谷歌高级数据分析-I-笔记-全-
谷歌高级数据分析 I 笔记（全）
001：欢迎来到课程 🎉
在本节课中，我们将要学习数据科学领域的基本概念、数据专业人员的角色，以及本证书课程的结构与目标。课程将帮助你理解数据分析在日常生活中的应用，并为你进入这个高需求、高回报的领域打下坚实基础。
如果你曾使用应用程序寻找最佳交通路线，或在网上购物时收到产品推荐，那么你已从消费者端熟悉了数据分析。据估计，平均每人每秒至少产生 1.7 MB 的数据。这大致相当于全球每天产生超过 2.5 × 10^18 MB 的数据。因此，无论是现在还是可预见的未来，市场对能够组织数据并解读其中信息的人才需求巨大。
当你踏上这条职业道路时，你可能已具备解决问题、决策、资源分配、时间管理等实践经验，这些技能尤其适合数据专业人员的工作。许多公司正在寻找候选人，以填补这个快速成长且高薪领域的职位。
认识你的讲师 👩🏫
我叫 Cassie，在“数据科学”这个名称出现之前，我就已是一名数据科学家。我在 Google 负责决策智能，并将担任本证书项目第一门课程的讲师。在成为 Google Cloud 的首席决策科学家之前，我在 Google 研究部门担任数据科学家，参与了 Google 内超过 400 个项目。数据科学职业最吸引我的一点是其巨大的多样性，尤其适合像我这样天生好奇的人。项目与挑战的种类繁多，有人选择多年深耕一个项目，也有人每周参与数个新项目，可能性是无限的。
什么是数据专业人员？🔍
“数据专业人员”是一个统称，指任何处理数据和/或具备数据技能的个人。至少，一名数据专业人员能够探索、清洗、选择、分析和可视化数据。他们通常也能熟练编写代码，并对统计学家和机器学习工程师使用的技术有所了解，包括构建模型和发展算法思维。
机器学习与数据分析 🤖
机器学习是实现自动化的另一种方法，它通过使用数据而非明确的指令来表达完成任务的方式。机器学习是现代数据专业人员工具包中的重要组成部分。
要训练一个机器学习模型，专家会将大量潜在的数据输入通过算法，调整设置并不断迭代，直到产生有希望的结果。但训练模型只是专业机器学习旅程中的一小步。机器学习技术也可用于数据分析和探索，且步骤少得多，而这正是你将在本课程中学到的内容。
你将在课程资源中发现更多探索机器学习的机会，请务必查看。数据专业人员的工作跨越广泛的行业，影响着众多的产品和服务。正如我们稍后将讨论的，专注于数据专业工作的角色和头衔也有很多。可以将他们视为数据侦探，分析并解读他们的发现，以揭示其中的故事。
关于本证书课程 📚
Google 职业证书由 Google 内拥有数十年经验的行业专家设计。在本项目中，每门课程都将由一位不同的 Google 专家指导你。我们将通过视频分享知识，通过实践活动帮助你练习，并指导你应对工作中可能遇到的情景。
本证书旨在让你在 3 到 6 个月 内（如果兼职学习）为一份工作做好准备。因此，这个项目非常灵活，你可以按照自己的条件和节奏完成所有课程。
在整个项目中，我们将为你提供资源，帮助你在数据专业领域推进职业生涯。随着学习的深入，你还将建立一个作品集项目库和一个综合性的毕业设计项目，以展示你简历之外的能力。你还将拥有一个由同侪学习者组成的支持网络，他们与你一同学习此证书。
本课程旨在通过构建你目前已掌握的知识和技能来为你提供实践经验。无论你开始学习时对数据和分析的经验如何，你都将学到对开始或推进职业生涯相关且有益的不同经验。
技能发展与职业支持 🚀
除了构建你的技能组合，我们还将研究数据专业团队在工作场所如何协作和做出贡献。到本课程结束时，你将准备好追求数据职业领域的职位。
通过完成像这样的 Google 职业证书，你将培养在这个不断扩展的职业领域工作所需的技能和知识。毕业后，你可以与数百家有意招聘 Google 职业证书毕业生的雇主建立联系。无论你是想转行、提升技能还是创业，Google 职业证书都能帮助你迈出下一步。
在这第一门课程中，我将在这里帮助你获得在该领域取得成功所需的基础知识。再次表示，很高兴你来到这里。我对你迈出职业生涯的下一步感到兴奋。我们下个视频再见。
本节课中，我们一起学习了数据科学的重要性、数据专业人员的定义与技能要求，以及机器学习在数据分析中的应用。我们还了解了 Google 高级数据分析证书课程的结构、灵活性和职业支持。接下来，我们将深入探索数据科学的具体工具和方法。
002：《数据科学基础》课程简介 📘
在本节课中，我们将概述《数据科学基础》这门课程的核心内容与学习目标。你将了解课程的整体结构、涵盖的关键主题，以及如何通过本课程为成为一名数据专业人士做好准备。
课程概览 🗺️
上一节我们介绍了整个项目的大致情况，本节中我们将更具体地探讨这门课程的内容安排。
我们将从基础开始，简要介绍数据领域提供的背景。即使你已经对数据领域的工作有所了解，我们也将深入探讨一些历史背景，展示这个领域的发展历程、现状以及未来方向。这些关键的发展和实际应用将充分展示本课程为你准备的众多机会。
核心技能与职业素养 🛠️
在本课程中，我们将讨论组织在未来员工身上寻找的具体技能和特质。你将培养作为数据专业人士所需的核心技能，并将这些技能与你已有的能力相结合。
我们将特别关注技术能力和职场期望。同时，在学习过程中将提供大量实践机会。
以下是本课程将重点培养的几个方面：
- 技术技能：掌握数据分析的基础工具和方法。
- 职场软技能：了解团队协作与职业沟通的期望。
- 实践应用：通过练习巩固所学知识。
职业机会与行业探索 💼
接下来，我们将探索你的就业市场机会。你将了解与你的技能相匹配的各种职位和角色。
你还将探究支撑数据职业领域所有角色的责任与道德规范。随着越来越多的行业转向数据专业，你一定能找到符合自己兴趣的职位。
我们也将探索其中一些行业，以便你了解数据专业人士的就业领域，从而做出更明智的决策。
团队协作与未来展望 🤝
然后，我们将研究大型组织如何组建数据专业团队来应对大规模项目。我们也将窥探数据职业的未来以及该领域的总体发展趋势，以便你在完成本课程后对未来有清晰的认知。
我们还将研究有效沟通的要素，并发现它如何能赋能你成为一名数据专业人士。在整个课程乃至整个项目中，你将看到有效沟通如何在数据分析过程中提升生产力并促进共识。
