Tránh xa tên tân binh kia ra! Làm thế nào tôi trở thành một nhà phân tích dữ liệu trung cấp

Trên con đường phân tích dữ liệu, nhiều người mới thường bối rối không biết phải tiến bộ thế nào. Bài viết này sẽ tiết lộ ba chìa khóa để các nhà phân tích dữ liệu thăng tiến và cung cấp hướng dẫn cụ thể về cách triển khai các chiến lược này để giúp các nhà phân tích dữ liệu có bước tiến vững chắc trong sự nghiệp và đạt được mục tiêu đôi bên cùng có lợi về phát triển cá nhân và giá trị kinh doanh.

"Chính xác thì thế nào được coi là nâng cao?" là câu hỏi mà nhiều sinh viên mới làm việc trong ngành khoa học dữ liệu thường hỏi trên Knowledge Planet.

Internet tràn ngập các bài viết như "Cách bắt đầu" và "Bắt đầu nhanh". Nhưng sau khi thực sự phân tích dữ liệu, tôi nhận ra rằng những gì tôi học được về cơ bản là nhảm nhí. Tôi tính toán mỗi ngày, nhưng công việc thực sự của thuật toán lại cách xa tôi hơn mười nghìn dặm. Vậy tương lai sẽ thế nào?

Cốt lõi của những nghi ngờ trên là hầu hết các bài viết trên Internet đều dựa trên sách giáo khoa. Bởi vì chương đầu tiên của cuốn sách nói về Pycharm và Anaconda, chương thứ hai nói về Pandas, chương thứ ba nói về Matplotlib, chương thứ tư nói về NumPy và chương thứ năm nói về Sklearn.

Vì vậy, các tác giả cho rằng việc phân tích dữ liệu là bước đầu tiên của việc cài đặt phần mềm, bước thứ hai của việc thu thập dữ liệu, bước thứ ba của việc trực quan hóa, bước thứ tư của các mô hình học máy và bước thứ năm của doanh nghiệp quỳ dưới chân họ và nói: phân tích dữ liệu thật tuyệt vời, hãy đến và lái xe cho tôi...

Thức dậy!

Khi bạn thực sự bước vào công ty, bạn sẽ thấy rằng vấn đề lớn nhất với công việc phân tích dữ liệu là: sự hiện diện yếu kém. Kinh doanh dựa trên dữ liệu? Nghĩa là: ông chủ sử dụng dữ liệu để điều hành doanh nghiệp . Đối với bản thân tôi, người làm việc với dữ liệu, ở hầu hết các công ty, tôi chỉ làm những công việc lặt vặt. Những người quản lý sản phẩm, vận hành, bán hàng và lập kế hoạch đều nghĩ rằng họ hiểu về phân tích, điều duy nhất họ thiếu là khả năng tính toán. Nếu bạn đang làm việc với dữ liệu, hãy chỉ tập trung vào việc tính toán các con số.

Hơn nữa, những người làm kinh doanh đặc biệt thích nói rằng: "Tôi biết cách phân tích dữ liệu bằng cách đọc các bài viết trên WeChat Moments, nhưng các nhà phân tích dữ liệu trong công ty tôi thậm chí còn không thể làm được một việc đơn giản như đưa ra khuyến nghị chính xác với dữ liệu lớn. Tất cả là lỗi của họ!" - Những người làm việc với dữ liệu không chỉ có công việc đa dạng mà còn dễ bị đổ lỗi.
Do đó, nếu bạn thực sự làm việc trong một công ty, bạn sẽ hiểu rằng nếu muốn thoát khỏi tình huống khó khăn, bạn thực sự cần phải làm ba điều:

1. Cố gắng tìm kiếm cơ hội cho các dự án độc lập, không phải để trở thành người dọn dẹp nhà vệ sinh
2. Hãy làm rõ phạm vi và ranh giới của công việc, và đừng đổ lỗi cho người khác mà không có lý do
3. Thể hiện kết quả công việc và thành tích, phấn đấu để được công nhận nội bộ

Chỉ với ba điều này, bạn mới có thể đóng góp nhiều hơn và ít phải chịu trách nhiệm hơn. Ba điểm này chính là sự chuyển đổi thực sự từ một người mới vào nghề chờ người khác đếm thành một nhà phân tích dữ liệu trưởng thành có thể tự lập. Phương pháp cụ thể để thực hiện được mô tả ngắn gọn dưới đây.

