,而且还扩充到了计算机科学层面。 这里设置挖掘思维,其目的就是在解答,当数据量实在太大时,维度实在太多时,应该如何来处理的问题。 ? 数据挖掘的实质,其实还是为了得到一个模型,产生结果。

    30720

    数据思维看事实

    一分为二的思维暗示了矛盾和冲突,而我们不假思索地进行使用。 容易触发我们一分为二本能的情况有:只比较平均数、只比较极端情况、只俯视不仰视 本能陷阱2:负面思维 我们对坏事总会比好事更关注,这种本能体现在三个方面:a. 对过去的错误记忆;b. 我们总是觉得,只要有坏的事情发生,就不认为世界在变好; << 滑动查看下一张图片 >> 本能陷阱3:直线思维 要了解一个事物的变化规律,我们就需要了解它的变化曲线,但如果只看部分曲线,然后根据猜测把曲线简单地延长 作者强烈呼吁我们使用数据思考,但对于“如何有效地收集、整理数据”的阐述却没有提及,对于其书中使用到的数据,也只是在附录中提供链接。 作为引导读者学会使用数据的有效方式之一,在我看来如果能够介绍作者对数据的收集、整理经验,那么这本书的启迪效果会更棒!

    6510

    数据科学中的强大思维

    如果你倾向于将模式与洞察力等同起来,请记住有三种数据模式: 1、存在于你的数据集中和数据之外的模式/事实 2、仅存在于数据集中的模式/事实 3、只存在于你想象中的模式/事实 ? 这就是统计学,它是一门会改变你在不确定情况下思维方式的科学。它的目的是能产生一个像icarus一样的飞跃,突破你的知识局限,而不是遇到短板就突然结束。 如果你有很多数据,那么我会为你模拟一个黑客攻击,扰乱你的思路。 ? 07 奇特的技巧 要想在数据科学中胜出,只需通过拆分数据将一个数据集转换为(至少)两个数据集。 如果你没有拆分数据的习惯,你可能会被困在20世纪。 如果你有大量的数据,但是你看到的是未分割的数据集,那么你的瓶颈可能就是会受到老式视角的影响。每个人都习惯了陈旧的思维方式,却忘记了与时俱进。 结论:数据科学需要强大的思维逻辑,与时俱进的洞察力,还要能胆大心细摒弃一系列的干扰信息。即使是机器也并不能脱离人脑自行工作,还需要在理论与精准模式的加持下不断探索,这可真不是一项简单的工作。

    19530

    数据数据驱动决策的13种思维

    小编邀请您,先思考: 1 如何让数据驱动决策? “数据驱动决策”,为了不让这句话成为空话,请先装备以下13种思想武器,相信将来你一定能用上! 1. 信度与效度思维 ? 没有这个思维,决策者很有可能在数据中迷失。 信度与效度的概念最早来源于调查分析,但现在我觉得可以引申到数据分析工作的各方面。 所谓信度,是指一个数据或指标自身的可靠程度,包括准确性和稳定性。 相关思维的应用太广了,我提的往往是被大家忽略的一点。现在的很多企业管理层,面对的问题并不是没有数据,而是数据太多,却不知道怎么用。 相关思维的其中一个应用,就是能够帮助我们找到最重要的数据,排除掉过多杂乱数据的干扰! 如何执行呢? 现在数据获取越来越方便,在保证数据质量的前提下,希望大家多做实验,多去发现规律。 13. 指数化思维 ?

    515100

    数据时代,从零学习数据思维

    数据时代学习 大数据学习QQ群:716581014 为什么选择数据分析 其实直到3个月前,我还不知道数据分析是什么。不知道的原因是一直以来我从事的都是医学相关专业。 尤其是在行为即是数据的大数据时代,每个人都是数据的生产者。如果谁能用数据阐明当下,预测未来,那他无疑是掌握了一种巨大的力量,而这种力量可以最大限度得优化生活。 数据即是资源,数据也是资本。 这些决策都可以通过收集数据、处理数据而得出结论。 如若需要通过算法获取大量数据并进一步对海量数据进行预处理,使得这些数据可以应用于后续的分析过程,就是大数据分析。 大数据分析的重点其实倾向于挖掘数据并对所获得的数据进行预处理。 按照由整体到部 分的思维层层递进。 第二点不足是没有明确可以用不同的工具解决同一个问题。

    41100

    数据技术 思维导图

    learn from 从0开始学大数据(极客时间)

    33950

    数据科学中的强大思维

    三、在不确定的情况下做出决策 腾讯视频:统计思维-1-什么是统计数据 (原视频)YouTube:https://youtu.be/OJt-k9h9pmk 有时,理想和现实是有差距的,当你不具备做决定所需要的全部信息时 这就是统计学,它是一门会改变你在不确定情况下思维方式的科学。它的目的是能产生一个像icarus一样的飞跃,突破你的知识局限,而不是遇到短板就突然结束。 如果你有很多数据,那么我会为你模拟一个黑客攻击,扰乱你的思路。 ? 七、奇特的技巧 要想在数据科学中胜出,只需通过拆分数据将一个数据集转换为(至少)两个数据集。 如果你没有拆分数据的习惯,你可能会被困在20世纪。 如果你有大量的数据,但是你看到的是未分割的数据集,那么你的瓶颈可能就是会受到老式视角的影响。每个人都习惯了陈旧的思维方式,却忘记了与时俱进。 结论:数据科学需要强大的思维逻辑,与时俱进的洞察力,还要能胆大心细摒弃一系列的干扰信息。即使是机器也并不能脱离人脑自行工作,还需要在理论与精准模式的加持下不断探索,这可真不是一项简单的工作。

