系统设计基础之长轮询、WebSocket
|
很多同学会感兴趣，如何培养自己运用KSA的能力呢?严格来说，所有能力的培养都是需要思想顿悟与长期的训练的，但是这里可以推荐一个简单的起步方法： 如果对方不懂技术、没有计算机/数学专业背景、没有数据分析从业经历，就不要轻信他说的：“分析模型”“用户画像”“精准预测”，他大概率说的跟KS没关系。这时候需要的是A(沟通能力)从他的提问背景、想达成的目标、遇到的具体问题等角度入手，整明白需求。
如果对方有技术背景，且提及一个准确的技术概念，先跟他就事论事，讨论清楚技术问题本身(S的问题)，如果技术路线没有问题，但是他做的仍不能被同事/领导接受，大概率是A上的问题，这时候不要再钻技术的牛角尖了，试着分析一下他的工作环境、项目目标、领导态度，会有很大收获。 4为什么KSA对数据分析工作很重要 真当开始数据分析工作以后，就会发现：在懂数据和不懂数据的人眼里，数据分析的角色完全不同。 懂数据的人看起来，数据分析S的成分最大，数据采集、数据清洗、数仓设计都是脏活累活，得认真耕耘才有一个靠谱的数据可用。 在不懂数据的业务方看起来，数据分析A成分最大，这帮人一张嘴就是：“底层思维”“核心链路”“内功心法”，然后满嘴跑火车，却连最基础的数据从哪来，准不准都不考虑。 在不懂数据的新人看起来，数据分析K的成分最大，总是觉得有一本书已经写好了答案等着他可以抄。遇到问题总是到处问“常规的，标准的，头腾阿的做法是什么?” 这种差异，导致了数据分析工作中特殊难点：业务部门直接开口要的，不是简单的、孤立的数字，就是一个玄幻的、马上能见效、法力无边的模型。如果数据分析师每天陷于跑一两个孤立的数字无法自拔，就无法做深入的分析，最后结果还不被认可;如果数据分析师头铁，直接接了玄幻不切实际的模型需求，最后肯定难以落地，无法见效，还是背锅。
所以想做好工作，就得一定得对具体的问题进行深入拆解，平衡业务方期望与数据建设质量，分清楚到底这次项目里，要用到多少K，对S的性能要求是啥，最后用A来处理、协调各种乱七八糟问题，保障项目成功(如下图)。 于是便导致了一个搞笑的事：入行的同学总是急着看书，买了几十本狂学一通，结果毫无重点，记也记不住，一面试稀里哗啦。回来以后还不去总结：别人到底要的是我的什么能力。还在继续上网问：“到底数据分析要看啥书”然后买更多书回来了!结果越学越迷茫。
要知道：数据分析与数据分析之间的差距，比数据与运营、产品、研发的差距之间大多了。不去认真研究求职目标企业的要求，不去区分自己在面试哪个环节，挂在哪一类问题上，闭着眼睛海学，肯定越学越迷茫。如果能做好充分功课，至少能知道自己输在哪些问题上，这样就更好对症下药(如下图)。 所以理解KSA的原理，掌握拆解KSA的方法，对混职场很有意义，特别是对数据分析工作! 3为什么KSA对数据分析求职很重要 如果套到数据分析身上，KSA的体现就是：
有趣的是，如果仔细研究就会发现，在各类工作中，数据分析是唯一一个KSA的知识库都爆满的工种。一般来说：业务类工作，比如销售、产品、运营、营销都更偏A，KS相对较少;研发类工作更偏KS，A较少。而数据分析，恰好夹在业务和技术之间，两边都有涉及。因此只要你想学，KSA里都有成吨的书可以学(如下图) （编辑：鹰潭站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
