Leo的博客

经常有粉丝问我有“哪个报表工具好用易上手？”或者是“有哪些适合绝大多数普通职场人的万能报表工具？”

听到小道消息，我们公司要取消日报、周报了，这让我们公司的“表哥、表姐”开心了好几天。毕竟，在我们这种传统制造型公司，信息化建设是很不完善的，而周报就意味着每周都要去脏乱的数据堆里找到能用的数据，如果数据缺失或者异常还要跑车间里去核对情况，然后再按照业务的需求做出报表，发送给对应的业务部门。现在周报要取消了，那简直就是省下了一大堆功夫。消息正式下来了，根本不是要取消周报。不过也算是好消息，领导意识到了每周做报表实在浪费时间，于是提出了报表自动化的想法。

数据有多重要，已经不言而喻，随之而来的是职场对数据分析与展示能力的要求也越来越高。但是你是不是这种情况？一用图表就只会用饼图、折线图，一做报告只会打开PPT，一旦需要丰富图表，也只会加点动画效果，汇报过程中如果想对数据进行深层次地探索分析只能告诉老板会后再拉下数据。所以老板不想听有时候真的不一定是老板的问题，可能是你千篇一律的报表让老板审美疲劳，也可能是你仅限于查看的报表限制了异常数据的进一步探索。都说了干得好不如汇报得好，你要是一直如此，明年的升职加薪自然难上加难。

前端程序员是不是饱和了？为什么面了好几家公司都是开12K左右？”这是我的一位粉丝问我的问题，他是位初级前端。这个问题让我一度地想骂醒他：首先这么低的薪资要么是自己没信心不敢谈，要么就自己没好好学，要么就是没项目经验还有些眼高手低，结果最后只把原因归结于市场饱和。当然现在前端是很卷，但只要你沉下心踏踏实实的干，绝对还是个个人可以获得巨大回报的职业。首先现在任何一家企业都在发展“互联网+”，其次目前市场对前端的需求量也仅次于JAVA岗位，如果前端你都觉得饱和了，那其他岗位还不知道什么样子。

范斌说：“威海城市不大，从我家开车10分钟就到公司了，通常不会堵车，而在北京，每天的上下班的通勤时间需要三个小时，所以给我的感觉是，来到威海，我每天仿佛多了两个小时的时间。新房带精装修，是个一百平的三居室，价格在一万二左右，离职前半年就买好了，然后开始各种买家具家电、晾味儿、除甲醛等等，等他们全家人来到威海的时候，基本上一切都准备就绪了。最重要的是，步行到海边，一刻钟的样子。另外一点，让范斌感到有归属感的是，威海市民的素质非常高，并不比北京差，城市非常干净，垃圾桶随处可见，随手乱扔垃圾的人几乎没有。

工作原因，老李经常跟不同行业的人打交道。不聊不知道，在大肆谈论“数字化转型”、“信创”、“业务对象数字化”、“BI”这类大而广的词语之下，隐藏着的却是国人的无知。搞业务的朋友不太懂这类工具和概念，我也理解。但居然有CIO连报表和BI都分不清，采购系统都是闹着玩的？显而易见的结论是：BI可以用报表展示，但BI不是报表。BI的概念之所以不被完全理解，一个是BI厂商对工具的过度包装：一会是敏捷BI、智能BI，一会又是自助式BI、AI+BI等；另一个是大多数企业信息化水平完全没到能用BI的阶段，山猪哪懂吃细糠。

沃尔玛啤酒搭售尿布，展现数据分析的洞察之细致；Alpha Go打败柯洁，凸显人工智能的能力之强大；Target寄送育儿优惠券，表现用户画像的刻画之精准。一个个故事，把复杂的信息变简单，抽象的技术变具象。人类需要故事，故事是人类理解世界的重要方式。回到数据科学；数据也需要故事，故事是帮助人类高效理解数据的重要方式。“数据科学家是一个能够洞察数据，并且通过数据讲故事的人。Policy.摄影师靠照片讲故事，导演靠影像讲故事，数据科学家靠指标体系、分析报告讲故事。