    20220

    教你如何利用大数据思维

    一般情况下,我都会说,首先要有大数据思维!大家纷纷点头称是,这词儿听起来非常高大上,甚至给人一种不明觉厉的赶脚!但啥是大数据思维,我一直没有空来整理提炼。 图1:大数据思维 干货肯定是经过浓缩的,甚至把案例都作为水分挤掉了,所以这篇文章读起来不是那么有趣。但我可以保证,掌握这三条给上市公司做大数据战略咨询肯定没有问题。 大家如果对案例更感兴趣,读拙作《大数据时代的历史机遇》好了。其实图1就涵盖了大数据思维的全部思想。这幅图里外三层、上下结构,看起来比较复杂,所以后面拆成三幅图来讲。思维的过程是自上而下、自外而里的。 数据成为资产"这一原创论断成为大数据思维的中心理论。图2数据资产评估模型给出一个完整的思维框架来描述数据资产的价值(完整描述评估模型,非本文主旨。读者若有兴趣,移步阅读拙著吧)。 这个范式给出了不断的采集数据并且发挥数据价值的行动指南。许多公司的转型,都要从这幅图开始。见图3。终端+平台+应用+大数据四位一体,构成大数据思维的行动指南。

    72650

    思维模式|假设前置数据

    永远不要局限思维,记得要发散思维,与众不同 如果系统中A模块是发布岗位,B模块是岗位详情,小王测试的是A模块,小张测试的是B模块,小张在测试B模块时往往很少去考虑前置模块A产生的各种类型 、各种异常不确定数据,导致了经常出现一些问题,如果小张当时考虑了A模块可能产生的所有前置数据,去测试B系统,后面就不会频繁出现一系列问题,这就是我们今天要讨论的假设前置数据法。 以下只是几个思路和想法,大家可以发散思维继续扩展: 一、假设边界 A模块发布岗位,岗位名必填、可输入字符长度2-10,我们需要考虑B模块岗位详情岗位名长度2、10时,显示正常显示,不能只考虑能正常展示就好 假设用户未登录,进行提现操作 2、假设用户未实名认证,进行提现操作 3、假设用户未绑卡,进行提现操作 4、假设用户绑定了别人的银行卡,进行提现操作 又有人会说,没有通过1、2、3怎么可能操作提现,我想说你的思维太过于局限 所以前置模块、前置数据皆有可能发生 以上case情况,我们可以通过岗位数据库,快速构造出各种数据,去测试岗位详情的容错等情况,保证了岗位详情测试的全面性和稳定性。

    25430

    图解数据分析 | 数据分析思维

    溯源:在对比、细分锁定到具体维度和粒度之后,依然没有结论,那就需要查看原始数据,洞察数据,从数据中寻找灵感。 一、数据『对比』 数据放在那里是没有意义的,只有将数据进行比较,才体现出数据分析的价值。 [数据分析思维-数据『对比』] 1.1 指标的可对比性 指标的可对比性,可以从四个“一致”原则来评估:对象一致、时间属性一致、定义与算法一致、数据源一致。 (1)比价对象一致 比较的对象一致。 [数据分析思维-数据『细分』] 2.1 增加维度 一个维度是数据表的一列。通常情况下,维度是指定性数据。例如,产品提供的服务的类型、用户分布的地域等。 举个例子,每日数据是原始数据,其粒度是日,数据的数量巨大;而每周的统计数据是对日数据的聚合,其粒度是周,数据的数量变成原来的1/7。 [数据分析思维-数据『溯源』] 一手数据是最原始的数据,包含的内容最丰富,但数据可能不规范。

    15030

    为什么大数据需要敏捷思维

    敏捷大数据是指在敏捷理念原则指导下,构建一系列通用平台工具,和一整套大数据应用全生命周期方法学,以支撑更轻量、更灵活、更低门槛、更快迭代的大数据实践。 敏捷大数据平台栈 实时化:dbus ? DBus(数据总线平台)是一个DBaaS平台解决方案,它主要面向大数据项目开发和管理运维人员,致力于提供数据实时采集和分发解决方案。 Moonbox是一个DaaS平台解决方案,面向群体为数据仓库工程师、数据分析师、数据科学家等,提供数据虚拟化解决方案。即可作为数据应用层数据查询计算统一入口,也可作为逻辑数据仓库与现有数据仓库互补。 实时数据应用会接纳更多数据源类型数据,为提高实时应用的数据时效性,可以在wormhole上配置流上处理逻辑,将增量数据以append方式落入到分布式存储。 数据分层架构均建立在moonbox里,所有数据访问都要通过moonbox接入,因此moonbox会自动维护所有元数据信息和所有查询SQL逻辑,可以基于此建立元数据管理、血缘分析、数据质量等系统。

    53520

    学习数据结构的框架思维

    来源:labuladong 作者:labuladong 本文是对整个数据结构及算法的总体框架认识,旨在帮助读者自顶向下,从整体到细节,从抽象到具体地看待数据结构。 一、数据结构千变万化,但不离其宗 最高层的抽象,数据结构只有两种:数组和链表。 这句话怎么理解,不是还有散列表、栈、队列、堆、树、图等等各种数据结构吗? 以上也可以看出,没有完美的数据结构,没有一劳永逸的解决方案。 二、数据结构的操作,无非遍历 + 访问 遍历 + 访问,再具体一点就是:增删查改。 三、为什么算法总是和数据结构同时出现 数据结构是工具,算法是通过合适的工具解决问题的方法。 拿原始人举例,我们学会了数据结构,就像原始人拥有了石刀,石斧等工具。 比如说前文 动态规划 中凑零钱的问题,如果你看了一眼代码就自动排除细节问题,直接提取出 N 叉树遍历框架,那么你的框架思维就到位了。 ?

    23320

    扫码关注腾讯云开发者

    领取腾讯云代金券