郑小柒是西索的博客

原创 做完十年数据分析后的思考与总结

提前做好职业规划，多复盘、多记录、多写作，都是成年人，没必要跟自己过不去，好好沉淀，直到被掘金人挖到的那一刻，真正的实现价值的变现。

原创 python读取Excel表格内公式的值

【代码】python读取Excel表格内公式的值。

原创 Python自动获取浏览器cookie

【代码】Python自动获取浏览器cookie。

原创 《数学要素》读书笔记

系统性的对数学知识做了整理，包括各种数学概念、生活中的数学知识、几何图形、中学年代的数学知识、大学年代的数理知识、机器学习算法中的数学概念、多维空间，通过各种各样的图对数学做了阐述，不再只是一个概念，更加具体和形象。

原创 推荐一本python学习书：《编程不难》

Python 的版本持续演进。Python 2.x 和 3.x 系列并存一段时间！建议大家学习时使用最新版本。

原创 数据分析真这么难找工作吗？

难找，也难招。我觉得会有这么几个方面的因素：1、缺乏职业的认知。大部分人，对数据分析的职业发展、工作内容、职责边界、价值创造都不太清晰，往往是人云亦云，应该会什么、要会什么，说不清楚、讲不明白。2、都在做数据需求。在做数据分析的时候，大部分情况可能是糊里糊涂的做了事情，把需求解决掉了，平时不复盘，也不交流，到面临选择的时候又不知道接下来该往哪个方面提升，怎么提升。3、AIGC大模型挑战。大模型会替代分析师么？会，而且是颠覆性的。以前要写的SQL、Python代码，以及一些基础性的数据整理工作，都可以让AI工

原创 《大话计算机科学》用故事解锁计算思维的神秘面纱！

计算机科学，这门看似遥不可及的学科，其实早已渗透到我们生活的每一个角落。从智能手机到搜索引擎，从推荐系统到人工智能，计算机科学无处不在。将生活中的点滴与计算机科学联系起来，将抽象的知识具象化，计算机科学可以不是晦涩难懂的，是可以如此有趣的。

原创 概念篇：Spark广播变量

这意味着当我们需要在多个阶段的任务之间使用相同的数据，或者以反序列化形式缓存数据是十分重要的时候，显式地创建广播变量才有用。累加器仅仅在动作操作内部被更新，Spark保证每个任务在累加器上的更新操作只被执行一次，也就是说，重启任务也不会更新。在转换操作中，用户必须意识到每个任务对累加器的更新操作可能被不只一次执行，如果重新执行了任务和作业的阶段。在Scala里，Spark提供更通用的累加接口来累加数据，尽管结果的类型和累加的数据类型可能不一致（例如，通过收集在一起的元素来创建一个列表）。

原创 读后感：《SQL数据分析实战》运营SQL实用手册

其中，DATE表示日期，TIME表示时间，DATETIME表示日期和时间，TIMESTAMP表示时间戳。就好像大模型一样，我们只需要知道怎么用就好。其中，BINARY是定长二进制数据，VARBINARY是变长二进制数据，BLOB用于存储大量二进制数据。1.数值类型：包括整数类型（如INT、SMALLINT、TINYINT等）、浮点数类型（如FLOAT、DOUBLE、REAL等）和定点数类型（如DECIMAL、NUMERIC等）。学习SQL，先有用起来，有了使用价值，之后才是去了解它的原理，让使用更加顺畅。

原创 要做一个大数据人才，到底应具备哪些技能?

