大數(shù)據(jù)入門那些事

       數(shù)據(jù)，大家會(huì)陌生嗎？不會(huì)。我們每天的日常生活都會(huì)接觸到數(shù)據(jù)。淘寶購物時(shí)貨比三家的價(jià)格，年終考核之后發(fā)給我們的獎(jiǎng)金，發(fā)表在論壇上的文章的評(píng)論數(shù)量，這些都是數(shù)據(jù)。
       從人們會(huì)計(jì)數(shù)開始，數(shù)據(jù)就有了，數(shù)據(jù)分析也是。那么大數(shù)據(jù)呢？
       說到大數(shù)據(jù)，你就繞不開互聯(lián)網(wǎng)。在互聯(lián)網(wǎng)出現(xiàn)之前，雖然政府部門和一些公共事業(yè)單位通過日積月累獲得了較大量的數(shù)據(jù)，但并沒有形成足夠的影響力。直到互聯(lián)網(wǎng)產(chǎn)品的出現(xiàn)，由于它收集用戶數(shù)據(jù)的便利性，通常在一天之內(nèi)就能夠累計(jì)其他行業(yè)可能一年才能獲取的數(shù)據(jù)量。        數(shù)據(jù)量的升級(jí)造成算法和硬件都必須要升級(jí)，操作起來的技術(shù)難度也就會(huì)提高很多。這個(gè)時(shí)候，就需要專業(yè)的技術(shù)和平臺(tái)來完成存儲(chǔ)，處理和分析大數(shù)據(jù)的工作。比如說，大家都聽過的Hadoop平臺(tái)，MapReduce算法。都是大數(shù)據(jù)時(shí)代的產(chǎn)物。因此，
       大數(shù)據(jù)的核心，就在于大。
       有一定規(guī)模的互聯(lián)網(wǎng)公司都會(huì)成立專門的大數(shù)據(jù)部門來管理自己產(chǎn)品所收集到的大數(shù)據(jù)。數(shù)據(jù)量越大，處理難度就越高，相應(yīng)的，可能挖掘到的內(nèi)涵也會(huì)更多。于是，大數(shù)據(jù)就成了一個(gè)產(chǎn)業(yè)，一個(gè)火熱的產(chǎn)業(yè)。
       大數(shù)據(jù)入門的科普讀物，應(yīng)該看哪一本呢？很多人推薦了吳軍的《智能時(shí)代》。        大數(shù)據(jù)圈子里的人
       在大數(shù)據(jù)行業(yè)這個(gè)圈子里，公司提供的職位大致分為三類：數(shù)據(jù)分析師，數(shù)據(jù)產(chǎn)品經(jīng)理，數(shù)據(jù)工程師。他們緊密合作，共同驅(qū)動(dòng)公司的數(shù)據(jù)決策文化。
       那么，這三種職位都是做什么的？又該怎么入行呢？
       數(shù)據(jù)分析師
       數(shù)據(jù)分析師，是使用大數(shù)據(jù)的人。核心是掌握各種數(shù)據(jù)分析工具和數(shù)據(jù)分析技能，目標(biāo)是為公司管理層和產(chǎn)品團(tuán)隊(duì)提供分析報(bào)告，幫助他們做決策。
       實(shí)際工作中，數(shù)據(jù)會(huì)被處理成各種不同的類型提供給數(shù)據(jù)分析師使用，有比較原始的，有比較簡(jiǎn)單好用的。因此，數(shù)據(jù)分析師需要掌握R, SQL，Excel, Python基礎(chǔ)編程等多種技能，以及熟練掌握常用的數(shù)據(jù)分析方法。
       如果你立志于成為一個(gè)數(shù)據(jù)分析師甚至數(shù)據(jù)科學(xué)家，那么建議你進(jìn)行系統(tǒng)的學(xué)習(xí)。
       1. 英文好的可以去系統(tǒng)學(xué)習(xí)：Data Science - Johns Hopkins University | Coursera
       2. 如果你有一定的經(jīng)驗(yàn)和編程基礎(chǔ)，也可以考慮秦路的自學(xué)指南：如何七周成為數(shù)據(jù)分析師