昨天看到一个哥们发帖说IT部门负责做报表的同事阳了，再加上年底各个业务部门报表需求旺盛，现在他们是忙的饭都吃不上，天天凌晨才能回家。京东的人倒是被解放了，毕竟强东说汇报只能1页ppt。但对于万千其他公司的朋友们来说，周报、月报是想躲也躲不过。不少人觉得周报、月报这种没有意义，全是流水账。我其实不这么认为。就拿我们这种子公司很多的制造型国企来说，监控每天的项目进度和生产数据非常重要，周报是最高效能够反映各个子公司经营状况的报表。目前对我们来说最重要的问题，不是要不要周报、月报，而是能不能让汇报更加高效。

作为2022年的最后一个月，不少人正在或即将的年终总结怎么写愁掉了头发。今天老李就给大家分享几个如何做出领导爱看，绩效翻倍的年终总结的方法或套路。

IT行业的底层码农，是青春饭，不要心存侥幸！最近chatGPT应该在IT这个行业刷屏了吧，作为自然语言问答式AI刚发布就风头无两，程序员对其体验之后褒贬不一，让我想起几年前低代码刚出来时也是这般情形。只是伴随着阿里的钉钉、腾讯的微搭、华为的AppCube的全面升级，程序员不得不承认低代码确实能取代他们的部分工作。我也及时注册了一个账号体验了下,单单从生成代码，修复代码而言确实做的很好，我让它根据我的描述，用JavaScript实现轮播图的代码，结果拿来就能用。所以程序员真的要失业了？

报表可以说是中国职场的一大特色，不少职场人需要每天做各种报表给领导或者业务决策者看，为此甚至诞生了不少的“表哥表姐”。但很多人在做报表的时候其实并不懂业务，需要找业务确定业务指标才做的下去。今天我就分享40多个报表模板，在最真实的业务场景下，将各个业务的核心指标罗列出来，大家只需要换个数据源就能直接套用这套模板。动态钻取功能很酷炫，可以钻取全国各个地区的实际情况。核心指标：工程进展、资源投入情况、项目安排、施工质量与数据、结项时间运用轮播目录齿轮图，从不同维度进行酒店印象评价，很直观。核心指标：入住率、热门

周报这东西在国内大家并不陌生，深受荼毒的人更非少数。不过在国外倒是很少，如果确实要汇报，一般都是拉个电话会议，只能说马斯克确实学到了精髓。不过比起国内的周报卷到飞起，马斯克还是总结了些经验，譬如规定了周报的内容和格式，避免了在无谓的形式上占用员工更多的时间。

自从现代足球逐渐商业化之后，无数人开创了大数据分析模型来试图预测足球比赛的胜负，然而因为足球比赛的影响因素比吃饭喝水要复杂的多，球队阵容、球员能力、球员状态、球员心理、球队战术、球队磨合度、球队配合度等等，每一个因素的风吹草动，都会牵一发而动全身，影响最终的结果，预测的结果可能会与现实大相径庭。

只要在IT部门呆得够久，你会遇到各种各样的需求。

工作业务相关，这几年接触BI较多，借此浅聊下我对BI工具以及市场的看法，原创禁止转载。

Python有多火热，不需要我罗列具体的数据，仅大家回想下见过多少广告就知道。Python最初是由数据分析带起来的，号称自动化办公，表格处理，数据分析，图表制作吸引了一大波人。不过等真的感兴趣想要学习的时候，大家又被一堆代码拦在了门口，说到底Python并非真的适合普通人的职场办公，因为它确实有一定的学习门槛。那是否就意味着大家还是只能回到原来的办公阶段？既然提出这个问题，我自然找到了Python的最佳替代—FineReport工具。

经常看到年轻人提问“究竟是去大公司打杂好，还是去小公司磨练好？”这个问题我年轻的时候也想过，当时觉得去大公司只能当螺丝钉，做按部就班的工作，于是毅然决然放弃了大厂offer去了一家IT部门只有3个人的公司。当时我在想，IT老大可以手把手带我成长，要不了多久我就能自己干项目了。

在企业信息化过程中，我们经常能听到企业的数字化核心难点就是“信息孤岛”的存在，尤其是对于程序员而言，**当你在一个行业越久，就会发现信息壁垒越高，信息孤岛愈加严重。**最直观的就是当你在一个团队或方向呆久了，想要“活水”到另一个组织中，自身的知识往往会限制你的选择。譬如你在银行搞开发和在传统制造企业搞开发，这完全是两条不同的职业道路，别跟我说什么底层技术都是一样的，要知道做得好的程序员，对业务理解也有着高要求。那是不是就意味着一旦选中某个行业，就只能一条路走到黑？