我是西索，最近这段时间，和几个大厂的TL 做分析方面的探讨，在大数据时代要怎么才能发挥更高的数据价值，刚好涉及到这部分的讨论，把讨论结果做个分享，供同行参考。这几年听到最多的一个声音，我们要开始“卷”价值了。那么“你的价值体现是什么？”、“当前还有多少价值可以做”、“接下来我们要创造什么价值”…对于刚入行的同学来说，需要了解大数据分析过程中涉及到的流程和环节，再结合大数据的要素进行能力拆解。数据分析和大数据分析，原始数据量大小不同，导致处理方式的不同。

原创 做分析用什么工具

而SQL是用来提数跑数的，你必须得会，得熟练，不然时间都耗在这儿了 当你遇到数据量较大或者需要复杂模型，就可以上PYTHON和R了 当然如果是你公司有大数据平台，就可能使用HIVE、SPARK、STOM等等。第二是，多多和别人交流和分享，思维的碰撞，能加深个人的理解和感悟 数据分析，是各行各业都需要的技能，不同行业的数据分析，分析方向和内容也是千差万别。工具是最容易掌握的，真正提高工作效率的，都是大家常提的、公认的，脱离实际场景的内容，提供客户数据标签管理、智能圈人、人群扩散、位置营销、营销效果分析；

原创 如何去评估好业务方提交的数据需求

对部分自己不确定的事情，需要找一个熟悉业务的人来背书，这个人要么是你的同级，要么是你的直属领导。数据作用在哪个部门，会影响到他们什么，这个和第一个问题有些同质，考虑的点不一样，重点在于影响范围上，去了解数据提供到的业务方，他们拿到数据之后会做出什么样的策略。

原创 走向数据之光，成长启示

总而言之，言而总之，几个比较受用的观点：1、可以人人都会数据分析，但不是人人都能成为数据分析师，具有非常强的专业性壁垒；2、数据只是商业的一环，在业务的驱动性没有那么有价值，离开业务的数据只是一类信息；3、我们希望能通过数据解决很多问题，但实际上，数据不是万能的，政策、市场、业务都在时刻变化着，需要结合业务演进；4、做数据分析，不是做单次响应，能做到业务闭环，才是企业真正需要的人才，多元、复合是趋势；

原创 走向数据之光，实践思考

互联网”、“人工智能”、“AIGC”、“5G”、“量子计算”，在这个快速变化的时代下，国家提倡数字经济，企业实施数字化转型，对数字化人才的需求急剧增长，数字化人才日益成为国家创新驱动发展、企业转型升级的核心竞争力。数据决策，原本是为了替代拍脑袋的经验决策，但是人是惯性的，我们慢慢的也会从数据决策，变成拍脑袋得数据结论的经验决策。个人能力的成长，溢出部门职责要求的时候，会形成一种对抗，部门的职责范围扩增，会衍生出组织团队定位的问题，都需要做好日常的思考、复盘和总结，保持持续的学习和交流必不可少。

原创 走向数据之光，价值驱动

组织视角，需要考虑分工个人视角，需要去考虑成长和期望，需要考虑价值贡献，才能有结果导向，博得更高的财务回报for财务总监、VP、CEO的时候，他们需要的是决策痛点：“明年我们的商业化版本要不要调价”期待：“能不能调，调多少”能力：“能不能分析过往的模式”、“外面的行业模式”、“外界的行业、丛林指数”、“财务ltv模型是不是在变好，单价变高之后，用户保有量变少”结果：“以bp的形式，去思考商业分析”●怎么做问题的质量判断？●你能不能拿到高质量的问题，有没有掌控权，质量不高的问题，永远拿不到好的结果。

原创 做好分析需要看的一些书

在方法论、工具上的使用已经炉火纯青，对于模式和框架也已经了然于胸，这时候往往不局限于一个行业或者一个方向，而是拓面立体，《决战大数据》、《Doing Data Science》、《数据之巅》、《大数据时代》、《智能时代》、《卓有成效的管理者》……一份工作，短则1～2年，长则5～10年。， 要学习hadoop、hive、sprak，我的第一推荐仍然是官网，当然，这里有个前提，就是你的英文阅读能力得特别好，否则的话，还是推荐《Spark大数据分析》、《Data Analytics with Hadoop》

