基本信息
姓名：李浩天，只接受三个正确的打开方式 —— 浩天、奇点、战友
学号：1901020015
工作背景
目前在 互联网+物流 领域深耕，说的高大上一点就是建设中国运输网络主干线。岗位性质更多的集中在经营分析、项目管理、战略研究三个方面
自我介绍
一个类数据分析从业者、一个非资深物流人、一个追求成长速率的学生
学习目的
最开始的原因其实很简单，想要拾起大学时学习的编程知识。这来源于两个基本诉求：
- 由于工作的性质，存在外部数据的采集需求，而IT资源又很稀缺，特别是在自己想要研究一些东西的时候。所以想要自己具备一些外部数据的获取能力，可以独立完成 数据爬取
- 另一个需求是来自于多方面的，想要自己的效率做进一步的提升，并且解锁更多的可能性。比如，工作中可以通过编程替代一部分Excel的工作，更快速的实现一些想法或者编写一个程序完成重复性的内容，脱离 “大表哥” 的困扰
那天我们沟通完之后，关于数据分析的发展方向，我在网上检索了一下，有一篇文章说的最讲究，文章说有四个方向：
业务数据分析(原文就直接叫数据分析，方便理解换了一个名字)：这类基本有两个主要任务：一个是业务数据体系化大白话来说就是业务指标体系的建立，一个是业务问题的解决比如为什么活跃用户数下滑增量放缓等。并且对于传统行业也会存在线下业务的规划包括选址等，会涉及到宏观数据，需要搜索及调研能力。这个岗位貌似说是最适合走向管理岗位的一个职位
数据挖掘：
- 看下来没有特别明确数据挖掘和数据分析的差别，给我的感觉是数据挖掘貌似更加理论化一些，涉及到模型的建立算法的应用。比如机器学习、协同过滤、关联规则、PageRank 等。在最优化问题的应用上，看到的例子是：外卖行业，如何寻找骑手效率最大化的最优路径
- 从问题解决的角度基本可以分为几个步骤：问题抽象->模型建立->线上部署。在岗位分工上面，问题抽象基本由数据分析完成，模型建立可以是数据分析也可以是数据挖掘，线上部署可以是数据挖掘也可以是数据工程。所以我大致的理解是数据挖掘和数据分析是一脉相承的关系而已，解决的问题难度不同
数据产品：这个现在有两种理解，一种是具备强数据分析能力的PM，一种是公司数据产品的规划者。前者以数据导向优化和改进产品，后者类似于产品经理，主要参与数据相关的产品项目：包括大数据平台、埋点采集系统、BI、推荐系统、广告平台等
数据工程：相对数据挖掘来说更倾向于更底层的工程实现和架构，很多工作是围绕 ETL / DW / BI 进行展开
综合看下来，评估了一下，自己现在应该只涉及到业务数据分析的工作，最开始的诉求也是希望在业务数据分析的路上走的更远一些。可这个并不妨碍那颗数据挖掘的心，关于数据挖掘这里当下有一个比较大的疑问，也希望后续可以得到解答，就是数据挖掘究竟可以解决那些类型的问题，它的边界又在哪里？
最后特别想说一句感谢。因为最近的自己像是打开了一扇门，当编程、英语以及区块链一个一个迈入自己的视野，感觉自己的眼前像变了一个世界，特别深刻的感受到 “井底之蛙” 的感觉。也因此改变了很多自己的行为，曾经可以忍受的突然就忍受不了了，比如上不了外网 [捂脸笑]
追加一下：
这两天我看完了《自学是一门手艺》的一个链接文章 What exactly can you do with Python? ，就特别想提一个需求：在学习的过程中能不能更多的介绍一下Python在数据分析或者数据挖掘领域有哪些实际的应用场景