交流

今天交流所得，记下来防止忘了，后面慢慢吸收。
数据分析总的重要性：业务>数据>算法
……只有充分理解了业务，才能制定出强有力的特征，也可以指导数据的清洗，更能选择不同的机器学习算法。
从个人的发展角度来说：
…….最重要的是个人面对问题的解决思路体系，这个是自己最大的秘密武器(这方面可以看看麦肯锡的《问题分析方法与解决技巧》，以及得到上的每天听本书也不错。但是还是要注意鉴别，以及不要完全照搬，吸收对应自己的)。外层的硬实力是：shell，Python，Hadoop以及对应的系列，如spark等，以及算法，这是基本的工作技能，需要不断的学习。软实力就是沟通能力，数据分析和挖掘需要充分的理解业务，所以不可避免的需要和不同部门的同事交流。此外，沟通技巧还可以促进同事之间的情感交流。
公司里面的数据挖掘和学校的数据挖掘区别：
……一般学校的数据量都比较少，可以无脑的堆一些统计特征，然后在自己的单机上运行（包括一般的数据竞赛初期也是），运用树模型得到特征重要性，删除无用特征，对重要特征进行再次挖掘开发。但是在公司里面数据是不缺的，数据不仅在量上比较多，在维度上也是特别大，不可能像前面那样做（即使是分布式平台也无法做到），只能根据自己对业务的理解，手动的选择一些自己认为重要的特征，进行相应的处理和验证，不断重复。还有就是公司的数据很多时候是没有标签的，需要按照自己的理解对其打上标签，才能带入模型训练。
平时的目标规划：
……人都是有生活的，所以不要给自己设定每天都学习的目标，一是完成不了，二又容易导致挫败感。此外，近期的目标不要设太多，1到两个刚刚好。还有就是严格制定每天的目标，然后将本来的完成日期延迟一点，这样更能完成呢，不会因为这两天有事就突然跟不上，导致最后直接放弃。