我的大学专业是财务管理，看起来很好找工作的一个专业。但是学习了三年过后我发现我一点也不喜欢基础会计的工作，这让我觉得特别枯燥和无聊，我想试试别的东西。深思熟虑后，我选择了数据分析。第一，我的本专业是财会类，学数据分析有利于我在本专业内转型，有利于提高我从基础工作岗位转向分析岗位的技能。第二，我可以在数据分析中学到技能，最后也可以辅助我转行。
首先，我在b站上看了一些网课，但是有些门槛太高，需要一定基础，我又不知道到底选什么入门合适，很迷茫。后来干脆一不做二不休，找了付费的贪心AI课程，想着专业的应该放心点，直接开始投入学习。
一开始我以为数据分析就是用纯技术清理数据，学习之后才发现不是的。技术固然重要，优秀的数据分析师还需要理解业务，会合理使用工具，还要会沟通表达。
数据分析师不是只懂技术不懂业务的工具人。不同行业的数据是不一样的。数据分析师要了解行业背景，业务流程。处理数据的时候要选择合理的工具，根据数据的大小和需要选择合适的工具。并不是数据处理越复杂越好，能解决问题的才是最好的。
贪心AI从基础框架、思维方式到实战项目和面试一条龙都有课程。让初学者可以直接把理论知识和实践结合起来。让我真正学到知识，避免学了个寂寞，学了也白学的情况。
首先会通过数据分析导论让我全方位了解数据分析，再教了我数据分析的思维方式，学习线性回归、逻辑回归、仿真模拟和企业数据分析流程与细节。然后开始学习丰富的实战项目。包括电商平台订单报表分析、Python知识点讲解、用户画像体系、以数据分析为导向的运营体系搭建、亚马逊Kindle电子书的数据化商业分析、常见互联网业务的数据分析报告的制作及用户分层模型、SQL、RFM模型实战案例讲解、面试辅导。
关于难度，这门课很适合初学者，没有基础也可以学，我之前就没有学过，但是学的时候没有遇到不能跨越的困难。当然有数学基础的同学肯定学起来要更容易一些。
第一章是数据分析导论。首先需要知道数据分析是什么，【数据是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。】再讲数据分析的概念， 【数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。】由浅入深地揭开数据分析的真面目，让我渐渐了解和接受知识。课程对初学者很友好，老师会举具体实例来让我了解所讲的概念和原理。
老师用最常见的微信举例让我明白了在数据运用中，怎样积累数据资产。我们每天都会使用微信，它的功能其实也可以帮助我们进行数据资产的积累。这同时也让我发现了微信新的使用方法，非常实用，我马上就用上了！
老师还举了微商的例子，不同行业从业者刷微信的时间是不同的。如果统一在一个点发微信，那可能会有很多人刷不到。分组后就不一样了。针对比较早下班的客户，可以在五六点就发商品信息。下班比较晚的互联网行业客户，就可以在晚上再发商品信息。这样既不会打扰其他客户，也能让目标客户刷到你的朋友圈。
这个例子给了我很大的启发，其实我们普通人也可以在生活中用到数据分析。一个微商，一个柜姐，如果拥有数据分析思维，她可以更好地完成工作。
我对自己熟悉的东西总是更容易听懂，老师在这个基础上讲具体运用场景，我就觉得一点都不陌生了。
数据分析不仅要数据分析人员清理数据，还要工作人员懂数据，会运用数据，有业务经验，在课程中会讲到业务的基础知识，实战项目，避免做一个只懂技术不懂业务的“工具人”。这也可以增长我对其他行业的知识，特别是互联网相关行业。在讲数据分析师的特点时，就讲到了业务理解，老师全面、耐心地讲解了每一个概念。
这可以说是新手上路保姆级教程了吧。实用性非常强，都是这些行业需要用到的数据。
(2) 数据分析需要用到一些技术，没学过怎么办？
