快生活 - 生活常识大全

高效学习的种思维


  这是林骥公众号的第57篇原创文章
  引言
  前面我已经陆续写了 6 篇关于高效学习的文章,本文把高效学习的 36 种思维合并成为一篇长文。
  如果你已经看过前面的文章,那么可以直接跳到下面的第 27 种思维开始看。
  1. 目标思维
  2008 年,我正在读研究生,再过一年即将毕业,那时实践能力比较弱,对未来很迷茫,不知道自己该干什么。
  我当时的首要目标就是先找份工作,解决温饱问题,再寻求突破。
  2. 排除思维
  有了目标之后,我到招聘网站投了很多简历,发现就像石沈大海一样,没有回音。我对此做了反思,自己用广撒网的方式投简历,效果太差,应该学会聚焦,排除那些明显不适合自己的公司和职位,只保留一个求职方向。
  因为我的专业是数学,感觉数据分析师这个职业挺适合自己的,所以我排除了其他选项,修改自己的简历,尽量去贴合数据分析师的要求。
  3. 串联思维
  通过聚焦,我终于找到了一份数据分析师的实习工作,刚开始实习的时候,把全部业余时间都用于学习 Excel、SQL、SAS 等数据分析工具,并在实际工作中应用,提升工作的效率。
  后来,我意识到技术的进步是没有止境的,不能只关注技术,还应该培养其他能力,因为在不同的阶段,需要的能力结构也是不同的。要获得进步,就要打破原来的能力边界。所以我主动去与业务相关的人进行沟通交流,理解业务的需求和痛点,想办法解决业务中遇到的问题,让数据更有价值。
  再后来,我成了团队的领导,要带领团队成员一起去完成更多的任务,这时,我迫切需要学习的是管理能力,经过摸索实践,我学习了一种 OKR 工作法,希望打造一个学习型的技术团队,让团队成员具有自我成长的能力,营造一种激发全员创造力和积极性的文化。
  我努力把自己变成一个教练型的研究者和设计者,而不是命令型的控制者和监督者。我知道这条路还很长,自己的能力还有很多短板,但是有了方向,分阶段去学习,把每个阶段学到的能力串联起来,相信总有一天,我能到达期望的终点。
  4. 标签思维
  2012 年,我开通了微博账号,网名「数据化分析」,寓意用数据化解分析难题,从此我把「数据化分析」作为自己的一个标签。
  我用「数据化分析」这个网名在博客上发表文章,有的文章获得大量转发,一篇文章的最高阅读量有 5 万左右,让我在数据分析领域有了一点小小的影响力。
  5. 平台思维
  比较遗憾的是,我的平台思维相对比较薄弱,当大家纷纷开始运营微信公众号的时候,我忙于解决现实中遇到的各种问题,在很长的一段时间内,基本放弃了写作,错过了借助微信公众平台放大影响力的黄金时间。
  直到 2019 年,我逐渐恢复写作,在微信公众平台发表文章。因为我不想被「数据化分析」这一个标签,束缚住我的写作题材,所以我把微信公众号的名字改成了「林骥」,这样只要是我认为对读者有价值的东西,我都可以发表,比如说,我的读书笔记系列文章。
  我努力用高质量的输出倒逼高质量的输入,用利于他人的思维进行写作,通过一点一点地积累自己的平台势能,争取帮助到更多的人。
  6. 地铁思维
  曾经有一段时间,我每天重复着报表的制作,没有对数据进行思考和分析,不知道数据分析的目标是什么,感觉自己正在逐渐沦为「报表制作的机器」。
  在技术不断进步的时代,连机器都在不断学习,机器正在变得越来越智能,越来越多的工作将被机器取代,这样发展下去,我想我的职业前途堪忧。
  我意识自己应该洞察数据背后有价值的信息,并把信息结构化,变成知识地图,进而让自己对事物发展具有前瞻性的智慧。
  在《》这篇文章中,我贴了一张 IBM Watson 执行架构师绘制的图片:MetroMap to Data Scientist,翻译成中文就是:数据科学家的地铁线路图。
  (图片可点击放大)
  我把图中的线路,看作是解决问题的路径,我相信自己掌握的线路越多,解决问题的能力就越强。
  7. 行家思维
  当我在写《》读书笔记的时候,为了建立像专家一样的视野和格局,我初步搭建了一个知识框架,后来我经过思考、实践和调整,按后台、中台、前台进行分类,并用思维导图画了出来:
  我把图中的知识点,变成数据化分析的系列文章,目前还在继续更新当中,如果你有兴趣,可以扫描图中二维码,关注林骥的微信公众号。
  8. 归纳思维
