化解2017年焦虑的最后一课:《从数据分析到数据极客》

2017年已翻到最后一月，你的年初目标完成了多少？这一年的收获与得失是否尽在掌握？

10月18日，AlphaGo的终极版——AlphaGo Zero（网友称之为“狗蛋”）以100:0完胜之前的AlphaGo Lee，成为当今世上最强的围棋选手，最可怕的是，它的成长，完全不需要学习人类的棋谱，真正的做到了“自学成才”。

AlphaGo的胜利、无人驾驶的成功、深度学习在各个领域的全面开花……人工智能（AI）以前所未有的速度改变着世界的每一个角落，很多人担心，自己所从事的职业某一天将会被AI取代，自己也将面临失业的风险。

李开复在他的《人工智能》里面列举了未来几年最先被替代的职业，分别为司机、交易员、基金经理、翻译、售货员、药剂师、影像科医生、记者、律师……最近一次比较严厉的预警来自麦肯锡，它预算了800个工种、2000多种工作行为的自动化风险指数，告诉人们又有一些职位将要被自动化取代了……

或许你还是觉得这遥不可及，其实在我们的日常生活中，智能应用已经随时出现在身边：语音识别、刷脸解锁、私人助手、推荐排序、预测疾病、火星探索……AI已经渗透到我们生活的每个角落，所以岗位的替代也只是时间问题。

从兽医到程序员，从全职妈妈到警察叔叔，从18岁的大一新生到50岁的公务员大叔，在遇到他们之前，你无法相信这些社会角色相差如此之大的人会聚在一起学习，学习那些可能与本职毫不相关的技能，比如编程语言、数据分析、机器学习。

而一开始，我们以为数据分析这类技能只是互联网人的必备技能：

• 例如程序员需要结合数据科学相关技能开发出高可用性的架构；

• 产品、运营、市场需要用客观分析代替感性判断……

• 这些结构化的思考、数据化的思维是他们得以不断进步的底层技能。

现在看来，人工智能时代加剧了我们这一代人的“学习焦虑”，大部分人都处在一个很尴尬的境地，我们不再焦虑是否会饿死，是否会露宿街头，但是会焦虑能否守住现状。可能稍不留神，我们对社会环境的信息感知能力就急速下降，我们若不能顺应变化完成知识升级，那么很难维持已有的生活方式。

即使我们的知识水平维持不变，也很难应对父母的老去、激烈的竞争、岗位的消亡、货币的不断稀释。这种“求存”的危机感牵动着我们必须不停学习。

一、发现“脱困”之路。

大部分人在被眼前的问题驱动着行走，可视野问题才是最大的问题，你的行业、你的工作环境，你的岗位价值能否跟得上社会发展的趋势？十年之后，面对人工智能，你还具有哪些竞争力？

如果目前的知识能在人工智能时代保你一生无虞，那你十分幸运；如果不能，那么就得想想我们的“活路”在哪里，找到这个大数据时代脱离困境的机遇，跨界掌握如数据分析这种可以与自身职业相融合的技能，“精分”的你才可以创造不能被替代的价值。

清华大学计算机系教授武永卫在2016年5月的中国大数据产业峰会上表示，中国未来3-5年需要180万数据人才，而目前仅有30万，缺口达150万人之多。招聘网站的数据也反映了这一点，猎聘网上的数据分析相关职位在短短一年时间内增长了300%，高端数据人才的薪酬也是水涨船高，年薪50万已经司空见惯。

二、碎片化学习、系统学习和快速学习

当代人都面临两个问题——信息超载和知识碎片化。

信息超载老话题不多说了，讲几个数据：

全世界每天有4000本书出版，超过4亿个字；

纽约时报一天的文字量等于牛顿同时代的人一生的阅读量；

一个专业领域，每天大概有200个公众号正在注册，有近1000篇文字正在产生……

过去杂家、博物家在现代社会已经不可能存在，即使有，也干不过谷歌度娘。

结论1：知识的储存能力，人类早就被电脑完胜了，知识的搜索和链接能力，才是学习的核心竞争力。

另一个趋势也很明显：知识碎片化。这个碎片化从3个方面开始——

• 首先时间和空间被打碎，移动手机允许你在三站地铁里听完一本书；

• 其次被打碎的是信息，如果你翻知乎、今日头条或者某个博客，你并不会像看一本书一样，知道前面一章讲什么的，后面即将讲什么，除了标题党，你根本对下一个博客、内容毫无预期，只能被动接受；

• 最糟糕的其实是知识结构碎片化——你并不知道是谁，在什么情况下，针对什么问题讲的这句话。所有的信息缺乏了上下文，就是废话。

比如说有段时间我刷管理类的文，你会发现在雷军、傅盛、彼得德鲁克、吴伯凡、马云、吴晓波……各位大佬针对同一个问题讲的内容完全不同。到底信哪个？其实雷军讲的是互联网行业；傅盛讲的是小企业逆袭，他正在做投资；彼得德鲁克用管理在讲哲学；吴伯凡老师在讲中西方文化；马云老师在对大众励志；吴晓波其实是用管理谈财经——更重要的是，他们讲话的场合，时间点和对象你一无所知。