别被割韭菜了！

*为什么要学习图表？**很多人在没有想清楚的时候就已经开始接触图表了。小伙伴们还记得自己制作的第一个图表是什么吗？老李的第一个图表是柱状图。图表入门很简单，一个折线图、一个饼图就算入门了，并且这些图表在日常中的使用概率也更高，似乎占据了80%的各种报表，但这并不意味着图表的潜力只限于此。不少朋友希望学习图表除了能满足日常工作之外，还能满足其他的需求，

至少曾经我听过太多人吐槽写代码的永远干不过写PPT的，并且在现实工作中验证过也确实如此，但是老马的这一波骚操作，让推特工程师打印出最近30-60天的代码，并审查后撕掉代码，且在电脑上展示出来，让我似乎看到了这个行业某些其他东西。这波操作不讨论老马的真实意图到底是什么，从技术角度而言，

好的数据分析师不仅熟练地掌握了分析工具，还掌握了大量的数据分析方法和模型。这样得出的结论不仅具备条理性和逻辑性，而且还更具备结构化和体系化，并保证分析结果的有效性和准确性。今天老李我将从以下6个维度32种分析模型和方法逐个简略介绍，赶紧点赞收藏！同时分享一下我整理的一份数据分析流程知识图谱，需要可自取。内含数据分析12个常见分析模型、18个理论分支、136个详细知识要点和60多个实际分析场景案例，不懂或不记得的知识点拿出地图就能查，数据人必备！回复“图谱”即可获取高清版！主要应用于商业和管理领域，通过内部

也就是将原始数据加工成报表需要的数据源；这个阶段一般会占用整个报表开发80%的时间。，根据已准备的结果集数据源，编写表达式将数据以表格或图形方式呈现出来，一般占用20%的时间。以往的常规做法就是通过 SQL/JAVA/ 存储过程等编码方式准备报表可用的数据源，但这是属于硬编码，对人员的技术要求较高，而且也占用了大量的人力，效率还低，无法满足不断提出的报表需求。因而市场不断涌现出报表工具。从数据准备和数据呈现两个角度分别进行优化，从而达到了敏捷开发报表的效果。

在工作中，未经视觉化的数据往往令人费解，不仅增加了沟通成本，也提高了项目难度，但可视化数据太难了，大多数情况下，好的数据往往沦为拙劣可视化的牺牲品。所以如何提高数据可视化能力，是值得行业终生研究的事。不过作为普通人，我们仅掌握以下几个技巧，至少能够让你超越95%的人。

前几天有个粉丝找我，说花699报了一门数据分析课程，还有实战项目，让我帮她看看她做的数据分析。项目的名称叫：豆瓣高分电影分析。她写了一大堆内容，我也没细看，截取几张可视化图表给大家，大家觉得有什么问题呢？这个项目可以称为，但要说数据分析项目的话，多少有点扯了。到处可见的“数据分析”培训课都快把人都带跑偏了，今天再给大家讲讲数据分析，希望大家能够沉下心真正学明白。

企业里这两个部门经常互相抱怨，业务部门抱怨IT部门不懂业务，花了大把钱做出来一堆没有价值的页面；IT部门则抱怨业务部门什么都不懂，自己想要什么数据都描述不清楚。归根结底，IT部门与业务部门能否有深入的配合，关键在于项目团队能否对这个两个部门的关系有明确的定位，按“IT人员搭台，业务人员唱戏”的分工去推进。我这边就不展开讲业务人员应该怎么做了，毕竟大多数业务因为绩效、KPI的关系，只会盯着眼前的“二亩三分地”。我自己也是搞IT的，干过不少项目，今天就从IT视角，跟大家讲讲IT怎么为业务赋能。

这些思维模型有时能帮助他们少走点弯路，有时能够快速建立对特定场景、业务的认知，这也是为什么我一直强调思维模型的重要性。成熟的思维模型系统性地沉淀了每种业务的明细与视角，掌握这些模型的来龙去脉，更有助于你将工作中的零碎经验系统性地串接起来。

我十分不能理解那些把技术团队当作是运营负担的老板，只觉得他们都傻透了，因为在我看来，我只能认为这些老板不懂软件工程，不懂编码阶段节省的那点时间成本相比于后期维护成本来说简直微不足道，所以以一种强势中带着蔑视的姿态管理着团队。只是当其切身地为我带来了正向收益，减少了我的工作量，解放了我的生产力，让我有更多的时间专注于企业IT架构、数据治理、智能分析等核心的工作当中时，我对其改观了。

