【圈外同學】是我一直關(guān)注的公眾號和學習賬號台盯，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》亮蛔，果斷報名嘗試一下。
體驗課的四節(jié)課的學習浴讯，讓我感覺自己有了一些新收獲朵夏。我自己已經(jīng)有醫(yī)學科研的基礎(chǔ)，所以最大的收獲不是數(shù)據(jù)分析的統(tǒng)計方法榆纽，更多的是生活中看問題需要的數(shù)據(jù)分析思維仰猖。
體驗課的整體設(shè)計是這樣的，下面是按照我自己的聽課筆記奈籽，寫一寫我覺得自己的收獲饥侵。
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）唠摹，比9月（Who-和什么對比）相比有5%增長爆捞。
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(yīng)該小于7層勾拉，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煮甥。同類的還有要素拆解和維度拆解盗温。
將漏斗數(shù)據(jù)與設(shè)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)化的過程中成肘，投入更低產(chǎn)出更高的關(guān)鍵流程卖局。
3. 相關(guān)性分析是驗證A與B1、B2哪個更加有關(guān)双霍，從而鎖定某一問題中的關(guān)鍵因素砚偶。
這就涉及我們做的二元函數(shù)分析。線性相關(guān)的函數(shù)滿足y=ax+b洒闸，當然也會有很多非線性相關(guān)的情況y=a（X的平方）+b等等染坯。
常用的函數(shù)是線性相關(guān)的函數(shù)，在比較ab的數(shù)值之外丘逸，還需要比較相關(guān)性系數(shù)（R的平方）单鹿，數(shù)值的大小和方向可以說明相關(guān)程度仲锄。
相關(guān)性并不代表因果邏輯儒喊，但是相關(guān)性可以用于在兩個變量中已知一個去預(yù)測另一個的范圍。
4. 數(shù)據(jù)可視化很關(guān)鍵掸驱，正確的匯報更加關(guān)鍵。
數(shù)據(jù)的可視化一般是構(gòu)建圖表鬼癣，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痹屹。在可視化選擇中暖庄，應(yīng)該正確選用圖表惹悄，展示數(shù)據(jù)。
其次我明白了“上級不知道你在做什么很正车鄙矗”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滤灯，有產(chǎn)出且產(chǎn)出符合公司價值才是公司的需求。應(yīng)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(guān)系（即：我的工作對于公司的某個目標帶來了多少的變化）。
5. 其他新能力。
會用了后裔采集器做基礎(chǔ)的抓關(guān)鍵詞輸出excel表格葵硕。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. 手里沒有錘子悄谐，就會看不到釘子介评。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爬舰。
2. 知識學習需要的是堆時間（長時間低強度持續(xù)學習）们陆，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情屹，健身增肌的方法坪仇，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垃你。