实践项目与职业指导 🚀
随着学习的深入，你将通过作品集项目获得实际的数据分析经验，本课程中的第一个项目即是起点。我们设计了几个不同的选项，让你能将数据技能应用到由行业合作伙伴提供数据的实际场景中。
你可以利用这些项目向未来的雇主展示你的技能。
最后，我们的讲师将提供一些职业建议和策略，指导你的职业发展之路。
以上是对本课程后续内容的简要预览。
总结 📝
本节课中，我们一起学习了《数据科学基础》课程的核心框架。我们概述了将从数据领域背景、核心技能、职业机会、行业现状、团队协作、未来趋势以及实践沟通等多个维度展开学习。本课程旨在为你打下坚实的数据科学基础，并通过实践项目帮助你为进入数据职业领域做好充分准备。
接下来，你将有机会查阅一些学习资源，这些资源将帮助你从本项目中获得最大收益。
我们下个视频再见。
003：开启您的谷歌高级数据分析证书之旅 🚀
在本节课中，我们将了解谷歌高级数据分析证书项目的核心价值、完成证书后可获得的独家资源，以及确保你成功完成学业并开启职业生涯的实用建议。
我是来自“与谷歌共成长”团队的阿曼达。我们是谷歌职业证书项目背后的团队。我们非常高兴你决定攻读高级数据分析证书。谷歌的专家们创建了这个项目，旨在帮助你培养胜任相关工作的技能。
完成证书后，你将加入一个由超过100万名毕业生组成的社区，他们正在开启新的职业生涯。你将立即解锁有助于你开启职业生涯的资源。
完成证书后的核心资源 💎
上一节我们提到了证书项目的价值，本节中我们来看看完成学业后你将获得的具体支持。这些资源旨在帮助你从学习顺利过渡到求职。
以下是完成谷歌职业证书后你可以获得的独家资源列表：
- 行业认可的凭证：获得谷歌颁发的、受行业认可的证书，可添加到你的简历和LinkedIn等职业档案中。
- CompTIA Data+认证折扣：获得参加CompTIA Data+认证考试的折扣，该认证能进一步证明你的数据分析技能，帮助你在雇主面前脱颖而出。
- 求职全程支持：我们将在你求职的整个过程中提供支持。我们知道寻找新工作涉及很多方面。
利用AI与专属服务优化求职 🔍
我们了解到求职过程复杂，因此在证书项目的最后，我们专门设置了一门课程。这门课程将指导你如何具体利用AI来简化求职流程。
以下是该课程将涵盖的关键求职技能，均可在AI的辅助下进行：
- 识别可转移技能：明确你已具备且适用于新岗位的技能。
- 针对不同职位更新简历：学习如何为不同的职位定制和优化你的简历。
- 模拟面试练习：通过练习提升面试技巧和信心。
此外，对于在美国的学习者，你还可以免费注册一对一职业辅导，并通过Career Circle访问数千个职位发布信息。这些宝贵的资源专属于谷歌职业证书毕业生。
确保成功完成项目的关键建议 🏆
顺利起步是确保你完成项目并获取这些资源的最佳方式。以下是我们为你提供的几条重要建议，助你成功抵达终点。
首先，务必跟上截止日期，尤其是在项目开始的这几周。做到这一点的学习者完成证书的可能性几乎是其他人的两倍。
其次，立即加入学习者社区。这是一个获取建议、与像你一样的学习者建立联系的绝佳场所。拥有这样一个在遇到困难时可以求助的社区资源，能显著提高你的成功几率。
最后，如果遇到挑战，不要气馁。这很正常。请记住你来到这里的初衷，充分利用可用的支持，并相信只要坚持不懈，你一定能成功。
持续获取谷歌最新资讯 📬
为了获取谷歌关于职业建议、AI应用以及新课程通知的最新信息，请订阅我们的新闻通讯，网址是：grow.google/updates。
我们祝愿你在这段激动人心的旅程中一切顺利，并期待在你获取谷歌职业证书的过程中为你提供支持。
本节课总结：本节课我们一起学习了谷歌高级数据分析证书项目的价值、完成后的核心资源（包括行业证书、认证折扣和求职支持），以及确保成功完成学业的三大关键建议：紧跟截止日期、加入学习社区和保持积极心态。记住，充分利用这些资源和支持，你将能更有效地开启数据分析职业生涯。
004：《数据科学基础》 🎯
在本课程中，我们将学习数据科学的核心基础，包括Python编程、数据探索、可视化、统计分析、模型构建以及机器学习入门。课程旨在帮助你构建一个充实的数据项目作品集，为你的职业发展铺平道路。
欢迎来到模块1 👋
上一节我们介绍了课程的整体框架，本节中我们将详细了解你在学习旅程中会遇到的具体内容。
在这个项目中，你将使用Python进行编程，探索数据背后的故事，开发数据可视化图表，运用统计工具，构建模型，并初步接触机器学习。
课程内容与项目产出 📈
以下是你在本课程中将参与的主要活动：
- 使用Python编写代码。
- 讨论数据蕴含的故事。
- 开发数据可视化图表。
- 运用统计工具。
- 构建数据模型。
- 初步涉足机器学习。
在此过程中，除了完成本项目的顶点课程外，你还将构建一个充满数据项目的作品集。无论你是希望转行、开启新职业生涯、提升技能，还是在公司现有岗位上寻求晋升，谷歌职业证书课程都能在你迈向新机遇的道路上提供指引。
认识你的讲师团队 🧑🏫
我们汇集了优秀的讲师团队来支持你的学习旅程，现在请他们做一下自我介绍。
大家好，我是Adrian，谷歌的客户工程师。我们将一起探索发展最快的编程语言之一——Python。你将学习基础知识，这将帮助你编写脚本，对数据集执行一系列关键的数学运算，所有这些都旨在帮助你解锁数据中的故事。
大家好，我是Rob，谷歌的消费产品负责人。我在这里从事市场营销项目。我很高兴能与大家探讨如何用数据讲故事。我们将讨论探索性数据分析的六个实践，以及如何识别其中的趋势和模式。我们还将学习使用Python和Tableau设计和呈现数据可视化的重要性，这能帮助你理解数据并将其传达给他人。
大家好，我是Evan，一名经济学家，为谷歌内部的各个团队提供咨询。统计学帮助你从数据本身产生更复杂的想法。在我们共处的时间里，你将发现如何生成见解、得出结论、进行推断、创建估计并做出预测。
大家好，我是Tiffany，谷歌的营销科学主管，在这里处理营销数据。我将指导你完成变量间关系的建模过程。我们将一起探索不同的回归模型和假设检验。我们还将讨论模型假设、构建、评估和解释，以此作为回答数据驱动问题的手段。