  在《》这篇文章中,我也总结过归纳思维,说的是由个别到一般的过程,比如说,金、银、铜、铁都能导电,由此归纳出一般结论:金属能导电。
  在《金字塔原理》一书中,有一个 MECE 原则,也就是要做到各个部分之间相互独立、所有部分完全穷尽。在实际的工作中,运用归纳思维的时候,可以搭配使用 MECE 原则。
  比如说,人可以细分为男性和女性,因为人只有男性和女性这两种性别,所以这样细分既相互独立,又完全穷尽。因此,根据男人有两只手,女人也有两只手,就能归纳总结出人人都有两只手的结论。
  假如你把人细分为男性和小孩,那就不符合 MECE 原则,因为小孩也有男性和女性之分,所以这样细分既没有相互独立,又没有完全穷尽。因此,假如你发现男性和小孩都不涂口红,但你不能据此归纳出人人都不涂口红的结论。
  9. 自学思维
  建立了知识框架以后,我开始一步一步地自学相关的内容,此时我的学习模式发生了很大的变化。
  我以前看一本书,通常都是从头看到尾,可能看到后面忘了前面,学习效果大打折扣。自从有了知识框架以后,我变成了按需学习的模式,针对某个知识点,我可能会看好几本书,看看不同作者分别是怎么写的,增进对所学知识的理解,如果还是不明白,就去网上搜索相关资料。
  比如说,我在写 Python 系列文章的时候,就同时看了好几本相关的书,参考了 Pandas 的官方文档,还看了一些公众号作者的文章,就是想通过高质量的输入,让自己输出高质量的文章。
  10. 木桶思维
  一个人的能力木桶由 3 个部分组成,硬能力是底板,软能力是围板,软素质是箍绳。
  我从事的数据分析工作,硬能力是要掌握数据分析的工具和思维,软能力是要学会沟通和表达,软素质是要有健康的身体和心理,包括细心、耐心和恒心。
  数据分析专业领域的研究,可以穷尽一个人一辈子的精力,假如只有硬能力,没有软能力和软素质,那么很可能木桶就围不起来,就很难获得合理的回报。
  11. 长板思维
  在拥有了一个木桶之后,接下来应该做什么?
  我的做法是尽可能把长板变得更长,用心打磨「数据化分析」这个标签,写作数据化分析系列文章,提升数据分析的硬能力,同时练习写作的软能力。
  我学习某一项技能,目的通常都是为了解决问题。比如说,我现在练习写作能力,是因为文字是人与人交流的重要工具,而良好的写作能力能更好地传递思想。
  12.换桶思维
  木桶有大有小,一个人的成长,就是不断升级换桶的过程。
  我从一个在校学生,到成为一个数据分析师,然后给自己找了一个「数据化分析」的标签,从带领一个人,到带领一个大的团队,回顾这个过程,正好符合前面说的 3 种思维,也就是先打造一个小木桶,再做一个有长板的木桶,然后换一个大木桶。
  13. 逆袭思维
  在《高效学习 7 堂课》中,有一句比较扎心的话:请不要用工作量的积累,掩饰自己低水平的重复,这样永远不会像高手那样逆袭。
  我刚开始使用 Excel 做数据分析的时候,有大量简单重复的操作,为了提高工作效率,我买了一本《Excel 实战技巧精粹》,熟练运用之后,很多原来需要半天才能完成的工作,半个小时就搞定了。
  想办法从低水平的重复工作中解放出来,才有时间和精力去完成更大的目标,才有逆袭的可能。
  14. 高手思维
  要成为某个领域的高手,需要10000小时的刻意练习,而不是 10000 小时的简单重复。比如说,很多人花在英语学习上的时间绝对超过 10000 小时,但是英语水平低下的人却比比皆是。
  在技能练习方面,有一个公式:
  快速掌握技能 = 好的练习方法x足够的时间 x合理强度x专业教练反馈
  我刚开始学习数据库查询语言 SQL 的时候,看的书是《 SQL 入门经典》,作者是数据库教学与应用的专家,与网上那些杂七杂八的文章和教学视频相比,我觉得看经典书的学习效果要好的多。
  好的练习方法,我认为是要在实际工作中加以应用,用于解决工作中遇到的问题。
  利用互联网的优势,获得专业教练的反馈变得更加便利。如果经过认真思考,通过搜索也无法解决问题,那么可以试着去找专业的高手进行提问。为了有效提问,更好地解决问题,我总结了《》。
  15. 成本思维
  学习一项技能,达到专业水平要花 10000 小时,如果每天学习 4 小时,每年学习 250 天,就要花 10 年时间。
  人这一辈子,能有几个 10 年用来学习啊?
