数据分析学习与成长（数据分析学习者的小深之道）

数据分析学习与成长（数据分析学习者的小深之道）

最近开始给一些参加本年度大学生数据分析大赛的省赛选手做辅导和评委。看到一些很可喜的现象，最突出的感受是，选择的题目更符合当下社会和市场的发展趋势，新消费革命也在大家的课题选择中表现出了热度，有了更多统计分析模型的使用，多源数据分析开始成为大家常规使用的分析模式。

依然存在的问题顽固而突出：首先是选择的题目太大，在一个较大的题目下，啥都说了一点，还说了好几点，但是哪点也没有啥创建和创新的发现，缺少小处着眼，把问题说透的普遍实践，更多一般性面面俱到的做法是主导，这既显得定位不清，而且题目超出了大家把握的能力范围；其次是重模型描述，轻模型分析结果的细分发现，由于所选择的指标和参数过于一般，不能体现特定事项的细小构成因素，因此所形成的发现太一般、太平淡、太多“正确的废话”；再次几处零碎的分析发现，构不成有力度和深度的洞察，因此总结成了摘要性的表述，而没有独特和富有创见的新发现；最后对策与结论和数据分析发现不相关、不贴切、不实用和稀里糊涂不清晰，其实这样的对策还不如不写，免得大家对这样的分析形成期待然后更加失望。如果把这几样东西：大而无当的选题、说而不清的分析、总而无结的结论、策而对不上号的建议，这不就一啥也不像的作品么？

大家接触的真实生意和企业太少了，所以不知道客户需求的样式。同学们这样的表现也许受到老师经验有限的影响，因此数据分析这样的应用性学科的学生要加大接触社会实践的力度和时间跨度，加大让跨专业和外部社会导师参与的力度；还要收集商业类研究分析的专业模版，作为自己尝试和实验的参考，一开始就把版式掰正了；记住要最大限度选择某个领域某个事项的某个方面来做小深研究，比如“精品电商的定价模式”、“新饮料中的产品设计的跨界创新和共创模式”、“服装销售渠道所扮演的传播作用”等等，先学习怎么说明白小点，然后再扩展自己的说明能力，再延伸到自己的对策能力，不能把大而无当、对而无策弄成习惯，当成了专业，这样的作品被批评是幸运，否则参赛还获奖就真把无能当有用了。