大數據因為其背后蘊含的價值,被《經濟學雜志》在2017年被譽為“新的石油”,數據導向的工作也成為很多人的向往之一,特別是數據分析?!豆鹕虡I評論》宣布,數據科學家是“21世紀最性感的職業”。他們能夠利用經濟學、代碼、統計學、數學建模等多種技術,從大數據中提取有用的信息。
今天小T為大家分享一篇客戶為我們寫的一篇帖子,接下來請大家閱讀正文~
作為一名“比軟件工程師更懂統計學,比統計學家更懂軟件工程”的數據分析師,我們希望自己是一個能夠聚焦、專注的分析師。從大量的數據,找到恰當的模型,一次次實驗、優化,最后付諸實踐,帶來價值。這樣直線而深入的工作內容,是性感的。

然而實際中,我們的日常工作充斥著寫不完的代碼和做不完的PPT、demo演示等。如何將自己從多而雜的繁瑣事務中解脫出來,作為一名入職兩年的數據分析師,在這里我想和大家分享下入行之后的故事和經歷。
作為一名數據分析師,我接觸了很多數據分析相關的項目,主要以項目售前工作為主,即在客戶交流初期快速理解客戶需求,結合客戶業務,梳理用戶需求、設計、制定有效的解決方案,確保技術交流與方案匯報順利完成,幫助客戶解決問題進而獲得客戶認可,促成落單轉化。高效、專業,為客戶提供價值,是我工作的核心目標。
數據分析師需要有兩大法寶——左手“R”右手“Python”,同時掌握兩種語言的分析師畢竟是少數,我更多的是使用Python編碼完成想法。毫無疑問,介于腳本語言和系統語言之間的Python語言確實有很多優點。但是,它也有不可忽視的缺點,如:模型搭建過程太復雜、執行速度不夠快、反復測試尋找bug....。面對客戶說不清的模糊需求、“上午的需求,中午就要”的奪命連環Call.....,利用Python編碼搭建模型的缺點影響了我的工作效率。在Python編碼和敏捷實現客戶需求的沖突日益嚴重的同時,我開始尋找新的突破之路。
2017年11月,在一次項目的實施過程中,我們已經用Python語言完成了預測分析,客戶卻臨時提出在此基礎上添加文本挖掘的分析場景,彼時的我還沒有用過Python進行文本挖掘的經驗,學習時間成本較高且對最終成果沒有把握;并且項目經理和客戶要求的時間節點又很緊張。被逼無奈之下,我上網搜索希望找到現成的應用案例。無意間發現了一款名為“TempoAI”的人工智能建模工具,看介紹不僅機器學習算法豐富、還有十多種文本分析算法,我抱著試一下的心態在線提交了試用申請。在填寫信息后不到5分鐘的時間,我接到了電話,告訴我賬號已開通試用,可以登陸使用了。一邊閱讀幫助手冊,一邊導入本地數據,在不到5分鐘的時間里我真的完成了一次用戶評論的文本分析,這么簡單高效的操作是我從未料到的。不僅如此,分析過程的全洞察報告可完整下載,分析數據也可直接導出,還可以用他們自帶的TempoBI直接可視化。讓我在第二天的客戶匯報中出盡風采,一舉拿下項目。

一次意外的嘗試,我也就此和Tempo大數據分析平臺結下不解之緣。經過更加深入的使用,我越來越發現Tempo的好。而Tempo和Python也不是完全不相容,更多的是一種優勢互補關系,Python在數據預處理階段的自由度會更高,而Tempo在挖掘建模及可視化等方面的操作更敏捷靈活。拖拽式的快速建模可以高效驗證那些模糊想法,不會因為代碼的Bug而羈絆住前進的步伐,更不會因為模糊需求而消耗大量時間反復修改源代碼。在不斷深入使用中,我發現Tempo平臺更是集成了Python、Sacla、Java、R、SQL等這些擴展編程的節點,能夠方便用戶靈活擴展算法節點時,我感到非常意外,因為這代表著Tempo將自由與高效集為一體。當前市面上的大數據分析平臺更多的集中于BI,像這種支持快速建模并集AI與BI可視化為一體的分析工具還真的很少見。在我后來的數據分析工作中,Tempo也確實帶給我很多的便利,幫助我快速高效的完成了很多工作,它成為我日常工作必可不少的利器。

我還想跟你們分享下我在實際項目中應用Tempo的經驗,因為它不僅讓我高效完成了任務,而且也獲得了客戶的高滿意度。
在一次行業解決方案中,客戶希望通過資金占用預測分析精準把握未來一年內資金占用情況,以便合理安排資金用途。通常來說,這種需求的實現不僅需要Python建模實現數據分析,還需要將預測結果寫進數據庫進行結果分析。這種做法有兩個明顯問題:一是在編碼階段消耗時間過多;二是需將預測結果集成到客戶的可視化系統。為了縮短項目周期及降低客戶成本,我將時間主要用在了梳理客戶需求,優化分析思路等方面,然后借助Tempo大數據分析平臺,在反復迭代模型效果的基礎上一站式完成了數據分析與可視化結果展示。對于用戶臨時的需求調整,我通過改變模型節點進行了敏捷反應。
另一個案例是在一次售前項目中,需要在兩周時間提交員工畫像服務系統、供應商預警系統、采購人員盡職水平分析系統三個解決方案,在已確定好分析思路的基礎上需快速完成原型設計。在這種時間緊、需求多的項目中,我面臨著不僅要快速熟練掌握Axure / Echarts等工具使用,更面臨著試錯成本較高,風險較大的嚴峻考驗。因為在沒有將方案落地的情況下,沒有人敢保證最終結果。這時,我想到了Tempo大數據分析平臺,將工作重點放在模型邏輯及幫助客戶解決業務痛點上,并將過程中的每一個解決方案都落地實施,根據實施結果不斷優化方案,最終給客戶交付了滿意的答卷。
售前的工作性質要我們在快速實現客戶想法,并將解決方案落地實施等方面提出了更高的要求,在多個項目中使用Tempo的工作經驗,使我認為Tempo就是我在售前數據分析工作中的得力助手,它使我的數據分析之路變得更加順暢高效。當然最終的項目交付和落地,使用Tempo平臺也有事半功倍的效果。后來在我的推薦下,我們一個項目交付也和他們合作,結果項目投入比之前純開發模式節省了約三分一的成本,領導也甚是欣喜。
“不服務業務的數據分析師,都是耍流氓”,數據化浪潮中的最大矛盾是指數級增長的數據及應用需求和及其短缺的產業工人之間的矛盾。為了解決這個問題,我們需要的是自動化,需要的是批量的做出來,重要的是做的快和好。作為數據分析師,我們希望不斷地提升生產效率,提升我們這方面的能力。而經驗告訴我:Tempo大數據分析平臺給了我這樣的機會。
——我是一名制造行業數據分析師,我在這里推薦您用Tempo大數據分析平臺。
以上就是我們客戶對我們的評價,如果您也想要跟體驗一下我們產品就快來申請試用吧~