【圈外同學】是我一直關注的公眾號和學習賬號，上周看到了他們家推出的 7天的體驗課《入門數(shù)據(jù)分析實戰(zhàn)訓練》，果斷報名嘗試一下。

體驗課的四節(jié)課的學習，讓我感覺自己有了一些新收獲。我自己已經(jīng)有醫(yī)學科研的基礎，所以最大的收獲不是數(shù)據(jù)分析的統(tǒng)計方法，更多的是生活中看問題需要的數(shù)據(jù)分析思維。

體驗課的整體設計是這樣的，下面是按照我自己的聽課筆記，寫一寫我覺得自己的收獲。

四節(jié)課的總體思路

1. 對比分析數(shù)據(jù)需要的三個維度：What+How+Who。

例如：2018年10月店鋪每日營收（What-什么內(nèi)容）的平均額度（How-平均值），比9月（Who-和什么對比）相比有5%增長。

2. 占比分析（流程分析）中可以用到漏斗圖的拆解思維。

漏斗層數(shù)應該小于7層，適用于大問題可以按照流程和環(huán)節(jié)可以進行拆解的情況。同類的還有要素拆解和維度拆解。

將漏斗數(shù)據(jù)與設定為標準的漏斗模型數(shù)據(jù)進行分層對比，就可以找到環(huán)節(jié)優(yōu)化的過程中，投入更低產(chǎn)出更高的關鍵流程。

3. 相關性分析是驗證A與B1、B2哪個更加有關，從而鎖定某一問題中的關鍵因素。

這就涉及我們做的二元函數(shù)分析。線性相關的函數(shù)滿足y=ax+b，當然也會有很多非線性相關的情況y=a（X的平方）+b等等。

常用的函數(shù)是線性相關的函數(shù)，在比較ab的數(shù)值之外，還需要比較相關性系數(shù)（R的平方），數(shù)值的大小和方向可以說明相關程度。

相關性并不代表因果邏輯，但是相關性可以用于在兩個變量中已知一個去預測另一個的范圍。

4. 數(shù)據(jù)可視化很關鍵，正確的匯報更加關鍵。

數(shù)據(jù)的可視化一般是構建圖表，但是圖表中的單位、原點的起始數(shù)值等等可以影響圖表的表達效果。在可視化選擇中，應該正確選用圖表，展示數(shù)據(jù)。

其次我明白了“上級不知道你在做什么很正?！?/b>這一理論的深層次原因，這是我在這一部分中獲益最大的一點。

在和上級匯報時，說自己有苦勞是沒有用的，有產(chǎn)出且產(chǎn)出符合公司價值才是公司的需求。應該將自己的產(chǎn)出與公司或集團的量化考評之間產(chǎn)生關系（即：我的工作對于公司的某個目標帶來了多少的變化）。

上：管理者時間分配；左：選擇可視化圖表；右：正確的提問。

5. 其他新能力。

會用了后裔采集器做基礎的抓關鍵詞輸出excel表格。會用微詞云在線畫詞云圖。

我覺得課程給我?guī)淼淖畲蟾淖冞€是能力和思維上的兩個啟發(fā)：

1. 手里沒有錘子，就會看不到釘子。如果自己的習慣性思維邏輯中沒有某個類別，就會忽視這一類別的所有事物。

2. 知識學習需要的是堆時間（長時間低強度持續(xù)學習），能力學習需要的是堆強度（短時間高效率）。我很喜歡老師的舉例，健身增肌的方法，就是短時間高強度肌肉拉扯撕裂之后，愈合的肌纖維比原來的更加粗壯。