热线电话:13121318867

登录
首页精彩阅读数据分析师与统计学
数据分析师与统计学
2016-05-20
收藏

数据分析师与统计学

1.数据分析师有三条腿,数据处理,统计分析,业务理解。

既然你是从业人员,那么你一定听过一句话,“数据挖掘有80%的时间花在了数据准备上”,当然,这80%的时间反而是最不能体现工作价值的地方。如果你处理过从不同业务部门汇集来的数据,就会明白。。。“大”的不仅是价值,而且迫切需要一种新型的技术路径来解决需求。我试过R,Clementine,甚至excel的插件,面对不能精确匹配的场景总是乏力,事实上我处理的还都是完全结构化的数据。


2.多数时候,统计分析所需要的并非算术技能,而是数学思想。

到这就要提第二句话,“大数据分析的关键不是因果,而是相关性”。啤酒和尿布的故事想必我无需再讲。基于精确建模、大量数据、反复迭代来预测人类社会的多数变量,都会是南辕北辙。一般而言的,基于金融工程衍生来的各种数学、统计,并不能在大数据场景中得到应用。归根结底,大数据活动并非是一个在严密逻辑框架下进行理论推演的科学,而是一个自下而上,由数据的挖掘、分析中发现结论的科学。基于大数据方法得出的好结论,必然应该是后验的,而非先验的。大数据的价值在于可以发现细节规律,而不是推演未来。石油价格预测这种的,是数学家的事,不是数据科学家的事。

3.需求导向仍是IT领域设计解决方案的最高法则。

需求导向放在大数据场景里,也就是对业务的理解。有些业务很好理解,比如啤酒和尿布,有些业务比较难,比如一些面向研究部门的对细节数据的组织需求。商业组织里,应用任何新技术的目的,都应该是提高生产力。所以我认为,一个半吊子分析能力的从业人员,能够比一个既懂数学又懂计算机的书呆子设计出更好地解决方案,因为对需求的理解。
基于以上三点,我认为如果你想做一个数据科学家,更好地选择是去了解具体业务,而非学统计。实干的建议就是,可以随便找几本统计学专业书来翻翻,看看里面到底有没有东西能帮你更好地满足用户需求。


数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询