大家好，我是Saila，一名数据科学家，在谷歌为YouTube项目工作。我将指导你构建能够学习和适应、而无需特定指令的系统。在你构建自己的模型时，我们将讨论机器学习如何改变数据分析的过程。
大家好，我是Tiffany，我在谷歌领导一个专注于负责任地构建人工智能的团队。我将向你介绍职业资源和作品集项目，并指导你完成项目结束时的顶点课程。我将协助你了解不同的机会和工具，为你在就业市场上取得成功做好准备。
当然，你们已经知道，我将引导你们完成第一门课程。现在是作为数据专业人士成长和推进职业生涯的大好时机。通往充满新机遇的职业道路正在等待着你。
本节课中，我们一起了解了谷歌《数据科学基础》课程的核心内容、学习产出以及强大的讲师团队。从Python编程到机器学习，课程为你提供了全面的技能培养路径，并旨在通过实践项目帮助你构建职业作品集。准备好开始你的数据科学之旅了吗？
005：探索你的数据工具箱 🧰
在本节课中，我们将要学习数据科学工作中最常用的一些核心工具。这些工具各自有其独特用途，但当它们协同工作时，便能帮助我们构建并讲述数据背后的故事，从而影响和指导商业决策。
编程语言：与数据对话的基础 💻
上一节我们介绍了数据科学的重要性，本节中我们来看看数据专业人士如何与数据“对话”。编程语言是数据分析师高效处理和分析大型数据集的基础工具。随着时间发展，出现了多种语言，每位专业人士都有自己的偏好。本视频将重点介绍两种在数据分析领域非常流行的语言：R 和 Python。
R 语言：统计学家的思维
R 是一种被研究人员和学者广泛使用的编程语言。它最初是作者在统计学研究生阶段使用的主要语言。有人认为 R 语言体现了统计学家的思维方式。这种观点有一定道理。如果你希望实现最新的统计突破，R 是一个绝佳的选择。但它的用途不仅限于统计，你会发现许多新技术和想法都用它来编程。
R 语言最出色的特性之一是，你只需几行代码就能创建复杂的统计模型。如果你对 R 语言感到好奇或需要复习，请务必查看我们同样在本平台提供的 Google 数据分析师认证课程。
Python 语言：灵活性与可读性
本课程将教授 Python 编程语言。选择它有几个重要原因。首先，它强调代码的可读性，使其成为最容易学习和编写的编程语言之一。其次，与 R 不同，Python 并非诞生于数据社区。这听起来可能是个缺点，但在现代世界中，数据正以越来越有创意的方式被使用。因此，学习一种不仅能处理数据，还能用于构建和部署由数据驱动的应用程序的编程语言，具有巨大的优势。
尽管作者最初接触的是 R 语言，但如今更倾向于使用 Python，因为它具有灵活性。Python 可以执行各种与数据相关的任务，这使其在数据专业人士中非常受欢迎。如果你是完全的编程新手，Python 是一门非常容易上手的语言。它的格式在视觉上清晰简洁，是最适合初学者的语言之一，并且拥有庞大的在线社区和丰富的资源，可以在你遇到困难时提供帮助。
我们将在一个基于网页的计算平台（也称为 Jupyter Notebook）中使用 Python。该平台允许你实时运行代码，并有助于轻松识别错误。
可视化工具：让数据故事跃然纸上 📊
为了可视化数据中的故事，我们将教你如何通过图形界面分享复杂的数据。那些学习过我们数据分析课程的人会熟悉一个名为 Tableau 的平台。在本课程中，我们将更详细地了解这个强大的工具如何帮助他人理解你的分析结果。
以下是 Tableau 的核心优势：
- 直观的图形界面：通过拖拽操作即可创建图表。
- 强大的交互功能：允许用户探索数据的不同维度。
- 丰富的图表类型：满足各种数据展示需求。
沟通技巧：连接数据与决策的桥梁 🗣️
此外，我们还将探讨数据驱动职业中的有效沟通。乍看之下，沟通似乎不那么重要。但向非技术背景的利益相关者描述有时复杂的数据分析过程，可能是数据专业人士拥有的最重要技能之一。因为沟通是我们日常都在做的事情，我们很容易忘记数据专业人士如何分享和处理数据故事的重要性。我们的目标是强化你已经具备的沟通技能，让你在完成本课程后能够脱颖而出。
在本课程以及本项目的其他部分中，沟通将是一个关键组成部分，直接关系到你作为数据专业人士将要开展的工作。
总结与展望 ✨
本节课中我们一起学习了数据科学家的核心工具箱。编程语言（如 R 和 Python）让数据专业人士能够与数据交互并解读数据。像 Tableau 这样的可视化数据工具，通过吸引人们关注特定细节的视觉元素，丰富了数据中的故事。但任何故事中最重要的元素是讲故事的人，那就是你。
你之前的经验和知识构成了你的叙事能力，你独特的背景将使你在这些角色中脱颖而出。无论你最终选择哪条职业道路，保持决心并培养正确的技能，对于个人和职业转型都至关重要。我们在这个项目中为你提供的工具也将一路助你一臂之力。很高兴能继续陪伴你踏上这段旅程。最好的还在后面，我们下次见。
006：《数据科学基础》课程总结（第一部分）🎉
在本节课中，我们将对《数据科学基础》课程的第一部分内容进行回顾与总结。我们将梳理已学到的关键概念，并为你接下来的学习旅程做好准备。
首先，我们回顾了本证书课程的基本框架与构成。你认识了课程中的每一位讲师，并预览了后续课程中将涉及的不同主题。
接下来，我们探讨了以数据为核心工作的基础知识，以及正在融合数据洞察的各类行业。我们也讨论了数据驱动型职业的未来前景。
除了探索数据领域的工作实况，我们还讨论了数据专业人士的“工具箱”，以及本课程将帮助你培养的各项技能。
以下是我们在第一部分中涵盖的核心内容要点：
- 课程概览与讲师介绍：明确了课程结构并认识了教学团队。
- 数据工作基础与行业应用：了解了数据工作的基本形态及其在不同行业的价值。
- 数据职业的未来：展望了数据驱动型职业的发展趋势。
- 数据专业工具箱与技能：认识了数据分析所需的工具集和关键技能组合。
恭喜你完成了本课程第一部分的學習！这标志着你已正式开启了在数据领域探索新机遇的旅程。
我们期待在下一个视频中与你再次相见！🚀
007：从好奇心到数据职业生涯 🧭
