數據分析的”橫向”學習之路
我把珍藏的網上文章重新整理放上github了..
剛入門時，我對數據分析的理解很窄，大多通常琢磨在技術上，接到一個數據需求後，键盘就開始咔咔响。隨著項目越複雜，除了少部分特別專攻的領域對技術特別高要求外，數據分析還是一個很廣泛的學科，一個項目可能會涉及到許多層面。
邀請你至Blog閱讀全文：
數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
即使一個臨時取數需求，也可能會採到坑，像是：
- 做太久，業務方等得不耐煩
- 配合不順暢，被批評不懂業務
- 項目期望太高，無法真正的落實
相信上面3個坑，絕大多數分析師都曾遇過(有遇到的底下留言啊)。另外為了以後自己輕鬆，可以對需求往內鑽研，嘗試系統化/自動化，將一項臨時需求轉化為更貼近業務的體系。
業務流程目前是怎樣？流程合理嗎？
各環節的數據是怎樣產生的？怎樣儲存的？
他們目標是什麼？
他們最迫切怎樣的數據？
這個數據足夠嗎？我要怎樣滿足他們需求、甚至超出預期
數據會被拿去做怎樣的消費/使用？
我認為數據分析就是個f函數，X(date)input近來後，被我們消化後Outpute出Y，因此兩端知識都必須具備。
我們必須盡可能的理解被我們inpute的數據怎麼來的？後端是怎麼處理的？技術是怎麼實現的？數據是怎麼管理的？也就是數據的生產過程；我們也必須足夠了解業務，包含業務邏輯、交付方式、開發時程、實現架構等，讓產出發揮出價值。
再往遠一點的看，職涯生活是這麼的很長，數據分析這條路有沒有把事情做好的方法？要如何發揮更大價值？如何領導他人？業界在技術上有沒有什麼圖破？產業發現情況怎樣？ 別人是怎樣做的？這些也是不時要關注與思考的議題。
我稱為”數據分析的橫向學習之路“
在<數據分析blog？會有人看嗎？ — 我為什麼在medium寫部落格>這篇文章提到，網上的許多人真的幫助了自己很多。
因此把近年個人在學習工作中發現的一些不錯的個人博客或者大佬們寫的文做了整理，放到github上做記錄，方便review也分享出來，後續會不斷更新。(Expanded-knowledge-for-data-analysis)，分為(1)大數據(2)數據知識(3)職涯 (4) 互聯網人物誌。 歡迎有興趣的朋友自由閱讀～
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
1. Hello All：主站遷移至👉https://andyrockdata.com/ ，請改至『ROCK DATA』Blog 閱讀新文章完整內容，如果喜歡我的文章，可以訂閱我的電子報(Medium站仍將張貼新文章訊息)2.立即追蹤👉ROCK DATA臉書粉絲頁跟ROCK DATA IG(@andyrockdata)3.【入門數據分析，掌握HiveSQL取數能力】在hahow上架啦，購買連結👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌：原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點：）有任何想法或感興趣的地方歡迎留言/討論，或者私訊我！5. 往期的數據相關文章可以參考以下link
- 數據分析系列1：談談數據分析的眾多Title
- 數據分析系列2：數據分析的一週工作日程
- 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
- 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
- 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
- 數據分析系列6：精選幾個機器學習的學習資源
- 數據分析系列7：數位化決策轉型與企業文化的一些思考
- 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
- 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
- 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
- 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
- 數據分析系列12：2018年終工作總結(數據分析師)
- 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
- 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
- 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
- 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
- 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
- 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
- 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
- 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
- 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
- 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
- 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
- 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
- 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
- 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
- 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
- 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
- 數據分析系列29：數據分析師職場發展的另類出路
- 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
- 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
- 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
- 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
- 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
- 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』
