肤浅的总结

肤浅的总结

去年十月份开始学习数据分析，个人的学习习惯是：倾向于从底层的基础知识学起。这期间看过几本书，上过不同类型的网课，也动手实践了一些项目，这里记录一些学习体会。

---

统计学

人工智能，机器学习，数据挖掘等概念发展到今天，致使现在统计学比过去任何时候都更被人们所重视。然而对于那些已经掌握真理，或者至少是抓住部分真理的人来说，对此似乎早就了然于胸。证据有很多。

（一）
我国著名的数理统计学家和教育家 陈希孺(1934-2005) 先生曾说过：

对偶然性的认知是一个现代人知识结构中应该具备的成分，是一个人的人文素质的一部分。

（二）
再早一点的，如英国学者 威尔斯(1866-1946) 说过:

统计的思维方法，就像读和写的能力一样，终有一天会成为公民的必备能力。

（三）
最让人赞叹的，还是现代物理学家 薛定谔(1887-1961) 1944年说的一段话：

在最近60年或80年中，统计方法和概率计算进入了一支又一支的学科……开始时这个新式武器总是伴随着一个借口：它是为了救治我们的缺点，我们对细节的无知，或无力应付大量资料……但是似乎无意中，态度就改变了，我们意识到，个别的情况完全没有兴趣，不管关于它的详细知识是否能够得到，不管它提出的数学问题能否应付，我们明白：即使它可以做到，我们也会因跟踪成千上万的个别情况，最后也不能得出一个比统计数量更好的结果，我们实际感兴趣的乃是统计机制的运用。

当时还没有电子计算机，人们处理大量数据的能力还很有限，但薛定谔已经有了这样的总结，不得不赞叹其思维之敏捷，洞察力之敏锐。

数据分析

（一）
数据分析最重要的应该是分析思路的建立，是对业务背景的了解，而不是对众多图表的把玩和运用，虽然它们也很重要。

举个例子，学生时代的数学题目让我有很深的体会，读完一道题之后，心中差不多知道答案是怎样的，然后才动笔朝着那个方向解答，通常很快就会得到结果；相反，如果读完题目之后心里没什么想法，盲目解答，乱七八糟的尝试，通常也不会有结果。所以数学直觉比解题方法重要，进一步，想象力比知识重要。同样的，对于数据分析，分析思路比分析手段重要。

（二）
数据分析归根结底是要解决实际问题，为生产生活服务，并不是为了分析而分析。数据分析中有很多工具可以选择，比如excel，sql，python，r，tableau等，在学习众多工具的过程中，得时刻提醒自己不要过分沉迷于技术细节，而忘记了分析的原本目的，毕竟皮之不存，毛将焉附。

对学习成果的检测

检测学习成果比较快速准确的方法，就是看自己能否清楚明白地向别人讲解该问题，这是最有效的方法，没有之一。因为，这个世界上只不会讲课的老师，没有头脑不清的学生。假设别人没听懂我在说什么，只能是自己还没完全理解。

这种主动输出的另一好处就是，进一步增进自己对知识的理解，所谓教学相长也就是这个意思。