在本节课中，我们将跟随谷歌行业情报主管Luanne的分享，了解她如何从早期职业生涯的挑战出发，通过建立人脉网络、培养协作精神与实践好奇心，最终在数据科学领域找到自己的航向。本节内容将特别关注数据从业者所需的软技能与心态。
我的名字是Luanne，我是谷歌的行业情报主管。我的工作是帮助我们的内部团队、合作伙伴和广告商更深入地理解他们所在的行业。
在我的分析师生涯早期，我感到非常孤独，因此我迫切需要建立连接。
大学毕业后，我未能立即找到工作。我尝试了许多不同的事情，也在不同地方工作过，但未能建立起足够深厚的人脉，无法在这个领域拥有一个社群。
于是，我开始加入一些网络社群。在进入一个新领域时，建立人脉网络至关重要。
对我而言，进入这个新领域最令人不安的就是那种“初来乍到”的新鲜感。你会感觉自己像一条离开水的鱼，并且很容易受到那种烦人的“冒名顶替综合症”的影响，比如“我不够好”、“他们迟早会发现我不行”。
因此，拥有一个人脉网络来将我拉回正轨，告诉我“不，你是合格的”，并列举出我合格的所有理由，这非常有价值。实际上，我拥有的其他技能组合在这里也是一种资产。
在我的当前角色中，我与许多不同的人进行协作。在数据分析领域，协作非常重要，因为一个完整的故事由许多不同的部分组成。
以下是协作中需要的不同角色：
- 你需要那些愿意、能够并且善于提出问题的人，例如：“我们到底在寻找什么？”、“我们找对地方了吗？”
- 你需要那些能够查询并找到数据集、能在“干草堆里找到针”的人。
- 你需要其他人来发现数据中的模式和洞察。
- 你还需要有人来讲述这个故事。
实践好奇心在任何角色中都会对你有帮助，尤其是在处理数据时。除此之外，你还有机会与你的同期学员建立联系。你们是下一代高级数据分析从业者，因此相互了解、理解彼此的想法，甚至为共同创新打开大门，是一个非常重要且令人兴奋的机会。
本节课总结
本节课中，我们一起学习了Luanne分享的数据职业生涯发展经验。核心要点包括：建立人脉网络以克服初入行的孤独感和自我怀疑；认识到团队协作在数据分析中的关键作用，它需要提问者、数据查询者、模式发现者和故事讲述者等多种角色；以及将实践好奇心作为一种终身受用的能力。这些软技能与心态，与硬技术知识同样重要，共同构成了成功数据科学家的基础。
008：准备首次评估 📝
在本节课中，我们将学习如何为课程中的首次分级评估做好准备。评估是验证学习成果、建立信心并发现改进领域的重要环节。
评估的目的与重要性
正如你所知，本课程要求你在每个章节和课程结束时完成一次分级评估。现在是时候为你的第一次评估做准备了。
本次评估将有效验证你对关键数据分析概念的理解。它也将帮助你建立对数据分析理解的信心，同时识别出你可以继续改进的领域。
应对评估的策略
评估有时会让人感到压力，但采用策略应对可以使它们更易于管理。以下是帮助你成功的一系列建议。
在参加评估之前，请回顾你的笔记、视频、阅读材料以及最新的术语表，以在评估期间重温相关内容。
评估过程中的实用技巧
以下是评估过程中可以遵循的具体步骤：
- 从容应对：在填写任何答案之前，先通览整个测试。
- 先易后难：先回答简单的问题，标记那些你无法立即得出答案的问题。
- 排除错误选项：对于选择题，首先专注于排除错误答案。
- 仔细审题：建议将每个问题阅读两遍。第一次阅读时可能会遗漏一些线索。
- 管理焦虑：如果你开始感到焦虑，可以通过一些思维练习来让自己平静下来。例如，在脑海中完成一道简单的数学题，或者倒着拼写你的名字。这也有助于你更容易地回忆信息。
- 检查与自信：在提交评估之前，检查你的答案，但要保持自信。有时人们会因为感觉不对而更改答案，但最初的直觉往往是最好的。
- 相信自己：请记住要相信自己。通常，人们所掌握的知识比他们自己认为的要多。
保持学习动力
每个人的学习速度和方式都不同。但保持学习动力非常重要。因此，请花上你需要的时间。当你感觉准备好了，就继续前进。
本节课中，我们一起学习了为首次评估做准备的策略和实用技巧，包括复习方法、答题策略以及心态调整。记住，评估是学习过程的一部分，旨在帮助你巩固知识并指明方向。你已经做好了准备，继续前进吧！
009：模块2导论 🚀
在本节课中，我们将开启《数据科学基础》课程的第二模块。我们将探索数据领域的职业路径，了解数据在不同行业中的应用，并初步认识数据专业中的不同角色及其职责。
很高兴你再次加入学习。我很荣幸能作为你的向导，陪伴你继续迈向数据专业人员的道路。
正如你已经发现的，数据可以以多种方式被使用，但无论其应用方式如何，需要牢记的核心要点是：知识就是力量。这种力量能够改善你的业务、工作、个人生活以及你周围的世界。我们被海量数据所包围，其中蕴含着等待被发掘的巨大潜力。
你选择深入学习并成为其中的一员，这非常棒。
说到你的学习旅程，在本课程的这个部分，我们将首先深入了解数据领域的职业。我们将探索不同的行业，并审视数据驱动工作的一些直接应用案例。
我们将探究数据专业中的一些具体角色，并更仔细地了解你会遇到的通用职业类别。我们还将审视不同数据专业人员的职责。
期待你开始这段探索。让我们出发吧。
本节总结
本节课中，我们一起开启了模块二的学习之旅。我们明确了本模块的核心目标是探索数据科学领域的职业全景，包括不同行业的数据应用、各类数据专业角色及其职责。这为我们后续深入具体职业路径奠定了坚实的基础。
010：打造数据驱动的业务解决方案 🚀
在本节课中，我们将跟随谷歌客户工程师Adrian，学习如何将技术能力与商业需求结合，打造一个实际的数据驱动解决方案。我们将重点了解一个整合医疗数据的项目，并探讨其中可迁移的核心技能。
大家好，我是Adrian，是谷歌的一名客户工程师。
谷歌的客户工程师角色，是连接美国企业技术层面与商业层面的桥梁。我们的职责是帮助客户利用谷歌的技术来满足他们的商业需求。
我曾参与过最激动人心且有趣的项目之一，是创建一个统一的患者记录系统。这个项目是为一家实验室诊断公司开展的，该公司真正致力于构建患者的360度全景视图。
从分散到统一：项目核心目标
上一节我们了解了项目的背景，本节中我们来看看该项目的具体目标。我们的项目专注于整合不同系统中的信息。
你可以想象一下，将你最近常规血液检查的实验室诊断数据，或者更具体的检测（如糖尿病或狼疮测试）数据，连同你提供的所有生物信息数据，集中并标准化到一个环境中。
