1700502751
1700502752
1700502753
1700502755
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.1.4 敬畏
1700502756
1700502757
常怀敬畏心是中国传统文化的核心价值观之一，儒家提倡敬畏天地，道家尊崇敬畏自然（道法自然），佛家宣扬敬畏因果。为什么要有所敬畏呢？无拘无束难道不好吗？
1700502758
1700502759
人之所以要有敬畏心，是因为人生的祸与福是辩证的、相对的、可以转化的，而促成转化的契机，很大程度上取决于个人的行为是否检点，是否小心，是否敬畏。
1700502760
1700502761
北宋著名理学家程颐，经常问道于当时著名的法师灵源禅师，他在一篇《笔贴》里这样解释人为何应该有敬畏心：“祸能生福，福能生祸。祸生于福者，缘处灾危之际，切于思安，深与求理。遂能袛畏敬谨，故福之生也宜矣。福生于祸者，缘居安泰之时，纵其奢欲，肆其骄怠，尤多轻忽侮慢，故祸之生也宜矣。圣人云，多难成其志，无难丧其身。得乃丧之端，丧乃得之理。是知福不可屡侥幸，得不可常觊觎。居福以虑祸，则其福可保。见得而虑丧，则其得必臻。故君子安不忘危，理不忘乱者也。”
1700502762
1700502763
上述古文翻译成现代汉语意思就是祸能转生福，福也能转生祸。祸之所以能转成福，是因为当一个人处在灾难危害中的时候，会急切希望能够平安渡过，千方百计寻求解脱的办法，所以能够心存敬畏，凡事小心谨慎，不敢妄为。福也就由此逐渐产生了。福之所以能够转化成祸，是因为人一处在安泰的时期，便随心所欲地过着放荡奢侈的生活，肆意表现出骄横怠慢的样子，尤其是做事情轻忽草率，待人侮慢失礼，所以祸端也就由此产生了。所以圣人说，一个人经历了许多磨难，正可以磨练他的坚强意志；而一个人如果从未经历磨难，因为无法适应各种不同的环境，反而会很容易丧失其生命力。所以“得”往往是“丧”的开端，而“丧”也含有“得”的原理。由此可见，我们做人，身在福中，应该知足，不可以常常希求福上加福。生活中或有所得，也应该适可而止，不可以常常贪图多得。当我们处在幸福的环境中时要有所顾虑，尽量避免招惹灾祸，这样幸福才可以保持长久。当我们在生活中获得某些好处时，也要考虑到有得必有失，不如把所得好处留些与他人分享，这样便能常常获得好处。所以有智慧的君子，处于安泰的时期，不敢忘记有危难的存在；在平静的年代，不敢忘记或有动乱的发生。[1]
1700502764
1700502765
可见，凡事袛畏敬谨，是远祸生福的法宝。人生如此，职场如此，数据分析师的工作亦如此。其实，撇开祸福不说，心存敬畏对于数据分析师来说，更多的是对数据认真、虔诚、谨慎，乃至神圣的态度。当你对工作、对专业充满了虔诚，甚至将其看得神圣，你自然会或多或少地心存敬畏。
1700502766
1700502767
如果一个数据分析师对数据、对专业有了敬畏之心，这个人应该算是入了数据分析之门。
1700502768
1700502769
[1]福建佛学院，演莲法师，禅林宝训注译。
1700502770
1700502771
1700502772
1700502773
1700502775
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.1.5 感恩
1700502776
1700502777
身处数据化运营实践中的数据分析师，还应该具备的一个品质就是感恩的心。
1700502778
1700502779
懂得感恩的人，才懂得珍惜；懂得感恩的人，才会善待周围的人和事。
1700502780
1700502781
数据分析师如果懂得感恩，他一定会珍惜这个职业，珍惜这个岗位，珍惜这份技能；数据分析师如果懂得感恩，他一定会善待同事，善待业务方，善待有缘共事的每一个人，善待数据以及与数据有关的一切，这种品质不正是数据化运营的成功实践所迫切需要的吗？
1700502782
1700502783
1700502784