结论2如果一个人没有搜索能力，他不会知道背景；没有思考能力，不会知道为什么——这样单纯知道一句话，比不知道更糟糕。

把前面两个结论放一块，结果很清晰——时间空间碎片化确实能够提高学习的效率（其实也干不过电脑），而信息碎片化和知识结构碎片化带来的，则是学习效率的倒退和焦虑之源——因为他毁掉你的主动搜索能力和主动链接的能力，也就是深度思考的能力。

这就是碎片化的陷阱，极大的提高了并没有什么卵用的信息，而降低了最重要的独立思考的能力。

对于长期接受碎片知识

经常上网查阅资料，逛知乎，看微信大号，看得到专栏文章，知识面是拓宽了，存在的问题是没有构建知识体系，野路子学出来的知识只能解决当前问题而无法走出现实困境。

任何学习知识，都是相互联系，相互作用的。因此第一步就是找出各部分间的直接联系，把网络结构初步地建立起来。但是有些部分和其他部分并不一定能够建立直接的联系，那么还需要发掘第二层、第三层关系。要明确各部分之间的关系，以及综合运用。学习是先模糊概括，再逐渐在大框架下逐步明晰细节、完善结构、针对缺陷和不足专攻的学习方法。

碎片化学习对于10%的信息接收非常有用，而剩下独处练习的70%和讨论的20%，则需要留出大量时间来系统学习——碎片化学习永远只是系统化学习的辅助。你需要留出足够多整块时间学习。

而系统学习法，是指把所学内容当成是一个系统看待，力求从大方向出发指导学习，这样，在学习的时候不是按部就班按章节行进，而是先模糊概括，再逐渐在大框架下逐步明晰细节、完善结构、针对缺陷和不足专攻的学习方法。

行动学习理论认为，人要掌握一门技能，需要有10%的时间学习知识和信息，70%的时间练习和践行，还有20%的时间与人沟通和讨论。这个原则叫做721原则。

参加一次系统培训能够你规划并实施一个系统的学习方案，会在你起步的时候构建一个比较扎实的基础知识框架，这个过程和盖楼时先打地基的道理是一样的，地基打的越深，楼房才能改的越高。培训机构老师经验比较丰富，会讲授很多实际工作中的项目经验，可以带领大家快速进入正确的学习通道，少走弯路。当然，培训取代不了工作实践，如前所述，多在工作中积累业务经验，技能水平才能提升的更快。

大数据时代的知识，没有像印刷时代对知识结构视为必须具备的“基础”知识，知识是非线性的，可以自由组合、切割，处于一种分散和游离的状态。未来，你必须具备快速自学和捕捉知识的能力，学习将从一个“知识储备，学以致用”的过程，向“知识构建，用时再学”的过程转变，学习将是一个持续的，乃至终身学习的过程。为此你需要具备一种快速而灵活的学习方式。

在国外，除了大学，社区形式的学习平台(如PPV课、数据城堡Datacastle、炼数成金)由于知识更新快，学习时间更加灵活，形成了独特的社区学习(community learning)现象。社区里不但有初学者(freshman)，也是不少顶尖技术专家(Veteran)光顾的地方。社区是一个自由、无中心的交流学习平台，没有权威，一切都可以质疑和挑战。当然，如果要和这些高手过招，你必须先打好英语基础。未来，社区将成为从业者技能get、快速充电的重要渠道，社区或将成为继高等学校、职业学校以外的一个“无围墙”的校园。

如果说大数据时代有什么技能就业面广，职业通道长，而且能和各种行业完美结合的技能，数据分析无疑是最好的选择。

一个合格的数据分析应该具备统计学基础知识、数据分析方法、数据获取、数据解读和业务理解、数据分析思想几个方面能力，如果你是一个数据小白，又想进入这个行业，那么你可以考虑一下下面这门课程：

《从0到1的数据分析师系列课程》由一批企业专家和中青年博士、博士后授课，上课方式为网络教学，零基础起步，可进阶学习来自硅谷的高级技术课程(网络)，也可以根据需要参加《数据科学与大数据技术训练营》(面授)。

不会数据分析的你，正在失去职业竞争力。让国内领先的数据科学社区PPV课的帮助你，成为抢手的数据人才吧！

上课老师

王昱

北京科技大学管理科学与工程硕士，某互联网交通出行龙头企业数据分析师。西北工业大学荣誉讲师，阿里巴巴天池数据可视化大赛金奖团队成员，中国电科杯城市数据创新大赛城市交通专项奖核心技术骨干。研究方向为数据采集、数据分析与数据可视化，在政府、交通、环境等方面有丰富的大数据分析项目经验。

↓↓↓报名入口

原文始发于微信公众号（PPV课数据科学社区）：化解2017年焦虑的最后一课:《从数据分析到数据极客》