  所以,学习也要有成本意识,绝大部分技能,并不需要练到专业级别,只需要用1000小时,达到熟练程度,就可以满足工作需要。比如说,我练习写作,并不期望达到作家的水平,我只要能够熟练写出自己的思想,达到让读者容易理解,并且能够有所收获的程度就可以了。
  16. 教练思维
  高水平的教练,懂得控制训练难度,知道循序渐进,并变换自己的训练方案,让人能够坚持进行艰苦的训练。
  有研究表明,当学习的内容有 15.87% 是新知识时,难度适中,学习效率是最高的。如下图所示,当难度太高,人就容易焦虑,而当难度太低,人又容易觉得无聊。
  我曾经买过一本 863 页的书:《深入解析 SAS —— 数据处理、分析优化与商业应用》,当时我还没有 SAS 编程基础,这么厚厚的一本书摆在我面前,让我产生了畏难情绪,结果这本书到目前为止都没有看完。
  如果我当时知道教练思维,估计就不会在还没有入门的情况下,去买这么一本厚厚的专著。
  后来我开始学习 Python,总结之前的经验教训,先是看了一本《笨方法学 Python》,有了一定的基础之后,才开始看《利用 Python 进行数据分析》等书。
  17. 整合思维
  现代社会,时间正变得越来越碎片化,如果我们能把零散的碎片时间整合到一个目标上,用知识框架整合碎片时间的学习成果,那么学习目的就会更加明确,注意力就会大大提高,经过日积月累,也能提升自己解决问题的能力。
  我平时的工作很忙,还要经常加班,只能想办法把碎片时间充分整合起来。
  我目前的做法是,在上班和下班的路上进行学习,坐车的时候看一看书,走路的时候听一听音频,一旦发现与知识框架相关的信息,就整合进去,从而不断丰富自己的知识体系。体现在思维导图中,就是分支变得越来越多,但是都与目标相关联。
  我在睡觉之前,或者周末放假的时候,如果有空余时间的话,就把一些零散的知识整合起来,写进相关主题的文章中,经过日积月累,才有了到目前为止的 51 篇原创文章。
  18. 网络思维
  虽然互联网倡导的是网络互联,但是现在很多大型的互联网公司,考虑到自己的商业利益等因素,实际上正在变得越来越封闭,所以不要指望仅靠一个网站就能解决所有的问题。
  搜索不同类型的内容,建议用不同的网站。
  比如说,当我要找数据分析算法的代码,我会优先去 www.github.com 搜索。当我遇到程序相关的专业难题时,通常会到 Stack Overflow 上去寻找答案,因为这个网站有很多专业高手,问答基数够大,问题审核比较严格。
  下面是一位书友「鹅妹子」做的知识卡片,在共读的时候获得了书友们大量的点赞和好评,经她本人同意,我转载到文章中。我觉得她的知识卡片做得非常棒,设计美观,信息精炼,对加深知识的理解和记忆都很有帮助。
  19. 搜索思维
  我在学习、生活和工作中,都严重依赖搜索思维,每次遇到问题就喜欢搜一下,基本上80%的问题都能通过搜索找到答案。我写过《》,当我遇到不懂的问题时,都是先利用搜索的技巧。
  以前,我囤积过大量的电子书等资料,甚至把这些资料妥善整理并保存到移动硬盘中,花了大量的时间去下载收集和分类整理,结果却发现,这些资料只是静静地躺在那里,几乎从来不会被用到。
  学会搜索技巧之后,我只对少数非常重要的资料进行整理归类,而对于那些通过搜索就能快速找到的资料,就不再浪费时间去整理和存放了。
  20. 焦点思维
  在信息时代,每天的信息就像洪流一样涌现在我们面前,如果没有焦点,就容易感到焦虑。
  当我看到一条信息时,往往会先想一想,这条信息对自己是不是有用?如果没用的话,就采取「阅后即焚」的模式,看完直接删除或关闭。
