什麼是程式設計師思維？

今天想要說的就是這種程式設計師式思維，也即資料思維，用資料揭開事物的本質，探究事物的內在價值。

「企業資料化管理變革」這本書中對資料思維是這麼闡述的：資料思維是根據資料來思考事物的一種思維模式，是一種量化的思維模式，是重視事實、追求真理的思維模式。

很多人陷入了一種誤區，認為資料思維就是羅列資料，其實不然，資料思維的重點是要得出定性的結論。

舉個簡單的例子：甲公司的某款產品12月份的銷售額3千萬，環比增長-10%，同比增長10%，這就是羅列資料。而資料思維要做的是看到這些資料，如何通過這些資料發現問題，思考這些資料產生的原因，為什麼相比上個月銷售額下降了10%？是因為競品的出現還是產品出了問題？這都是要一步一步探索的。

資料的價值分為兩個部分，第一個是資料本身，第二個是由資料分析產生的結論。

我在剛畢業的時候去了上海一家與物流相關的公司，為了進行物流網點的擴充，我採集了全網二十多個大型物流網站的上百萬的專線老闆的電話等資訊進行簡訊營銷，為公司帶去了近百萬的盈利。

後來我又用這些電話、網店地址和線路等資訊作了一份物流分析報告，幫助業務人員在物流選址、線路定價上做了一些更好的計劃安排。

除了這些在工作上的用途外，在我的日常生活中，資料也為我產生了很大的價值。

從資料本身來看：我想看電影於是採集了豆瓣電影的所有的資料進行篩選、想聽音樂於是採集了網易雲音樂的真個曲庫進行篩選。

除了資料本身，資料分析也能帶來價值：通過知乎的資料我們能知道什麼時候回答什麼樣的問題可以獲得高贊、通過淘寶商品的歷史價格資料我們能分析出雙十一的商品價格是不是一年中最便宜的，如果不是最便宜的我們應該在什麼時候買東西；通過輿論分析我們能知道小姐姐這個詞是怎麼火起來的？有人認為是在日漫中火起來的，其實並不是。

總之資料分析不僅能讓我們更加理性的看待問題，也能給我們帶來更加實際的利益。

資料分析師必備的技能分為這幾大塊

1.資料採集

2.資料清洗

3.資料分析

4.資料視覺化

第一塊是資料採集，所謂資料採集並不是我們理解的資料爬蟲，尤其是我們在工作中遇到的資料很多都是來自系統內的資料，來自資料庫的資料來自日誌的資料。

但是這些資料維度是非常多並且複雜的，所以在分析前我們就需要把這些資料採集來。資料採集常用的手段有：SQL／Python，其中SQL是資料分析的必備技能，Python是加分項。

第二塊是資料清洗，採集來的資料一般是不規整的，欄位缺失或者有錯誤是常有的事情，如果我們不對這些資料進行清洗，分析出的結果就會出現各種異常。在資料清洗這一塊就需要用到一些簡單的統計學基礎。

有了前兩步做鋪墊，我們就可以進行第三步資料分析了。作為商業資料分析來說：資料分析最重要的是行業知識和邏輯思維能力。行業知識往往是通過在行業中的工作經歷來獲取的，當然作為學生也可以通過一些行業相關的資料包告和雜誌來獲得。

而邏輯思維能力，需要後天的不斷的鍛鍊，常見的鍛鍊方法是多看資料分析實戰相關的書籍，學習作者的思維方式；經常和小夥伴一起做頭腦風暴；對於一些工作生活中有趣的經驗主義的事情嘗試通過資料角度去解答。

最後，資料分析得出了結論往往不是文字所能表達的，我們可能想通過資料視覺化讓結論更加的容易理解。目前國內外的資料視覺化的產品也非常多，我常用的有：Echarts／Tableau／Excel／Python等。

如果你對以上四步都沒有什麼問題，我想你離資料分析師的道路就不遠了。當然很多時候程式設計師思維並不需要你能掌握以上所有的內容，而僅僅需要在第三步的資料分析的思維上花功夫。

公眾號內回覆“1”帶你進粉絲群！