原创 毫无基础的人如何入门 Python ？

其实不止是 Python，任何学习都会遇到这么几个难点。

原创 大数据开发工程师需要具备哪些技能？

对于大数据，随着技术的不断迭代，数字化的发展，对数据职能的区分度会越来越细分，持续保持对前沿知识的关注，通过和周边的大佬进行学习，结合场景进行深度应用，在数字化的道路上才能走的更长远。也分很多种类型，包括搜索算法、导航算法、NLP、视觉算法、图像识别、自动驾驶、安全算法、通信算法等，需要掌握的技能差异性也很大，整体来看，有以下共性。前端从业人员主要分布于我国中东、南部地区，其中北京的前端开发工程师最多，其次是深圳、上海、成都、杭州、广州、武汉、南京、长沙和西安；

原创 商业分析能力是怎样炼成的？

对过去十年，从“信息孤岛，不能用、不好用”到“破开壁垒，可以用、好用”，大数据、云计算、互联网、物联网等信息技术得到了大力发展，人工智能技术飞速提升，打破了科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景。管理需求变更以确保每个人都在使用最新的文档，并且适当的利益相关者参与有关变更的所有决策，让自己可以回答问题并帮助解决在项目的技术设计、技术实施或测试阶段出现的任何问题，更新和/或重新打包需求文档，使其对技术设计和实施过程有用；，所需要具备对能力矩阵。

原创 影响最大的七本工具书

结合BAT下企业级5个真实的应用案例，譬如根据新闻标题跟踪疾病暴发、分析社交网络以及在广告点击数据中寻找相关模式，通过分析需求转化，了解常见问题的解决，例如数据丢失、混乱的数据以及与构建模型不匹配的算法，Python算法包中的详细设置说明和常见故障的解决办法，利用简单示例实现算法原理的理解与落地应用。数据科学，包含了对问题事件的分析、挖掘，需要用到很多前沿的算法，譬如机器学习、深度学习，涉及到的代码、算法、数据集、格式和可视化都需要有完整的项目进行演练，才能实现互联网短平快的目的，高效高产。

原创 年薪百万的人怎么做好工作复盘和总结

【代码】年薪百万的人怎么做好工作复盘和总结。

原创 分享篇：我用数据分析做副业

前提是有积累到一定的受众，输出BI软件使用、分析工具、分析方法论、分析案例、大数据场景、算法实践等内容的培训课程，实现知识付费。● 段位高一点可以，可以提供职业规划的指导，如何写好简历、做好职业发展路径规划、选择工作、行业发展等。● 早期的时候，接一些零散的小单，譬如Excel模板、自动化统计工具等，帮助雇主解决。● Python的应用除了数据处理，最大的优势是在数据建模，和小伙伴参与各大平台的。● 在接触一段时间R的时候，会接一些社区内的使用咨询，多是学生，如何在R中实现。● 写专利真的可以很赚钱！

原创 分享篇：最近在研究的AIGC内容

1、大模型会颠覆一些生产力，让强的人更强归根到底，大模型是工具，和早些年的excel、python、ps没差，能不能用好工具，这个得靠脑子，比较吃框架和构思点，不同的人用下来的结果和效果可能会不一样2、对OL来说真的可以提效很多，但是也伴随着危机在文字整理、框架生成上不用做过多的思考，能够快速的做好归纳总结，但是现在这个阶段的语言还不够凝练，没办法做到揣测人心。

原创 技巧篇：在Pycharm中配置集成Git

在Pycharm右下角，我们可以看到Git:master，表示目前在主分支。Control-->Git 然后在 Path to Git executable中选择本地的git.exe路径。进入1：点击Pycharm导航栏中的VCS -> Get from Version Control -> Git。把Git版本库中的项目代码克隆到当前Pycharm的工作路径中。打开Pycharm, 点击File-->Settins-->进入2：点击Pycharm导航栏中的Git -> Clone。配置git上的地址，