  对于真正有用的焦点信息,我会尽量纳入自己的知识框架,让它和已有的知识产生关联。比如说,我在写读书笔记的时候,有时候会链接一些以前写过的相关文章,这样不仅复习了以前的知识,而且增进了对新知识的理解。
  在关注焦点信息的同时,我注意到有一个词叫「功能性文盲」,指的是有些人在不断地印证自己的旧有观念,陷入到「信息茧房」中不能自拔,不愿意接受新的观点和看法,即使看到了对旧有观念构成挑战的信息,也统统视而不见。
  我觉得应该避免变成「功能性文盲」,所以时常提醒自己,关注的焦点不能一成不变,要努力让自己的视野更广阔一点。
  21. 台阶思维
  从入门到专家,是一个循序渐进的过程,就像走楼梯一样,沿着台阶一步一步往上爬,想要踏上更高的台阶,前面的阶梯是必不可少的。
  下面我的一个朋友陈哲做的图,她已经出版了两本书,一本是《数据分析:企业的贤内助》,另外一本是《活用数据:驱动业务的数据分析实战》,我觉得都写得很好,适合用来入门和进阶。
  22. 结构思维
  回顾我早期的学习经历,发现大多数时候都是在被动地接收一些零散的知识,不断地收藏和下载新的资料,却很少用结构思维进行吸收内化。
  直到搭建了知识框架,才形成结构化的输入和输出,用于指导自己的学习。
  关于知识框架,我在前面的文章中有多次提到,前提是要有明确的目标。比如做数据分析,目标是用技术促进业务,帮助业务解决问题,提升业务的效率。
  那目前有哪些技术能够促进业务呢?
  我想到了人工智能,为了系统地学习人工智能,从而更好地用技术促进业务,我初步搭建了一个知识框架,买了 5 本纸质书,下载了 3 本电子书。
  只有围绕明确的目标,去搭建知识框架,结构才能牢固,否则可能就是花架子,一推就倒。
  23. 拆解思维
  学习技能的时候,仔细拆解高手的方法,比自己盲目学习的方法要好的多。
  当我看《Excel 图表之道》这本书时,深深地被刘万祥老师的拆解思维所折服。书中专业图表的做法,我理解就是通过一步一步的拆解来实现的。
  比如说, 一个简单的柱形图,通过对标「经济学人」、「华尔街日报」等专业杂志的配图,从标题、颜色、字体、坐标轴、网格线、标签、图标等一系列不同的元素进行拆解,上升为「道」的高度,而不是停留在「术」的层面,大大提升了图表的专业气质。
  24. 联系思维
  因果分析和相关分析,都是把事物联系起来的分析思维。
  因果分析的代表方法是麦肯锡倡导的「现象 - 问题 - 原因 - 对策」,代表工具是「鱼骨图」,代表步骤是「连问 5 个为什么」,通过追问前因后果,明确适用边界,发现问题的本质。比如说,我在《》中,经过连续五次不停地问「为什么」,知道生意的本质是流量。
  相关性是不能靠举例子来证明的,倒是可以用数学模型来计算,我写过一篇《》,从数据分析的角度,演示了关联规则的计算方法。这里再举一个例子,一个国家的人均巧克力消费量,与这个国家的诺贝尔奖得主人数,呈现正相关,但是,巧克力吃得再多,也不会导致得诺贝尔奖的机会增加。
  25. 换位思维
  换位思考,理解别人的需要,想出互惠互利的方案,这样的合作才能长久。
  我听罗振宇解读陈海贤老师写的《了不起的我》,书中讲到了现代社会的 3 种负面思维方式:僵固型思维、应该思维和绝对化思维,我理解都是缺乏换位思维。
  比如说,我参加秋叶书友会共读计划,其中有个输出大奖的评选,我很认真地写了读书笔记,但还是落选了,那我应该怎么想呢?
  以下 6 个选项,你觉得选哪一个比较好?