1. Làm thế nào để giành được các dự án độc lập

Trong giai đoạn học tập, những người mới đều đã thực hành cái gọi là "dự án" trên Internet, chẳng hạn như Titanic, mua sắm trên Taobao và thẻ tín dụng của một quốc gia nào đó. Sự khác biệt lớn nhất giữa các dự án doanh nghiệp thực sự và các dự án của người nổi tiếng trên mạng là không ai bảo bạn phải làm gì . Nếu bạn chỉ ngồi đó và chờ người khác hướng dẫn, bạn sẽ phải chờ để nhận được một cuộc gọi điện thoại: "Sếp muốn có dữ liệu này và phải giao cho bạn trước khi tan làm".

Nếu bạn muốn giành được một dự án, bạn phải làm tốt công tác thống kê về nhu cầu dữ liệu thường xuyên. Nếu bạn muốn tìm kiếm cơ hội trong công việc tầm thường, rải rác hàng ngày, bạn cần phải dựa vào sự phân tích cẩn thận chứ không phải lòng từ thiện của người khác (như thể hiện trong hình bên dưới).

Dựa trên bảng thống kê nhu cầu, chúng ta có thể chủ động khám phá:

• Những khoa nào có nhu cầu cao hơn?
• Những nhu cầu nào là cấp thiết?
• Những cái nào bắt đầu từ 0 đến 1?
• Những cái nào đòi hỏi sự hỗ trợ phân tích phức tạp?
• Những công việc nào có thể thực hiện bằng công cụ cố định?
• Ông chủ lo ngại điều gì?

Bằng cách này, bạn có thể tránh được sự bối rối khi phải hỏi những câu hỏi kinh doanh một cách ngớ ngẩn khi gặp phải vấn đề, chỉ để nhận lại câu trả lời "Không phải việc của anh". Việc tìm kiếm các phòng ban sẵn sàng hợp tác và tìm kiếm các dự án hợp tác có giá trị đều phụ thuộc vào quá trình tích lũy từng chút một như vậy, chứ không phải tự nhiên mà có.

2. Làm thế nào để làm rõ ranh giới công việc

Mục đích của việc thiết lập ranh giới công việc rõ ràng là để tránh bị đổ lỗi, không có lý do nào khác.

Chúng ta phải ghi nhớ nguyên tắc Tam Thanh Tịnh:

1. Điều quan trọng là phải phân biệt được có dữ liệu hay không!
2. Điều quan trọng là phải phân biệt được có tiêu chuẩn hay không!
3. Điều quan trọng là phải phân biệt được bạn có kế hoạch hay không!

Không có dữ liệu thì không thể phân tích được . Điều này thật vô lý nhưng lại chính là điều dễ bị bỏ qua nhất. Trong mắt doanh nghiệp, luôn luôn là: "Dữ liệu của chúng tôi rất lớn, và tất cả đều có ở đó, chúng tôi chỉ cần ai đó phân tích nó" - một đống rác lớn cũng rất lớn . Doanh nghiệp sẽ không khấu trừ thông tin chi tiết dữ liệu. Nếu bạn không làm bài tập trước, bạn sẽ phải đối mặt với một loạt dữ liệu bẩn sau đó, và bạn sẽ không thể nấu ăn nếu không có gạo.