这样，无论是你的医生、放射科医师还是营养师查看数据，他们都能获得你所有数据的完整视图。他们不仅能访问数据，还能实时地进行可视化。
关键技术：虚拟现实可视化
在实现了数据整合之后，可视化成为关键。本项目的一个关键组成部分是使用虚拟现实头显作为主要的可视化组件。
这对我来说意味着，我有机会进行一些游戏设计，创建人体皮肤模型，并使用不同的颜色和编程功能来指示状态。例如，系统可以显示身体系统是否健康，或者是否需要关注或干预。
我们可以随时间观察诊断测试结果如何变化，以及这对患者产生的影响。
项目成果与价值
最终，我们完成了一个能统一患者所有数据的项目，并为关键的医疗专业人员提供了一种可视化数据的方式。
给初学者的核心建议：自信与技能迁移
在学习了具体的项目案例后，我们来看看能从中学到的通用经验。我给大家最好的建议是：保持自信。
你可能对这个新角色或新公司还不熟悉，但你带来的技能是可重复、可迁移的。
以下是你可以迁移的核心技能领域：
- 问题解决方法：你处理和解决问题的方式。
- 关系构建能力：你与利益相关者建立融洽关系的能力，以及确保能构建这些关系的软技能。
- 沟通技巧：甚至在沟通和撰写简洁明了的电子邮件方面。
总会有一些方法，让你能将过去的经验应用到新角色中。你可能需要跳出框框思考，但你一定能做到。
本节课中，我们一起学习了如何通过一个真实的医疗数据项目，理解数据驱动解决方案的构建过程。我们从项目目标、技术实现到最终价值进行了梳理，并重点强调了自信和可迁移技能（如问题解决、关系构建、沟通）对于数据科学从业者的重要性。记住，你过去的经验是你最宝贵的财富。
011：数据驱动型职业如何推动现代商业 📊
在本节课中，我们将探讨数据专业人员如何通过技术和战略工作推动现代商业，并了解数据科学在不同行业中的具体应用。
数据专业人员对其公司极具价值。他们确定哪些数据流对特定商业项目、挑战和计划最为重要。他们为未来设定关键目标，并通过重新构想流程和改进运营，赋予组织采取有意义行动的能力。
技术型数据工作 🔧
上一节我们提到了数据专业人员的价值，本节中我们来看看技术型数据工作的具体内容。这类工作对技术技能有很高要求。
以下是几个技术型数据角色的例子：
- 机器学习工程师和统计学家：他们凭借在数学、统计学和计算方面的专业知识，使用如
R和Python等工具构建模型并进行预测，帮助团队从业务数据集中提取价值，从而产生直接、积极的解决方案。 - 专家数据分析师：他们的工作涉及探索庞大而复杂的数据集，以首先确定值得深入的方向。他们确保组织的数据科学工作尽可能高效地进行，在其他技术型数据专业人员和即将介绍的策略型工作之间架起桥梁。
策略型数据工作 🎯
了解了技术型工作后，我们再来看看策略型数据工作。这类人员更侧重于信息的解读和业务战略的对接。
以下是策略型数据角色的例子：
- 商业智能专业人员和技术项目经理**：他们运用技能解读影响组织运营、财务、研发等方面的信息。他们的工作与整体业务战略紧密结合，涉及通过数据分析寻求问题解决方案。简而言之，策略型数据专业人员通过最大化信息价值来指导企业运作。
有时，公司会设立一些角色，将专业的技术知识与策略型数据专长以不同寻常且极具创意的方式相结合。接下来，我们将了解这些机会以及更专业的技术和策略角色。
数据科学如何变革行业 🌍
前面我们区分了技术和策略工作，现在让我们通过具体例子，看看数据专业人员如何运用他们的专业知识变革金融、医疗保健、制造和农业等行业。
以下是数据科学在四个关键行业中的应用：
- 金融：大数据金融界是数据科学力量的早期采用者。数据专业人员帮助金融机构评估投资风险、监控市场趋势、检测异常以减少欺诈，从而创建一个更稳定的金融体系。其核心公式可概括为：
数据洞察 -> 风险控制 + 欺诈检测 -> 稳定金融系统。 - 医疗保健：数据分析在医疗保健领域也至关重要，其益处甚至可以挽救生命。数据分析帮助医疗机构处理大量临床数据，支持健康状况的早期检测，从而实现更精确的诊断。流程可以表示为：
临床数据 -> 分析处理 -> 早期检测 -> 精确诊断。 - 制造业：数据专业人员预测何时进行预防性维护以避免生产线故障；利用数据最大化质量保证和缺陷跟踪；人工智能模型帮助应对物流问题，减少运输卡车的里程数，推进关键可持续发展目标。在供应链遍布全球的时代，数据实现了与供应商、零售商及其他网络伙伴清晰、近乎实时的沟通。
- 农业：数据专业人员也利用数据洞察推进农业方法。农民们开发了作物生产、牲畜养殖、林业和水产养殖的新方法。自主机械、拖拉机和灌溉系统的引入也正在改进收割技术。
如果你想继续了解不同行业如何使用数据分析，请参考本课程关于此主题的资源。这里有一个小建议：不要错过向现实生活中的人学习的机会。我喜欢询问企业主、商店经理和客户支持专业人员他们每天如何使用数据。谁知道呢，这些对话中的某一次可能会为你打开一扇通往未来机遇的大门。
本节课中，我们一起学习了数据专业人员的两类核心工作——技术型与策略型，并探讨了数据科学在金融、医疗、制造和农业四大行业中的变革性应用。理解这些角色和应用场景，是规划数据驱动职业生涯的重要基础。
012：非营利组织中的数据分析应用 🎯
概述
在本节课中，我们将探讨数据分析如何应用于非营利组织，以帮助它们更有效地实现社会使命。我们将了解非营利组织如何利用数据指导决策、识别需求，并介绍数据专业人士通过志愿服务参与社会公益项目的途径。
非营利组织的目标与数据角色
此前，我们学习了企业如何利用数据指导决策、回答问题和解决问题。本节中，我们来看看非营利组织如何运用数据分析来追求其独特的目标。
非营利组织旨在推动社会事业或为公众谋福利。顾名思义，其主要目的并非盈利，而是促进集体、公共或社会利益。在非营利领域，数据专业人士可以获得非常有价值且鼓舞人心的工作机会。
具体而言，数据可以帮助这些组织更有效地预测和响应最迫切的需求领域。
数据分析实践案例
例如，假设美国一家为儿童提供自行车的慈善机构希望确定哪些社区最需要帮助。他们可以请其数据专业人士访问美国人口普查局的数据。