  (1)我真的已经很好了,落选只是意外。
  (2)我就是不够好,落选是应该的。
  (3)这个评选很不公平,评委有偏见。
  (4)我失去一次重要机会,真是太遗憾了。
  (5)别太在意,这次评选没那么重要。
  (6)生活就是这样,并不是总能一帆风顺。
  按照陈海贤老师的观点,以上答案都不对,因为每个选项都是试图用一个抽象的解释,来让自己的现状合理化,并没有涉及接下来我该怎么办,从而丧失了和世界正确互动的能力。
  通过换位思维,我理解秋叶书友会组织共读计划的初衷,是想让更多的人「真读书」,扩大秋叶团队的影响力。那我能为此做什么呢?
  我选择申请参与秋叶书友会共读计划的运营,做了一名「回音官」,给书友们的优秀作业点赞喝彩,努力促进书友之间的沟通互动,在这个过程中,我自己也加深了对所学知识的理解,这是一个互惠互利的方案。
  26. 复利思维
  写作具有复利效应,因为写作可以复用到工作、学习和生活中的很多方面,比如工作中写邮件、写方案、写计划、写总结、写报告等,学习中写读书笔记、心得体会等,生活中写日记、写书信、微信聊天等。
  如果写出了高质量的文章,那么还能带来认同、链接人脉、流量变现等复利。
  为了更好地利用复利思维,提高自己的写作水平,我买了秋叶老师的《写作 7 堂课》,希望通过学习和练习写作,让自己成为一个更专业的人。
  27. 跃迁思维
  要真正实现跃迁,不能总是停留在低水平的输出上,而是要对标专业选手去努力。
  比如作为数据分析师,学习 Excel 的时候,不能仅仅满足于会用 VLOOKUP 等简单的函数,而是要向一流的高手学习,努力掌握数据透视表、数据可视化等更多专业的技能,这样才有可能实现跃迁。
  在《高效学习 7 堂课》中,秋叶老师介绍了输出的 7 种模式:
  (1)记录笔记:用笔写胜过用手机拍照。
  (2)思维导图:把所学内容的逻辑画出来。
  (3)解读文章:带着自己的想法去消化新的信息。
  (4)对外分享:最好的学习就是自己去教别人。
  (5)内化实践:到现实中去印证别人的观点。
  (6)复盘文章:写出自己的深度心得。
  (7)课程研发:做培训课程或编写教材。
  这 7 种模式的输出,难度是依次递增的,可以看作是难度由低到高的输出跃迁。
  28. 问题思维
  提出一个好问题,往往能激发出好的答案。比如要了解数据分析领域,我们不妨先想一想以下 7 个问题:
  (1)数据分析领域涉及哪些概念?
  (2)数据分析的发展历史和前景如何?
  (3)最近两年的数据分析报告有哪些?
  (4)数据分析领域最知名的专著有哪些?
  (5)数据分析行业的竞争格局是怎样的?
  (6)数据分析领域里顶尖的几家企业是谁?
  (7)数据分析业界有什么大的活动?
  如果我们带着类似这样一组结构化的问题,去观察、学习和交流,并把信息梳理成知识体系,就能大大提高学习的效率。
  29. 视觉思维
  数据分析图表、思维导图、视觉笔记、流程图等,都属于视觉思维的输出形式,如果应用得当,就能明显提高信息传递的效率。
  我认为视觉思维不仅要有视觉上的美观,而且要有思维上的逻辑。在《》中,我总结过「数据可视化的十大黄金准则」:
  (1) 明确数据可视化的目的;
  (2) 通过对比来反映问题;
  (3) 提供数据指标的业务背景;
  (4) 通过从总体到部分的形式,展示数据分析报告;
  (5) 联系实际的生产和生活,对数据指标的大小进行可视化;
  (6) 通过明确而全面的标注,尽可能消除误差和歧义;
  (7) 将可视化的图标,同听觉上的描述,进行有机的整合;
  (8) 通过图形化工具,增加信息的可读性和生动性;
  (9) 允许但并非强制,通过表格的形式,呈现数据信息;
  (10) 目标是:让受众思考呈现的数据指标,而非数据的呈现形式。
  30. 清单思维
  怎么避免在工作、学习、生活中犯下低级的错误?
