資料敏感度，說白了就是記憶力+獨到視角，很多人可能覺得不可思議，但作為一個數據從業者，我深感記憶力的重要程度，可以說記憶力是資料分析師的硬體，視角是分析師的天分。
什麼情況下需要敏感？舉例，今天APP開了個活動，當你看到眼前的今天活躍資料，你能否想起來昨天的值？上月均值？今年的平均值？你能否想起來歷次活動促活效果？你的腦海裡有沒有趨勢線，有沒有橫截面資料？競品的活動效果你瞭解多少？這些不止要看，要學，更要記住，這是一個數據分析師的專業素養，當你告訴別人一個數據，你必然清楚資料來源與口徑，當別人問你一個重點資料，你要張口說出準確的數字，如果做不到，大概多少不能搞錯，數量級你至少應該知道。
記住，記憶力有用，特別有用，除此以外，就是獨到的視角了。同樣的資料來源，分析的結果未必相同，給出的建議未必一樣，原因就是構建的分析指標不同。為什麼構建的不同呢，對業務的理解不同，這個指標是看增長的絕對量還是相對量，怎麼構建公平的評價指標，怎麼識別欺詐行為，甚至於構建模型特徵，這裡面都有太多分析師的主觀判斷，你的視角將決定你的報告，所以，培養你的知識體系，構建屬於你的分析框架，非常重要。
這就是分析師的慧根吧。
資料敏感度，說白了就是記憶力+獨到視角，很多人可能覺得不可思議，但作為一個數據從業者，我深感記憶力的重要程度，可以說記憶力是資料分析師的硬體，視角是分析師的天分。
什麼情況下需要敏感？舉例，今天APP開了個活動，當你看到眼前的今天活躍資料，你能否想起來昨天的值？上月均值？今年的平均值？你能否想起來歷次活動促活效果？你的腦海裡有沒有趨勢線，有沒有橫截面資料？競品的活動效果你瞭解多少？這些不止要看，要學，更要記住，這是一個數據分析師的專業素養，當你告訴別人一個數據，你必然清楚資料來源與口徑，當別人問你一個重點資料，你要張口說出準確的數字，如果做不到，大概多少不能搞錯，數量級你至少應該知道。
記住，記憶力有用，特別有用，除此以外，就是獨到的視角了。同樣的資料來源，分析的結果未必相同，給出的建議未必一樣，原因就是構建的分析指標不同。為什麼構建的不同呢，對業務的理解不同，這個指標是看增長的絕對量還是相對量，怎麼構建公平的評價指標，怎麼識別欺詐行為，甚至於構建模型特徵，這裡面都有太多分析師的主觀判斷，你的視角將決定你的報告，所以，培養你的知識體系，構建屬於你的分析框架，非常重要。
這就是分析師的慧根吧。