       常見的推薦書籍有《R語言實(shí)戰(zhàn)》，《深入淺出統(tǒng)計(jì)學(xué)》，《Python for Data Analysis》等。
       數(shù)據(jù)產(chǎn)品經(jīng)理
       數(shù)據(jù)產(chǎn)品經(jīng)理是設(shè)計(jì)數(shù)據(jù)產(chǎn)品的人。核心技能是數(shù)據(jù)需求分析和數(shù)據(jù)產(chǎn)品的設(shè)計(jì)，和其他的互聯(lián)網(wǎng)產(chǎn)品經(jīng)理并沒有本質(zhì)的不同。實(shí)際工作中，數(shù)據(jù)產(chǎn)品經(jīng)理需要收集不同用戶的數(shù)據(jù)需求并且設(shè)計(jì)出好用的數(shù)據(jù)產(chǎn)品提供給大家，幫助他們“用數(shù)據(jù)做決定”。
       常見的推薦入門書籍有《人人都是產(chǎn)品經(jīng)理》，《The DatawareHouse Toolkit》，《Lean Analytics》等等。
       數(shù)據(jù)工程師
       數(shù)據(jù)工程師，簡(jiǎn)單分兩種，一類是數(shù)據(jù)挖掘工程師，另外一類是大數(shù)據(jù)平臺(tái)工程師。工程師的基本技能當(dāng)然是寫代碼，寫高質(zhì)量的代碼。
       數(shù)據(jù)挖掘工程師主要工作是開發(fā)大數(shù)據(jù)流水線以及和數(shù)據(jù)分析師一起完成數(shù)據(jù)挖掘項(xiàng)目，而數(shù)據(jù)平臺(tái)工程師主要工作是維護(hù)大數(shù)據(jù)平臺(tái)。
       因此，理工科背景出身，掌握C, C#, Python等編程/腳本語言，熟悉各種基礎(chǔ)算法即可以勝任。
       如何用數(shù)據(jù)做決策        對(duì)于那些并不想轉(zhuǎn)行進(jìn)入大數(shù)據(jù)圈子的人，我們要學(xué)的究竟是什么？
       在我們的日常工作中，特別是業(yè)績(jī)不佳，找不到突破口的時(shí)候，都曾想過能否用數(shù)據(jù)來幫助自己。因?yàn)槲覀兌荚蚨嗷蛏俾犨^一些牛逼的數(shù)據(jù)案例，比如紙尿布與啤酒之類。
       舉一個(gè)簡(jiǎn)單的例子，你經(jīng)營的餐館現(xiàn)在狀況不佳。你可以自己拍腦袋想一堆的新點(diǎn)子來嘗試改善現(xiàn)狀。你也可以，收集整理數(shù)據(jù)，通過分析找出根本原因，并提出對(duì)應(yīng)解決方案，從而扭轉(zhuǎn)局面。后者聽起來似乎更加靠譜一些。
       那么，你該收集什么數(shù)據(jù)，做什么分析，這就是你需要學(xué)習(xí)的：“如何用數(shù)據(jù)做決策”。從這個(gè)角度講：人人都應(yīng)該是數(shù)據(jù)分析師
       學(xué)習(xí)系統(tǒng)的數(shù)據(jù)決策和數(shù)據(jù)分析思維，我們可以從這篇文章開始：從0到1搭建數(shù)據(jù)分析知識(shí)體系。
       關(guān)于數(shù)據(jù)分析的書籍太多了，眾口難調(diào)，隨便一搜就有一大堆推薦。而其中所講的知識(shí)和理論其實(shí)都是類似的。最終要讓他們發(fā)揮作用，還是要和實(shí)踐結(jié)合起來。
       因此，在自己的生意和工作中多實(shí)踐數(shù)據(jù)分析，多思考，遇到問題多在社群中提問和大家探討，是最好的學(xué)習(xí)辦法。
       帶著問題去學(xué)習(xí)，是最好的方式。
       在這個(gè)過程中，隨著你對(duì)數(shù)據(jù)的深入了解，掌握更多的數(shù)據(jù)分析語言和工具。從Excel到SQL，甚至到R和Python。你所能使用的數(shù)據(jù)量也會(huì)越來越大。但你大可不必一開始就扎入這些工具的學(xué)習(xí)中，那樣會(huì)收效甚微。