- 在数据分析中，经常被提到的词有数据、算法、模型、业务、技术等等。
- 关于业务和数据的关系，其实他们并不像网络段子所说的相对立。而是相互依存，相互成就的关系。
- 在整个业务流程中，技术只是其中的一环，想要把整个业务做成、必然会有一套复杂的过程，技术只是一种工具和实现落地的方式。
- 在数据分析的部分，评价数据分析好坏的方式就是通过各种指标是否达成来看。（付费率、留存率、首充率、达成率、日均流水等等）
- 对于业务而言，很多时候是复杂而多元的。
- 对于技术人员而言，理解了技术的最终目的是服务于业务，让整个事儿办成。那么就不能太拘泥于技术之美、最佳实现。只要把事情做成是可以有所取舍的。
- 在整个业务流程中，产品经理扮演者很重要的角色。他既要沟通好业务方，也要拆分需求和技术方合作，最终把事情做成。
- 数据分析师虽然会用一些技术工具，但整体而言还是属于业务侧的。他们需要掌握的基础知识有数学、概率学、统计学等等……他们会用到的工具有 Python 脚本、Excel、SQL、大数据框架（Hadoop、Spark 等）
最后，是我作为数据相关前端工作的思考：我们在一个数据部门中属于是数据展现和交互层的角色，而整个部门的流程大概如下
需求方提出需求 - 数据分析师了解需求进行数据分析 - 数据后端通过各种工具进行数据计算 - 业务后端获取数据后端的各种计算结果组装成接口 - 业务前端通过产品设计和业务后端接口产出前端页面
所以，目前我所做的项目也就是：1. 数据分析工具 2. 数据结果展示 3. 相关支持系统。明显都是为了整个数据流程服务的。
而前端作为数据流水线的最终一环，需要做好的几点是：
- 数据展现，首先必然是清晰明了、一目了然。其次也需要深入了解一些数据可视化的知识，从而更好的将数据展现给业务方。
- 界面交互友好，保证基本交互正常的前提下，多为用户提供一些便捷功能。
- 保证高性能，由于数据分析体量大的特征，后端需要做好查询数据速度的提升，前端也要避免渲染大量 DOM 元素的情况，这会导致页面假死、卡顿、崩溃。采用一些虚拟列表、按需加载、分页、Canvas 绘制可以有效提升这方面的性能。
这么一想，其实很多之前被我忽略的细节交互其实挺重要的，而我所看重的代码解耦、技术方案其实在业务侧看来好像并不会太在意。以后要学会多转换视角理解业务方真正的需求才是。
