2019-01-12能否讲下数仓的建设，例如建模平台的建设，正所谓“烂程序员关心的是代码，好程序员关心的是数据结构和他们之间的关系”。 12
2019-01-12我们属于创业公司数据分析这块刚起步，数据量也并不大，数据分析的需求主要还是PV,UV,广告点击等指标，然后给出数据报表，可视化图表等数据。
目前技术实现上上围绕Elasticsearch来进行，通过日志、埋点、爬虫等方式收集数据，用python清洗后存入Elasticsearch并基于es进行各种纬度的分析。请问下针对小公司小数据量的数据分析老师有什么好的建议，是否一开始就使用spark，Hadoop，hdfs这些比较重的大数据工具呢？ 另外Elasticsearch是一个非常容易上手的数据搜索和分析工具，能否介绍下它在数据分析中的案例和场景呢？ 9
2019-01-14把大目标分解成小目标，把小目标再分解成更小的目标。更小的目标更容易完成，也能带来完成小目标的成就感和满足感。如果只盯着大目标，有时候会迷失方向，最终放弃。老师的这种方法可以应用在日常的工作和学习中，久而久之，随着经验的积累，认知的不断升级，也许有一天也能抢答了。作者回复: 👍
6
2019-08-13归因分析是数据分析一种基本能力，能力高低可可分为点，线，面。
解决过或旁观别人解决过问题，很自然想到这个方式，应用到新的问题上，手里拿着锤子，满眼看到都是钉子，这可谓之点。
积累多种解决问题之后，学会了金字塔之类的，按维度来逐级拆分，直到问题出现的粒度，这可谓之线。
世界是多维的，在时空上有外部，内部之分，同样亦有时间先后之后，另外也有宏观，微观之分。对应的就是切片，漏斗，市场经济，心理学维度。在不同角度的维度下，分析问题才会是全面的，才算是成体系。此谓之面。
正如文末所言，真正的高手，或者刻意练习的熟手，可能一眼就甄别出问题所在。展开 1 2
2019-01-12我们实际处理问题，大多也是通过转化漏斗分析，找到异常指标，一步步追查下去。
找到原因，有外部，也有内部的。
绝大部分是内部原因，运营问题，程序bug等等 1- 2019-08-14课程中提到的大数据思维是这节课对我最大的启发，作为一名从事IT运维多年的工程师，习惯从自身职业的角度看问题，对于从事大数据相关的工作，如何能够从数据中分析出异常，如何借助数据对问题进行思考是以后要重点学习的。
另外对于锻炼一个人的数据的思维，老师有没有什么建议？作者回复: 多实践，运维也是一个需要面对很多数据的工作，关注采集数据，整理统计数据，分析数据，在实践中提高。
2019-01-29异常监控本身就是一个大的课题，数据分析师人工介入来排查问题是一种方案。但对数据分析师本身来说，常规的异常检测完全可能设计的自动化一些。比如：转化漏斗上的问题，可以自动根据指标的波动异常比较判断来进行排查。
2019-01-221、金字塔分析法与思维导图分析法有无区别。
2、软件性能监控有无相应的大数据软件。
2019-01-16通过这一节的阅读学习,老师用一个实际电商案例做了数据分析。我也能感受到真正拥有这种数据分析思维的人，能看到事物的本质，找到事物问题的根源。
在这个案例中，由于订单量的下降，通过金字塔漏斗图对比分析各个因素的转化情况，之后发现是咨询量下降指导最后的订单量下降。
我自己认为的数据分析是在熟悉业务流程之后，对暴露出来的问题，通过数据分析方法和工具得到我们想要的结果。而这样思维是完全可以在后天的努力下训练出来的。展开
2019-01-14老师，您好！
有时间的话帮分享一下智能预测平台如何搭建的吧。
2019-01-12我觉得数据监控在把控各个子系统的稳健性上面也应该重视起来。
没有完整的数据治理方案，这些系统级别的异常无异于抓瞎。