Nếu không có tiêu chuẩn thì không có cách nào để đánh giá . Điều này cũng vô lý. Nhưng những gì mà các doanh nhân thường nói là: “Tôi chỉ muốn tăng doanh số; tôi chỉ muốn cải thiện hoạt động; đây là những gì ông chủ bảo làm, tại sao bạn lại quan tâm nhiều đến vậy?” Có vẻ như nó có mục tiêu nhưng thực ra lại không cụ thể. Nếu bạn không tự nhắc nhở mình vào lúc này, bạn sẽ muốn bổ sung điều đó sau. Nó trở thành: nếu bạn nói rằng công việc kinh doanh tốt, bạn chỉ là một người chỉ biết vâng dạ và vô nghĩa đối với ông chủ; Nếu bạn nói doanh nghiệp làm ăn tệ, bạn sẽ chờ đợi bị doanh nghiệp chỉ trích. tình thế tiến thoái lưỡng nan.

Nếu không có kế hoạch, mọi dự đoán đều không chính xác . Điều này cũng vô lý. Tỷ giá quy đổi khi đầu tư phiếu giảm giá 100 nhân dân tệ có giống với tỷ giá quy đổi khi đầu tư phiếu giảm giá 10 nhân dân tệ không? Tỷ lệ chuyển đổi của một bản sao tốt và một bản sao tệ có giống nhau không? Nói về dự báo và xu hướng mà không xem xét đến kế hoạch kinh doanh chỉ là lời nói suông. Tuy nhiên, các cuốn sách dạy dự báo chỉ nói về các phương pháp xử lý dữ liệu và hiếm khi giải thích cách áp dụng chúng vào thực tế, nên bước này thường bị lãng quên.

Ba nguyên tắc trên là những điểm chính được nhiều người mới bắt đầu đúc kết sau khi trải qua nhiều thất bại. Mỗi từ đều được viết bằng máu . Tuy nhiên, đây cũng là điểm mà người mới đến dễ quên nhất. Bởi vì trong giai đoạn tự học, tôi đã thực hành với các tập dữ liệu có sẵn, bối cảnh có sẵn và sách có sẵn, và không ai từng dạy tôi cách giải quyết các vấn đề cụ thể và cách giao tiếp cụ thể. Rất dễ mắc sai lầm khi làm việc.

3. Cách thể hiện thành tích công việc của bạn

Kết quả phân tích dữ liệu cũng tương tự như câu chuyện "Columbus đứng trên quả trứng" - trước khi bạn nói ra, mọi người đều nghĩ điều đó là không thể; sau khi bạn nói ra, mọi người đều nói: Tôi đã nghĩ đến điều đó từ lâu rồi! Điều này rất đơn giản . Do đó, chỉ báo cáo một vài con số hoặc đưa ra một vài gợi ý bằng lời không thể chứng minh rằng đây là thành tích của riêng bạn. Thay vào đó, nó khiến doanh nghiệp trở nên thông minh hơn và nhu cầu phân tích trong tương lai ngày càng phức tạp và khó xử lý hơn.

Do đó, có ba tiêu chuẩn cho kết quả dữ liệu:

1. Số lượng đầu ra có thể được định lượng
2. Kết quả có thể được sử dụng lại
3. Tôi không hiểu về đóng gói quy trình

Chi tiết được thể hiện trong hình sau:

Nếu bạn muốn đạt được ba tiêu chuẩn này, chỉ viết PPT và báo cáo miệng sẽ không hiệu quả. Việc phát triển các sản phẩm dữ liệu là điều bắt buộc. Tuy nhiên, việc nâng cấp trực tiếp từ dữ liệu phân tán lên một bộ sản phẩm dữ liệu hoàn chỉnh là không thực tế - doanh nghiệp không thể chờ đợi lâu như vậy và sẽ không dừng công việc hàng ngày. Vì vậy, chúng ta phải nhận thức được việc nâng cấp sản phẩm và chuyển dần sang sản phẩm hoàn chỉnh.

Chúng tôi sẽ sử dụng những khả năng kỹ thuật đã tích lũy được vào dịp này.