该专业人士将运用其技能，在人口普查数据库中导航，识别关键指标，并通过分析和数据可视化来总结发现。
这份报告将突出显示哪些地区有更多需要帮助的学龄儿童，能够从该项目的资源中受益。由此，数据洞察引导了关于该非营利组织可以在何处发挥最大作用的明智决策。
数据的收集与开放数据
现在，非营利组织不仅使用数据，许多组织也收集数据。正如你可能知道的，公共实体和政府机构可以成为有用数据的绝佳来源，其中大部分是可供普遍使用的开放数据。
开放数据是指可供公众使用的数据。它可以免费使用，并且会提供指南来帮助用户理解数据集并注明来源。
虽然获取开放数据是自行接触数据的好方法，但还有其他机会可以让你在帮助他人的同时精进技能。
参与公益数据项目
数据志愿者为许多帮助全球各地社区的非营利项目做出了贡献。想了解更多，以下是一些值得关注的机构：
首先，数据科学促进社会公益基金会于2013年在芝加哥大学成立。2020年，他们与联合国儿童基金会合作，分析了全球空气污染的各个方面，以帮助监测儿童健康。
DataKind于2011年在纽约市启动，并在英国、班加罗尔、旧金山、新加坡和华盛顿特区设有分部。该组织分析了不同服务不足社区的清理成本，以指导恢复工作。
你可以通过本视频文稿中的链接查看这两个基金会的最新工作。
黑客松：技能实践平台
另一个善用你数据技能的途径是黑客松。黑客松是一种活动，数据专业人士和程序员聚集在一起，就特定项目进行协作。
其目标是利用技术为现有问题创建解决方案。一些例子包括：
- 开发更好的工具来预测极端天气事件。
- 创造技术来帮助小学生学习重要的阅读技能。
- 找出社区发展组织可以利用其数据推进住房可及性和可负担性的方法。
将你的数据技能志愿贡献给公共项目，是一种为公益事业做贡献的绝佳方式，同时也能获得经验并与领域内的其他人建立联系。
总结
本节课中，我们一起学习了数据分析在非营利组织中的关键作用。我们看到了数据如何帮助识别需求、指导资源分配，并探索了数据专业人士通过志愿服务和参与黑客松等方式，将技能应用于社会公益项目的多种途径。接下来，我们将更深入地探讨公共部门中一些以数据为导向的项目，以及它们如何在全球范围内产生影响。
013：数据职业所需的核心技能 📊
在本节课中，我们将要学习数据专业人士所需的核心技能。这些技能是跨数据驱动职业的通用能力，结合了技术知识、业务理解与人际交往能力。
所有数据专业人士都共享对数据的热爱和解决问题的渴望。
当戴上分析师的“帽子”时，数据专业人士会勾勒出他们想要讲述的故事，然后从多个角度进行后续调查，以验证其可靠性，再呈现给决策者。在此过程中，他们依靠编程和调查技能来引导他人做出明智的决策。
数据专业人士还将如何完成实际任务的知识与对成功沟通和协作要素的认识相结合。稍后，我们将深入探讨沟通的要素，并讨论沟通如何增强和构建你作为数据专业人士的工作。现在，让我们来审视一些适用于数据驱动职业的技能和特质。
数据分析工作需要业务敏感性与数据收集、处理和分析知识的结合。我们的目标是帮助你培养成功所需的能力。
让我们从讨论一些人际交往技能开始。
以下是人际交往技能的关键点：
- 定义：人际交往技能通常被称为“软技能”或“人际技能”，侧重于沟通和建立关系。
- 重要性：在这个领域，利益相关者之间的互动程度很高。在团队成员经常在全球范围内协作的当下，这一点尤其重要。
- 作用：工作对话通常是项目的起点和驱动力。由于数据分析过程中的循环特性，沟通始终在进行。
另一个重要的技能是积极倾听。
以下是积极倾听的要点：
- 含义：这意味着在提供回应之前，允许团队成员、老板和其他协作利益相关者分享他们自己的观点，从而使每次交流都能增进相互理解。
- 练习：你可以练习积极倾听。下次与人交谈时，多花些精力去倾听话语之外的含义，专注于他们试图传达的信息。
- 价值：你的倾听和沟通技能将在帮助你获取有效见解和做出明智决策方面发挥巨大作用。
我们将在本课程稍后部分更仔细地探讨沟通。
作为数据专业人士，你还需要考虑其他方面。你将通过运用批判性思维技能，在大量数据中寻找隐藏的信息。在此过程中，你将调查各种不同数据源之间的联系，以寻找趋势和指标。把自己想象成一个数据侦探。
项目数据可能直接来自你的组织或其他来源。你可能会幸运地收到一个格式良好的电子表格或数据库，但很多时候，你需要先准备数据才能开始工作。这个过程被称为数据清洗。
数据清洗是指对数据进行重新组织和重新格式化，目标是去除任何可能在分析过程中导致错误的内容。
以下是数据清洗过程通常包括的步骤：
- 识别问题：标记重复项、不相关条目、结构错误和空白处。
- 整合与修正：合并重复数据，修正错误格式，填充或处理缺失值。
- 过滤：一旦所有内容都处于正确的格式，就可以过滤掉不需要的材料。
现在，你的数据已准备好进行分析。是时候寻找趋势和倾向了。通常，将数据可视化呈现非常有帮助，可以通过图表、仪表板和报告来揭示额外的见解。
图形工具在识别模式以及与他人共享信息方面将非常有用。你将在后面更详细地探索这一点，并有机会练习编译可视化图表。
你还将学习更高级的技能，例如构建模型和机器学习算法。这些工具将帮助你和其他数据专业人士评估信息准确性、分析特定数据段并预测未来的业务成果。
你的辛勤工作将协助公司内的领导和其他决策者，为他们提供对不同信息集的丰富多样的视角。随着各类公司和企业对数据分析需求的增长，你很可能会在你个人感兴趣的行业中找到机会。
接下来，我们将看看在数据领域工作的具体情况。
本节课中，我们一起学习了数据专业人士的核心技能组合。我们了解到，成功的数据工作不仅需要编程技能和数据分析能力（如data_cleaning()和model_building()），还高度依赖人际交往技能和积极倾听。这些技能共同作用，使你能够从原始数据中提取见解，并通过有效的沟通推动基于数据的决策。
014：数据专业人员的关键伦理考量 🔍
在本节课中，我们将要学习数据科学工作中的核心伦理责任。我们将探讨如何保护和管理数据，理解个人身份信息的重要性，并认识偏见在数据处理中的影响及其应对策略。
对于从事数据相关职业的我们而言，最重要的职责之一涉及如何保护我们的组织、管理和保护数据。这与公司及其客户之间的沟通交流密切相关。