当我20多岁，年收入2-3W的时候，我会认为说这话的人都是自身技术不咋地，想靠技术吃饭吃不了。

职场上最折磨人之一的东西莫过于各种汇报。写太少，领导直接说你敷衍；写多了，领导又不乐意看。明明做了很多事情，领导根本没感知，下次升职也轮不到你。

这个问题也引起了我的好奇，不知从何时开始，这个圈子里不再以“”自称，取而代之的是略有贬低含义的“”？这或许是因为程序员每天要不是写功能（挖坑），要不就是修bug（填坑），像极了农民锄地的过程，所以就类比在一起了？也或许是因为现在互联网行业鱼龙混杂，程序员水平参差不齐，大部分仰赖着外国提供的技术、设备、理念，根据需求和逻辑重复堆砌函数，修修补补地完成了一个还能用的程序，像种地一样从早忙到晚，加着免费的班，休息时间飘忽不定。这其实反映出了一个最本质的问题：大多数的程序员根本没有话语权，会做事就可以了。

一篇完整的数据分析报告可能会让你的求职变得更加容易

最近看到一个很有意思的诉讼案例，让我对程序员这个群体所处的境地又有了新的认知：

之前参加了一个CIO讨论会，期间有一个话题——“企业如何借助IT技术支撑业务创新。”当时就有人来了一句：“现在的公司大多都不把IT部门当回事，谈什么IT引导业务创新？”一时间，大家都觉得很有道理，话题就变成了“怎么让业务知道IT的重要性？”大部分企业都是以业务部门为核心的，IT部门只是一个配合部门，信息化也只有支持和保障的作用。经常出现的情况是：IT部门把系统设计好了。业务部门打开一看说：这不是我们想要的系统，再用一用又说：这个系统不好用。于是，业务部门又提了一些新的想法。

前几天遇到一个朋友，也是做数据分析的，不管是多杂乱的数据，他也能从中分析出个所以然来。但他做的可视化图表，可以说就像是上个年代的东西，实在是不太美观。他也很苦恼，问我有没有什么好用的可视化工具。

35岁被裁后转行开滴滴、离开大厂后我开始送外卖、天桥下贴膜的十年IT老兵……你能想到的各种段子几乎都能套用在程序员身上，好像程序员的职业生涯，一到35岁就戛然而止。事实也确实如此，不管你承不承认，大多数程序员做的工作都是执行类的，产品经理规划好了产品功能，让程序员开发什么就开发什么。这种类型的程序员，到35岁之后，代码学习能力没有应届生来得快，薪资却翻了好几倍，公司不裁你才怪。

很多公司的业务/产品，从0-1做起来并不难，但一旦拥有了一定的用户基础后，想实现业务的1-10却是件漫长或者困难的事情，尤其是传统企业的传统线下模式转变为线上模式之后。

在阿里的时候，我面过很多的程序员，也问过面试过程中都会问到的问题：你们的未来规划是如何的？回答其实都千篇一律：提升技术水平，成为技术专家。

一篇高赞回答创了一个新词：潜力工作者（用来形容毕业3年内找不到工作的），引起了不少网友的赞同。下面看看原文的回答:不会更惨。预计明年会出现极大改善。原因很简单，大家都学过数学，负负得正。原来的失业率高，但是真的高到一定程度了，到时候把统计的一个参数修改下，比如把没有正式工作的人改成灵活就业。一下子这数据就好看多了。如果加上灵活就业的参数也掩饰不过去了，到时候，再改个参数，比如毕业3年内找不到工作的，称为潜力工作者，不算失业，到时候数据又会好看很多。

金九银十求职季已经过半，最近咨询经验的同学也越来越多了，有很多求职、或是转行的同学向我咨询我数据分析师岗位的种种信息。虽然老李我在数据领域待了这么多年，对这个岗位的的各种信息了然于心，但个人经验还是没有实际数据更有信服力。因此，为了帮助大家对数据分析岗位有一个全面深入的判断，本文爬取Boss直聘网站上“数据分析”相关岗位的各种信息，用真实数据来解答各位同学对于数据分析岗位的疑惑，以数据分析来了解“数据分析”。