Trong phạm vi thời gian và chất lượng dữ liệu được phép:

1. Nếu bạn có thể tạo báo cáo, bạn không cần phải lấy dữ liệu tạm thời.

2. Những thứ có thể tải lên hệ thống không cần báo cáo thủ công

4. Nếu bạn có thể sử dụng mô hình, bạn không cần các quy tắc kinh doanh

5. Nếu bạn có thể củng cố các quy tắc, đừng tính toán số liệu mỗi lần.

6. Những người có thể củng cố các tiêu chuẩn không yêu cầu phân tích đặc biệt

Tóm lại, với những nâng cấp từng bước, các hoạt động thủ công, hoạt động tạm thời và hoạt động cá nhân hóa đang ngày càng ít đi. Sản phẩm của chúng ta càng có nhiều chức năng, độ chính xác dự đoán càng cao, truy vấn càng nhanh và phương pháp xác định vấn đề càng đơn giản thì giá trị của chúng ta càng lớn.

Trên đây là những ý tưởng giúp bạn từ trình độ mới bắt đầu lên trình độ trung cấp. Khi nào thì việc trồng trọt được coi là thành công?

Nói một cách đơn giản, nó có nghĩa là tự mình đứng vững . Chi tiết:

• Về mặt kết quả, các nhà phân tích dữ liệu cấp trung có thể giải quyết vấn đề một cách độc lập.
• Trong công việc, một nhà phân tích dữ liệu cấp trung có thể giải quyết những “câu hỏi ngớ ngẩn” của doanh nghiệp.
• Về mặt phương pháp, các nhà phân tích dữ liệu trung gian có thể tích lũy kinh nghiệm thay vì sao chép từ khắp nơi.

Biểu hiện cụ thể là: khi bạn đang trong một cuộc phỏng vấn hoặc đưa ra đánh giá hiệu suất hàng năm, bạn không cần phải nói một cách ngớ ngẩn: Tôi đã thực hiện rất nhiều phân tích. Thay vào đó, bạn sẽ thành công khi có thể nêu rõ khối lượng công việc đã làm, sản phẩm đầu ra và mô hình phân tích.

Thật không may, nhiều người mới đến không chú ý đến những vấn đề này.

Thay vì thảo luận sâu về các vấn đề cụ thể, họ lại thích phàn nàn về việc công ty của họ quá tệ và nếu họ có thể làm việc trong một công ty lớn như Tou Teng A, họ chắc chắn sẽ được bao quanh bởi cảnh đẹp, tiếng chim hót và hoa thơm.

Thay vì suy nghĩ sâu sắc về các kịch bản kinh doanh và quy trình kinh doanh, họ thích nhìn vào "logic cơ bản" và "mô hình cốt lõi", và không ngừng tìm kiếm "Phương pháp chứng nhận có thẩm quyền quốc gia" trên Internet.

Thay vì giải quyết vấn đề, họ thích có một bản sao của "Thành thạo máy học trong 21 ngày từ con số 0 cơ bản", nghĩ rằng nếu họ học được điều này, một trong những công ty sẽ ấn tượng với họ - tóm lại, có quá nhiều khiếu nại và quá ít thông tin chi tiết, nên sẽ khó để tiến bộ.

Sau khi có khả năng đối mặt và giải quyết vấn đề một cách độc lập, chúng ta có thể thảo luận về những kỹ năng mà một nhà phân tích dữ liệu cao cấp ở cấp lãnh đạo của một phòng ban có hơn 10 người cần có. Về mặt kết quả, các nhà phân tích dữ liệu cấp cao không chỉ phải giải quyết vấn đề mà còn phải hiểu "những gì cần phải hoàn thành" và chủ động hướng dẫn phát triển kinh doanh.

Trong công việc, bài viết này chỉ thảo luận về những gì xảy ra khi doanh nghiệp mắc phải những sai lầm ngu ngốc. Còn có một loại tình huống khác: "Không phải ngu ngốc, mà là tệ!" Các nhà phân tích dữ liệu cấp cao có khả năng tác động đến việc ra quyết định, vì vậy họ phải đối mặt với nhiều kẻ xấu hơn và có khả năng đấu tranh bằng trí tuệ và lòng dũng cảm.

Tác giả: Thầy giáo thực tế Chen

Tài khoản công khai WeChat: Giáo viên Chen thực tế