正如你一直在学习的，几乎所有的沟通都会产生数据，无论是购物收据、订单确认，甚至是赚取客户忠诚度积分。
企业对其客户负有重大责任，尤其是在维护和保护用户隐私方面。
从个人或消费者那里收集的任何数据都被称为个人身份信息或 PII。PII允许通过直接或间接的方式推断出个人的身份。这包括生物识别记录、用户名以及社会安全号或国民身份证号码等信息。
由于这些信息通常与医疗、财务和就业记录相关联，PII是敏感的，必须非常谨慎地管理。毕竟，当某人的个人数据被不当处理时，他们很容易遭受身份盗窃、欺诈和其他问题。
最近，人们做出了巨大努力，以更广泛的视角看待数据收集实践并保护个人。行业正朝着汇总信息的方向发展。这是指来自大量用户、且已去除个人信息的数据。
通过汇总数据并移除PII，可以保护人们，并让他们对自己的数据有更多的控制权。同样地，随着越来越多的行业相互关联，它们可用的数据量也在增加。正如汇总信息一样，收集的数据越多，它就越有可能代表更广泛的人群，而非单个用户。
需要牢记的一个关键点是，数据收集是由人类管理的任务。这个过程可能受到不同背景、经验、信仰和世界观的影响。这些以及其他类型的偏见会影响数据的沟通方式以及结果的分享方式，进而可能对业务决策产生影响。
高效的数据专业人员明白，无论是在收集、分析、解释还是沟通敏感数据时，都应始终考虑偏见。因此，在解释存在明显偏见来源的数据时要非常小心，同时也要留意细微的偏见。
除了思考数据中的偏见，数据专业人员还应努力强调，对于每一个数据洞察，都可能存在多种可能的解释。因此，主要的技巧是避免在真正完成功课之前就草率下结论。
以下是解决偏见的一种方法。
解决偏见的一种方法是确保你正在处理的数据与你感兴趣的目标人群具有相同的特征。在数据分析中，这被称为样本。一个好的样本是能够代表整个总体的一部分人群。
这里有一个例子。一家服装公司正在分析其增长最快市场的销售情况。他们想确定下个季度什么颜色的衬衫会最受欢迎。一个人指出，在过去三个月里，红色和蓝色衬衫占该市场销售额的80%。这是一个很大的数字。因此，他们建议订购大量红色和蓝色衬衫。
但另一个人指出，当地运动队的颜色是红色和蓝色，而且这支队伍最近赢得了冠军。很可能红色和蓝色衬衫的销量会因消费者购买队服支持本地队伍而激增。此外，他们还指出，尽管这个市场增长很快，但它只占零售商总销售额的40%。
考虑到所有这些信息，该零售商的决策者转而选择评估全年以及所有市场的颜色流行度。这将提供一个更完整的图景。
我们将在本课程的后续部分进一步研究偏见。随着你的进步，你会发现更多策略，以确保你在所有数据工作中都能意识到偏见并积极努力地对抗它。
在本节课中，我们一起学习了数据专业人员的核心伦理考量，包括保护个人身份信息的重要性、数据汇总的价值、识别和处理数据偏见的方法，以及通过代表性样本来做出更明智决策的策略。
015：数据专业人员的职业领域 🧭
在本节课中，我们将通过分析招聘信息来了解数据领域的职业概况。我们将探讨不同职位头衔背后的职责，并介绍数据职业空间中的几个关键角色。
通过查看招聘信息，你可以深入了解一个职业。如果你曾搜索过数据领域的机会，你可能已经注意到，不同的数据相关职位头衔可能对应着相似的职责，或者相同头衔的职位在不同公司可能列出不同的职责。
以下是示例。在一家公司，数据分析师的职责侧重于使用统计和模型来构建见解，为商业决策提供信息。另一家公司的相同头衔职位，则可能侧重于优化自动化分析流程的工具和产品。
这些不一致的原因之一是，数据任务和职责取决于组织的数据团队结构，以及他们如何利用见解和分析。一些组织选择将职责划分得非常具体，而另一些组织则让工作任务的范畴相当宽泛。这就是为什么本课程将这一领域称为“职业空间”。在本视频中，我们将探索数据分析职业空间中的关键角色。
核心角色：数据分析师与数据科学家 😊
数据分析师和数据科学家是两个最常见的头衔。它们可以涵盖广泛的职责，其中许多你将在本课程中获得实践经验。
传统上，数据科学家被期望成为数据分析、统计学和机器学习的“三合一”专家。但并非所有雇主在撰写职位描述时都遵循这些惯例。通常，任何包含分析的职位都期望候选人能够作为技术娴熟的社会科学家，在大数据集中寻找模式和识别趋势。
此外，他们在挖掘数据内部故事的过程中，会提出新的探究和问题。他们的辛勤工作有助于引导公司未来的行动和决策制定。他们让组织能够随时掌握业务动态，将关键信息解释并转化为图表等可视化形式，使每个利益相关者都能理解他们的发现。有时，他们可能负责创建计算机代码和模型，以识别数据模式并进行预测。
当你在调查招聘信息时，会遇到其他具有相似职责的头衔。例如，初级数据科学家、入门级数据科学家、助理数据科学家或数据科学助理。所有这些角色都混合了技术和战略技能，以帮助他人做出明智的决策。
尽管如此，在比较具有相似头衔的职位时，我建议你根据其日常活动中使用的技能对它们进行分类。
其他相关数据角色 🛠️
在你的职业生涯中，你可能会遇到其他使用数据和分析技能的专业人士。这些角色包括数据工程师、数据科学经理或分析团队经理，以及商业智能工程师或分析师。
数据科学家依赖于公司内部收集、组织和转换原始数据的系统。设计和维护这些流程是数据工程师最重要的职责之一。他们的目标是使数据可访问，以便用于分析。他们还确保公司的数据生态系统健康并产生可靠的结果。这些职位技术性很强，通常处理数据的基础设施，通常涉及整个企业。在谈论数据分析之前，你首先需要有能力获取数据。在数据诞生之前的大部分技术工作，可以恰当地称为数据工程，而数据到达后所做的一切则是数据科学。
与数据工程师监督数据基础设施类似，有些数据角色负责管理公司数据分析项目的所有方面。数据科学经理或分析团队经理通常监督团队或整个组织的分析策略。作为数据分析师，你很可能会向担任此职责的人汇报。他们通常负责管理多组客户和利益相关者，并且通常是数据科学家和决策者之间的混合体。由于这种技能组合很罕见，这些职位通常更难填补。这个角色可能有其他头衔，如分析团队总监、数据主管或数据科学总监。
其他常见的招聘职位包括商业智能工程师或商业分析师。这个角色具有高度的战略性，侧重于组织信息并使其易于访问。商业智能分析师综合数据、构建仪表板并准备报告，以满足业务的特定需求或领导层的请求。
