看了一位台湾数据分析从业者的一周工作流水账，不知道大家每周都在做些什么，工作流水账是怎样的？
这种方式去了解不同层次的数据分析工作是一个很新颖的角度。分享的时候大家附上工作职称啊
數據分析的一週工作日程工作流水帳大公開，有感了解數據分析做什麼數據分析在幹嘛？這個問題在Google可以得到無數多的回答，其中一個標準的答案會是：透過分析數據，得出具備商業價值的結論並推動公司成長。 其中的商業價值根據公司的特性可能會是產品優化方式、某種算法模型、特定主題的分析報告。然而對於行業外的人或是新人而言，這個答案實在很飄渺。 為了讓上面這段敘述更有感，我想最簡單的方式就是直接看工作的時程安排(說白了這篇文章就是一週的工作流水帳…) 希望這篇文章能夠讓大家更認識所謂的數據分析工作。
週一： - 10:00~10:30 小程序的BI看板顯示流量(PV)來源出現很多”未定義”(占了總PV 10%)，確認代碼正確、確認底層數據正確 ;
- 10:30~11:30 知識付費分析需求：與業務開會，了解業務模式、分析面向、暫定10個數據需求，包含一次性的分析及架設到BI看板日常監測 ;
- 13:30 -15:00 找出小程序PV為”未定義”的場景值，向業務方了解，結論為微信官方對入口的場景值有異動 ;
- 15:00–16:30 調整小程序PV來源的SQL ;
- 17:00~18:00 跟商業化同事進行數據需求會議及該業務發展的策略方向 ;
- 18 :00- 19:30 對小程序PV的SQL進行數據勘誤&數據回刷&重新發佈 。
週二： - 10:30–12:00 BI 臨時戰略會議 ;
- 14:00–20:00 知識付費相關的數據表study，寫了5張SQL中間表 。
週三： - 10:00~12:00 與數據倉儲同事進行會議，討論order表中，數據出現異常的修復邏輯 ;
- 14:00~15:00 寫知識付費SQL(一次性分析) ;
- 15:00~15:30 了解財務數據需求(meeting) ;
- 15:30~16:30 找財務端技術了解 ;
- 17:00~20:00 寫知識付費SQL(一次性分析)，簡單整理一次性分析的數據(主要是Excel跟Tableau+一點點R，明天還要找業務方做初步討論)。
週四： - 10:30~11:30 與知識付費的開發開會，了解功能新增之後，後台架構的變化及釐清庫表邏輯 ;
- 13:30~14:30 與知識付費的業務討論初步分析的數據，一致認同某幾個維度意義不大，溝通後調整新的方向 ;
- 15:00~15:30 重新整理知識付費的SQL架構
- 16:00~20:30 改寫SQL，整理新數據後給業務 。
週五： - 10:00~10:30: 設計知識付費的BI看板架構 ;
- 10:30~12:30 根據前幾天的幾個SQL，再優化成寬表 ;
- 14:00~14:30 撈一下財物要的數據 ;
- 15:00~ 19:00 搭建知識付費的BI看板(PrestoSQL)。
對於面向業務問題的數據科學/機器學習項目，很多時候難點並不在於某個具體的技術， 而在於能夠一條龍跑通(end-to-end)，以及在這個過程中需要有拼搏精神、以及主人翁精神(ownership)。 - 這幾個業務都是新的業務，在系統功能、後台模塊的架構以及數據庫的邏輯花了大多的時間了解。這週以寫SQL為大宗，為數據分析的基礎前置作業。若月均的時間分佈，大致是取數20%、分析40%、業務溝通25%、數據倉儲/BI系統 15%。
- 對於面向業務問題的數據科學/機器學習項目，很多時候難點並不在於某個具體的技術， 而在於能夠一條龍跑通(end-to-end)，以及在這個過程中需要有拼搏精神、以及主人翁精神(ownership)。不要去分哪些是業務部的責任、哪些是產品經責任、哪些是機學習、哪些是工程， 是要從全局上深入解問題和挑戰在哪 ，哪裡有需要，就往哪裡上。
- 每種數據分析的定位會不太一樣，但我覺得需要的技能差不多，只是在於要點滿哪一項，全點滿就是傳說中的數據科學家了。
| 