  清单思维是一种比较好的办法。比如在工作中,有句话叫「见邮件如见面」,所以我们应该重视职场的邮件礼仪,为了发邮件的时候不犯低级的错误,我总结了邮件发送前的检查清单:
  (1)发件人的显示名,用自己的中文真名。
  (2)标题是邮件核心内容的总结,少于20字。
  (3)正文尽量用短句,不要有错别字。
  (4)如需附件,不要忘了添加,更不要添错。
  (5)前面要有称呼问候,后面要有自己的签名。
  (6)字体的大小和颜色要美观、简洁、干净。
  清单思维就是把执行细节标准化,用来指导和规范日常的行为。
  31. 成果思维
  学习之后,写读书笔记,画思维导图,列检查清单,都属于学习成果,但最根本的成果是解决问题的能力。
  比如我做数据分析,想找一个恰当的分析方法,通过搜索,找到了合适的分析方法,这个问题就解决了,在这个过程中,也锻炼了自己的能力。
  高效学习者之所以高效,往往是因为他利用所学的成果,解决了现实中的问题,用高质量的输出检验能力,而不是用低质量的输出感动自己。
  32.挑战思维
  想进步,就要挑战自己的舒适区。
  比如我学习了 Excel,后面扩展到 SQL,再扩展到 Python 和人工智能等领域,就是一步一步挑战自己的过程。
  除了提高专业能力,还要训练写作能力、沟通能力、管理能力等,这些都是挑战。我相信,在工作中勇于挑战,不断精进,就能得到成长。
  33. 重复思维
  我在学习数据分析的时候,往往会把数据分析的思维、方法和模型,重复应用,多次训练,不断去印证、改进和完善,也就是「举三反一」。
  比如我学习一种算法,除了参考书中的例子去练习以外,还会想办法应用于实际的工作和生活当中。在双 11 之前,我用线性回归算法预测了双 11 的交易额,等双 11 结束之后,我再对预测过程进行复盘,总结改进的思路和完善的方法。
  当所学的知识或能力得到消化以后,再去多个领域「举一反三」。
  34. 套路思维
  不同的问题,往往有不同的套路,有时候老套路能够解决新问题。
  比如「断舍离」是日本杂物管理咨询师山下英子提出的概念,我试着用来解决现代社会信息过载的问题,我卸载了手机和电脑大量的软件,专注于那些对自己确实有帮助的信息。
  有时候新套路也能解决老问题。比如我学习一些新的人工智能算法,用来解决以前难以解决的老问题。
  35. 建模思维
  我读研究生的时候,参加全国研究生数学建模大赛,获得过一个二等奖,在参加建模大赛的过程中,我觉得解决问题的能力、团队协作的意识、模式创新的思维都得到了锻炼。
  建模思维有助于提升「模式识别」的能力,大多数人的模式识别方法过于简单,在没有经过训练之前,很难快速地做出理性的思考。比如专业投资机构,往往是通过数据建模来开展工作,而业余的股民,常常依赖直觉或小道消息买股票,因而后者更容易遭受损失。
  36.合作思维
  互惠互利的合作,已成为现代社会发展的基础和前提。
  前段时间,我看到刘润公众号的一篇文章说,商业的进步,就是分工深化和合作效率的进步。
  比如一支普通的铅笔,背后是原材料的加工,包括雪松和石墨等等。获得雪松要有伐木工人,伐木工人要用电锯、绳子、鞋子、防护眼镜等等……总之,要经过一系列非常复杂的工序,才能把铅笔制造出来,假如没有分工合作,完成这件事的难度是巨大的。在这个世界上,甚至没有一个人,完全掌握制造铅笔所需要的全部知识。
  合作最重要的表现形式之一,就是交易。作为一名公司职员,就是在用自己的技能和时间,获得相应的工资,然后再用工资去购买我们生活所需的其他东西。
  在高速变化的商业世界里,你要依靠什么技术,以什么姿态加入分工,以什么效率级别参与合作?
  小结
  我们所从事的工作,本身就是促进能力成长的最佳舞台,关键是要选好方向、搭好体系、请好教练、用好网络,做好总结、强化成果、轻松跨界。
  以上就是高效学习的 7 种能力,即:定位力、框架力、精进力、联机力、复盘力、输出力、迁移力,而这 7 种能力的背后,其实是 36 种思维产生的结果。
  作者:林骥,公众号 id:linjiwx,从 2008 年开始从事数据分析工作,网名数据化分析,用数据化解分析难题,让数据更有价值,让分析更有效。敬请关注。
网站目录投稿:孤阳