原创 技巧篇：Mac 环境PyCharm 配置 python Anaconda

在 python 开发中我们最常用的IDE就是PyCharm，有关PyCharm的优点这里就不在赘述。当我们看到上图所示的内容之后，第一反应就是点击 Conda Environmenr，这是不正确的，也是很多人都会遇到的困惑。Anaconda集成了100多个常用的第三方库，在项目的开发中就可以减少使用 pip 命令进行安装。我们选择anaconda3文件夹，并打开，找到 python.app/Mac OS 文件夹，并打开，选中 python，并点击右下角的ok，并打开；这一步最为关键，也是最容易出错的。

原创 经验篇：大数据常用工具集合

Tableau、QuickBI、PowerBI、FineBI、观远BI、GBI、网易有数、QlikView、Oracle Analytics Cloud、SAP Analytics Cloud、Cognos、Google Analytics、Adobe Analytics。

原创 技巧篇：常用的R代码汇总

一些常用的R代码集合

原创 技巧篇：常用的vba代码汇总

一些常用的vba代码集合

原创 技巧篇：常用的python代码汇总

一些常用的python代码集合

转载 感悟篇：我在B端做数据分析（一）

B端分析的一些场景

原创 入行9年关于数据分析的一些沉淀

原创 耗时1星期，最全的sklearn结构整理

不多说，直接上图！

原创 python怎么计算相关系数、偏相关系数？

首先看下相关系数、偏相关系数的计算公式Xi=[1.1, 1.9, 3]Yi=[5.0, 10.4, 14.6]E(X) = (1.1+1.9+3)/3=2E(Y) = (5.0+10.4+14.6)/3=10E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02此外：还可以计算：...

原创 虚拟变量的方法介绍及python实现方式

虚拟变量的定义作用计量经济学中对虚拟变量给出了定义、作用及使用场景，进一步的深入了解可以系统性学习。定义：虚拟变量 ( Dummy Variables) ，用以反映无法定量度量的因素，譬如性别对收入的影响，是量化了的质变量，通常取值为0或1。另外一些名字：又称哑变量、虚设变量、名义变量、属性变量、双值变量、定性变量、二院型变量等作用：引入哑变量可使线形回归模型变得更复杂，但对问题描述...

原创 python生成自动邮件任务

前言在日常的数据分析过程中，我们常常需要将一些固化的指标定期发送给相关的负责人，以实现信息推送、告警的目的。几个步骤获取数据制表、绘图利用email模块发送部署定时任务1、获取数据参考python获取外部数据源e.g. 通过sql连接数据库或者读取本地excel文件来获取数据# 执行sqldef get_monitor_data(): sql='select * ...

原创 python常用计算类型方法总结

python3常用计算函数总结# pip 安装的时候，如果有些包已经存在，则用ignore忽略即可# pip install moviepy --ignore-installedimport pandas as pdimport numpy as npimport randomfrom scipy import statsimport scipy as spimport matp...

原创 LINUX系统python通过matplotlib绘图中文字体乱码

LINUX系统python通过matplotlib绘图中文字体乱码，解决服务器里面没有字体的问题：参考1：https://www.jianshu.com/p/7b7a3e73ef21参考2：https://www.zhihu.com/question/25404709查看环境input: 终端cat /etc/redhat-releaseoutput:CentOS Linux re...

原创 python常用计算类型方法总结

### python3常用计算函数总结```# pip 安装的时候，如果有些包已经存在，则用ignore忽略即可# pip install moviepy --ignore-installedimport pandas as pdimport numpy as npimport randomfrom scipy import statsimport scipy as spimp...

原创 SecureCRT自动断开的解决方法

在服务器内生成一个Py文件test.pyimport osimport timei=''print('start heartbeat')while 1==1: time.sleep(60*10) seq=''.join(['=']*10) print(seq,'gogogo',seq)在终端运行python test.py &...

原创 关于sklearn算法学习的一部分总结

前言关于一部分算法实践的代码整理关于算法实践的几个步骤### 载入python相关的包```python# 基础import pandas as pdimport numpy as npfrom collections import defaultdictimport matplotlib.pyplot as pltimport seaborn as snsimport...