我一开始也有点害怕，但是发现这些老师都会仔细地讲，没有必要担忧太多，没学过就现在开始学呀。世上无难事，只怕有心人。没学过怎么知道自己学不会呢。一开始需要的正态分析和线性分析，很多人在学校里都学过。后面逐渐难了起来，那也不要紧，这些都是循序渐进的，不会一下子难到完全不能理解。
预测性分析用到的线性回归就很简单，一眼就可以看出来。
这里对Python的单个表格读取进行了讲解。主要针对课程中需要用到的功能进行教学。
在前面讲完数据分析的基础知识后，就要开始学习实战了。实战项目涉及行业广泛，涉及电商、运营、产品等。不仅可以学到数据分析的整个流程，还可以学到业务相关的知识。在实战项目中，老师会从商业背景、分析思路讲到具体的分析方法。在后面还会讲到日常型、调研型和展示型的分析报告。不同类型的实战项目都有它的特点，要用不同的方法。
讲到电商实战项目时，举了bilibili会员购的例子，相信不少人都在这里买过手办等周边，对这个软件一点都不陌生，就算没有买过，打开b站看视频的时候也会偶尔点进去。因此，老师讲课的时候我更容易理解。
b站购买动漫版权拥有大量的知名IP，围绕IP做了产业链和服务。比如围绕哆啦A梦、雷姆、狂三等做各种各样的商品和展览。而且b站以ACG起家，它的服务更加适合用户，也更知道用户喜欢什么；淘宝买东西可能会错过短信，但是会员购直接给b站用户发送消息，只要不换号，打开b站就有可能看到消息；比起可能跑路的淘宝商家，b站有平台背书，更具有可靠性；b站采取大规模销售，单个商品成本更低，单价也就越低，消费者更愿意购买。
虽然我平常也会逛b站的会员购，但是我是站在消费者的角度去考量它，并没有从电商的角度去看它。这让我觉得听课还是很有意义的。
在这一章的最后，老师以b站的应届生招聘要求举例。日常运营活动的策划和执行，参与活动搭建，跟进活动流程，实时追踪活动数据变化，是前面的课程讲到的；协助上级组织会议，预订和安排会议室等日常工作就是前面讲到的日报、周报和汇报。这些应聘需要的技能老师在前面的课都有讲到，好好听课对于求职是很有意义的。
不仅如此，老师还给了很多建议。比如数据分析岗位、运营岗位等都要有汇报和交流能力，这种必备能力就不能忽视。对于类目运营，建议大家选择自己更感兴趣的类目。比如有些男生对色彩不敏感，又看不懂衣服的材质和大小尺码，做服饰类运营可能就不会很开心。但是他对动漫和手办更感兴趣，对于动漫很熟悉，知道哪些小说很有人气，哪些IP很火爆，不如试试b站之类的运营。
最后很开心的是，还有一个章节专门讲解面试的相关问题。不仅面向数据分析，各行各业都可以用。众所周知，简历最好带有具体数字，这门课就会告诉你一些行业的简历里可以附上哪些数据，应该怎样描述。
除此之外，在技术、逻辑和业务问题的准备上，老师也会讲解，简直不要太贴心！
在逻辑问题中，有些考察逻辑思维的题目，也有些考察具体业务的题目，这时候一定得讲到关键点。例如在广告业务中要讲到漏斗模型，在多维度数据比较里要讲到四象限分析法或者波士顿矩阵。而且不能只讲到关键词，要真正理解这些方法，用这些方法来解决问题，让面试官知道你是真正懂这个的，而不是投机取巧，只是知道几个名词，那样的话会给面试官留下不好的印象。根据面试的岗位的不同，可以适当地展开来表达。如果面试的是广告行业，就可以多说说漏斗模型。但如果面试的是运营的话，就没有必要说太多漏斗模型，还要说一些其他的东西。
1、作为财会类专业的学生，我很清楚地知道只会做基础的账务处理是不行的，必须提高分析的能力，数据分析给了我更多的机会。数据分析对转财务咨询岗是很有用的。
2、我在很迷茫的时候看到了贪心AI，这无疑是一件很幸运的事情。如果我没有碰到的话，还会像一个无头苍蝇一样焦虑地没有方向地乱转，在学习中我逐渐入门，找到了前进的方向，虽然现在还没毕业开始工作，但这份经历无疑为我增加了更多的底气，感谢贪心AI！