1700502785
1700502787
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.2 商业意识是核心
1700502788
1700502789
如果说上面提到的5种品质，即信念、信心、热情、敬畏、感恩是作为数据分析师应该具有的重要品质，那么商业意识就是作为数据分析师应该具有的核心意识。
1700502790
1700502791
商业意识（Business Sense）是指一种能够贯穿于商业环节的思维方法，一般包括市场洞察力（发现商机或商业问题）、商业反应能力（制定相应的商业策略）和商业执行能力。商业意识既跟数据分析技能有关（会分析、善于分析的人，通常有不错的分析技能，也会有比较靠谱的，甚至很不错的商业意识），又跟数据分析技能有很大的区别，主要表现在意识的层面和技能的层面；数据分析技能很容易学习，无论是软件的操作、算法的培训，还是工具的使用，只要依葫芦画瓢，按部就班地按照教学计划的安排去学习，总有完成和掌握的那一天，并且不需要花费太多的时间。但是，商业意识的培养和具备却并没有如此的简单和直接，它跟每个人的兴趣有关，跟天生的特长也有关。商业意识虽然可以刻意去培养，但是其培养难度远大于对分析技能的培养。当你看到一堆数据，如果能很快想到背后的商业价值和商业应用场景，那表明你具有了一定的商业意识。举例来说，某网站上婴儿纸尿布的销量增加明显，数据分析师发现了这个现象，然后预测婴儿奶粉的销量也将随着上升，那就说明他具有了一定的商业意识。又比如，某数据分析师观察一家淘宝女装店的月度销售明细时，发现20%的重复消费者（回头客）消费了50%的营业额，贡献了60%的毛利，然后他建议针对这些回头客的喜好重新安排商品采购和陈列，这也是商业意识的体现。
1700502792
1700502794
16.2.1 为什么商业意识是核心
1700502795
1700502796
对于市场经济中的数据分析师而言，是否具有足够的商业意识是决定数据分析师商业价值的核心因素，主要有以下几方面的原因：
1700502797
1700502798
❑商业意识决定数据分析（挖掘模型）的分析思路。我们知道以业务为核心，以思路为重点，以分析技术为辅佐的数据分析实践应用宝典中思路的重要性，其实在分析思路形成的过程中，商业意识起着非常重要的作用。任何有意义的分析思路都必须来源于业务，应用于业务，如何正确理解业务，如何把业务问题准确转化成分析专题，如何从业务场景中发现问题等，所有这些决定着分析思路的关键问题其实都是跟商业意识密切相关的。缺乏商业意识的人，也就是无法深入理解业务的人；缺乏商业意识，就不可能梳理出优秀的商业分析思路。
1700502799
1700502800
❑具有商业意识可以显著提升数据分析（挖掘模型）中的数据质量。数据质量对于数据分析和挖掘模型的重要性是不言而喻的。一方面，对于数据分析（挖掘模型）来说，数据是基础，没有数据的分析和模型就是无本之木，无源之水；另一方面，数据质量的好坏，直接影响数据分析（挖掘模型）的效果。数据质量不好，分析过程就是垃圾进，垃圾出，即垃圾数据进来，垃圾结论出去（Garbage In,Garbage Out）。而关于数据质量，有一个很重要的部分，就是衍生变量，所谓衍生变量，其实就是指数据分析师在分析（建模）过程中无中生有、人为增添的一些新变量，这些新变量产生之后，可以明显提升模型的效果，或者可以有效提炼出有价值的分析结论。举例来说，两个人买了同样的商品房，获得了银行同样的贷款，每个月需要还同样的金额。如何衡量两人的还贷压力呢？有经验的数据分析师会人为地创造出一个衍生变量，即还贷金额占家庭月收入的比例，简称还贷收入比，有了这个衍生指标，就很容易看出上述两个人中谁的还贷压力大，谁的还贷压力小了。可以说，一个好的衍生变量，100%是来源于优秀、敏捷的商业意识。在本书6.6节的案例中有具体的关于衍生变量的实战案例分享。
[
上一页 ]
[ :1.700502751e+09 ]
[
下一页 ]