今天開通了CSDN的博客，這裏有各種技術大牛的技術貼、產品分析貼，我作爲一名小菜，除了對各種大牛頂禮膜拜外，也希望能通過不斷地學習、總結、思考、創新，不斷地向大牛們靠近，期待有一天也能和大牛們平等對話交流，這裏的平等，不是指身份地位的平等，而是指知識儲備、技術水平、思維靈敏度、不斷學習的進取心方面的平等。這需要一定的時間，當然也不能拖沓，最早的開始就是現在，最了不起的天賦就是踏實、努力。
前幾天看到百度總裁李彥宏的一篇演講稿，主題是：選擇、專注、視野。他說他從選擇了搜索引擎這個領域後，從沒有離開過搜索引擎超過24小時。人的一生有千千萬萬個選擇，而最重要的兩個選擇是：人生伴侶與事業。選擇一個最適合你的人，用心去愛他/她，也幸福地收穫愛；選擇一個喜歡的領域，用時間和智慧開拓自己的疆土，爲這個世界創造價值，也讓自己不斷汲取養分，茁壯成長。目前爲止我爲自己選擇的領域是：數據分析。原因有二，很簡單：有意義、有空間。
大數據的概念這幾年被炒得很火，也因此滋生了很多與之相關的專業和崗位，像數據挖掘專業、數據挖掘與分析崗位等。其實數據分析從很早的傳統行業裏的“成本”、“利潤率”、“銷售量”這些統計量就開始有了，只是近幾年隨着web2.0和移動互聯網的迅猛發展，數據的產生量呈爆發式地增長，也激發了人們對大數據價值的思考和重視，然而，由於技術分析水平有限，目前對大數據的研究和利用仍然處於起步階段。個人對數據分析的理解是：數據分析由三個重要的部分組成——模型、算法、業務。數據分析是一個大類的概念，細分到各行各業都有自己的數據分析，數據分析離開業務需求是沒有意義的，具體的行業、企業，業務不同，數據不同，數據分析的方法和目的也不同。要成爲一名優秀的數據分析師，一定要對業務有全面深入的認識和理解。另外兩個：模型和算法，是一名數據分析師的基本功，因爲這個領域在不斷地發展，我們的知識儲備也要不斷地更新、擴展。除此之外，數據不僅僅是數據，數據背後有隱藏的邏輯、規律，要想讓數據說話，我們得具備跟它對話的思維能力，經濟原理、金融知識、心理學、社會發展、科技前沿，你懂的永遠都不會過多。
個人認爲，一次完整的數據分析步驟是回答三個問題：what？why？how？存在什麼問題？爲什麼會這樣？應該怎麼做？問題發現、分析過程、結論得出。數據分析的流程應該是：1選定問題→2數據獲取→3數據整理與清洗→4數據基礎分析→5數據建模→6模型求解→7分析總結，1需要對業務有深入的認識和思考，要善於發現問題；2其實是數據挖掘過程中很重要的分支，可以說是一個純技術活，網絡爬蟲、hadoop、數據倉庫、大數據架構，每一項技術和概念都可以深入探索，都是硬骨頭，啃起來很費勁，精通了很牛X；3是一個費時費力的過程，也是爲後面的數據分析理清頭緒的一個重要準備階段，海量數據蘊含無限價值，但海量數據來源廣、格式雜，很多都是半結構化、非結構化數據，要找出數據中隱藏的邏輯和規律，首先要將有用的數據提取出來，並將其整理成易處理和分析的格式，校驗錯誤數據和異常數據；4可以對數據進行簡單的可視化、基礎分析（例如相關性檢驗、均值、方差、平穩性等），分析數據的基本特徵，初步摸索數據規律；5就是正式建模的過程，選定基本模型框架，可能需要對細節參數進行反覆試驗調整，或者採用多個模型進行比較，相對優劣要依賴6的求解（驗證）結果，模型可以是已有經典模型，也可以是自建模型；6也是核心步驟，對於同一個模型，不同的算法求解效率和結果質量是千差萬別的，一個優秀的數據分析師應該有深厚的算法素養；7是最後實現數據分析價值的部分，把數據分析的結果總結應用於業務支持/指導纔是數據分析的終極意義，總結也包括整個數據分析過程中遇到的一些困難和經驗積累。
路漫漫其修遠兮，吾將上下而求索。不忘初心，不斷進步，乘風破浪，勇往直前！