如果你有兴趣了解更多关于商业智能及其机会的信息，我鼓励你了解谷歌的商业智能认证课程。
总结 📝
本节课中，我们一起学习了如何通过招聘信息了解数据职业。我们探讨了数据分析师和数据科学家这两个核心角色的职责与技能要求，并介绍了数据工程师、数据科学经理和商业智能分析师等其他相关职位。现在你对数据分析职业空间中的角色有了一些概念，接下来我们将开始更深入地了解数据专业人员如何在更大的组织内发挥作用。
016：《数据科学基础》课程总结 🎯
在本节课中，我们将对数据科学职业的多个方面进行回顾与总结。我们将梳理数据专业人员的广泛定义、他们的核心工作内容，以及他们如何利用数据推动组织变革并产生积极的社会影响。
数据职业的多面性探索 🔍
上一节我们介绍了数据科学的具体应用，本节中我们来看看数据职业的广阔图景。课程探讨了数据职业的许多不同方面。
你了解到，“数据专业人员”是一个广义术语，它涵盖了数据领域内不同的角色和职责。
你发现，我们在这个领域的工作涉及无限的可能性。
以下是数据专业人员可能从事的部分工作内容：
- 确定重要的数据流。
- 识别并聚焦于未来的业务目标。
- 重新构想内部和外部流程。
数据驱动的变革力量 💡
接下来，我们思考数据专业人员如何推动变革。你还思考了组织如何被数据专业人员所改变，以及这些才华横溢的个人如何运用他们的技能对全球社区产生积极影响。
总结与展望 🚀
你已经取得了长足的进步，但仍有更多知识等待学习。
感谢你加入这次激动人心的探索之旅，我们很快会再次相见。
本节课中，我们一起学习了数据职业的广泛性、数据工作的核心可能性，以及数据专业人员在驱动组织与社会正向变革中所扮演的关键角色。数据科学的世界广阔而充满机遇，持续学习是探索这一领域的关键。
017：模块3介绍 🚀
在本节课中，我们将要学习数据科学职业的未来发展方向，以及如何在组织内建立有效的人际网络。
欢迎回来。我很高兴与大家分享这一部分内容。
我们将探讨数据职业的未来发展方向，包括一些新颖且令人兴奋的工具。这是一个极具影响力且回报丰厚的领域，并且它正在不断变得更好。
上一节我们介绍了数据科学的基础概念，本节中我们来看看职业发展的具体路径。
建立组织内的人际网络 🤝
接下来，我们将探讨在组织内部建立人际网络和关系的重要性。
以下是建立有效人际网络的几个关键步骤：
- 主动参与跨部门项目。
- 定期与同事分享你的发现和见解。
- 寻求并给予他人建设性的反馈。
- 参加公司内部的技术分享会或社交活动。
那么，让我们开始吧。我们下一个视频再见。
本节课中我们一起学习了数据科学领域的未来趋势，以及通过积极 networking 在组织内构建支持性关系的重要性。掌握这些软技能，将为你在这个快速发展的领域中获得长期成功奠定坚实基础。
018：数据驱动决策的起点 🚀
在本节课中，我们将跟随谷歌云首席决策科学家凯西的分享，了解她如何从童年对数据的单纯热爱，逐步发展为将数据科学与决策科学相结合，以驱动现实世界行动的核心理念。我们将探讨数据的本质价值，并认识到数据分析是每个人与生俱来的能力。
凯西是谷歌云的首席决策科学家。
她第一次爱上数据是在八九岁时，当时她发现了微软Excel并为之着迷。这与大多数爬树玩耍的孩子不同，她热衷于在电子表格中处理数据。她有一个宝石收藏，而收藏的增长与其说是为了宝石，不如说是为了能将新数据录入表格。她会因为发现一颗尚未拥有的紫色紫水晶而感到兴奋，因为这意味着她可以在“颜色”列中填入“紫色”。她承认自己是个特别的孩子，但对她而言，数据是世界上最美丽的事物。
随着职业生涯的发展，凯西开始深入思考数据的“为什么”。她曾理所当然地认为数据本身就很美，但必须要有更重要的东西来驱动行动。这个重要的部分就是决策。她认为，如果一个数据点在森林中产生，却没有引发任何行动，那么它就毫无意义。只有当数据与决策或现实世界的行动相关联时，它才变得有价值。
因此，她对决策科学产生了浓厚兴趣，并将其与我们今天称为数据科学（当时主要是统计学，后来也包括大数据）的领域结合起来学习。她记得大学时，有职业顾问曾质疑她选择的专业方向，认为这甚至找不到工作。然而今天，结合决策科学（仔细思考“为什么”）与数据科学（信息部分），人们得以利用信息来驱动更好的行动，这正是她所热衷的事业。
许多人没有意识到，即使没有上过任何数据分析课程，他们其实已经是数据分析师了。我们所有人都是数据分析师。例如，你正在电脑或智能手机上观看这门课程。
此刻，摄像机正在将凯西讲话的信息记录并存储为一系列矩阵和数字。当你查看这些原始数据时，它们毫无意义。但当你用正确的软件（在这里是你的浏览器）打开它时，你正在从原始数据中提取意义，并学习新知识。所以，就在这一秒，你正在进行数据分析。
处理数据、使其发挥作用的方法多种多样。其中一些方法会比另一些更符合你的个性。只需引导自己走向最有趣的方向，因为在这些职业中有各种各样的人，这总体上是一项团队运动。团队中的其他人会弥补你不太倾向的部分，所以请尽情投入到你能获得最大乐趣的领域。
追求你个人的“数据性格”，关键是让它变得有用。一切美好的事物都会随之而来。
在本节课中，我们一起学习了凯西从数据爱好者成长为决策科学家的心路历程。核心在于理解数据的价值在于驱动决策与行动，并且数据分析是每个人在日常生活中都在实践的能力。找到与个人兴趣契合的数据工作方式，并专注于让数据产生实际效用，是迈向成功的关键。
019：数据职业的未来展望 📈
在本节课中，我们将探讨数据相关职业的未来前景与增长潜力。我们将分析行业趋势、关键增长领域，并讨论从业者如何为未来做好准备。
当考虑一条新的职业道路时，最重要的考量因素之一是其前景和增长潜力。对数据分析相关职业的预测表明，市场对该领域的专业人才需求将持续旺盛。
过去十年，数据相关职业的需求激增。根据LinkedIn的估算，数据科学领域在2012年至2017年间增长了超过650%。
许多专家认为，我们尚未看到这些职业的全部潜力。事实上，美国劳工统计局指出，数据科学是美国增长最快的职业领域之一，预计未来十年将增长30%。
人工智能与机器学习的崛起 🤖
在数据科学众多职业中，增长最快的领域之一是人工智能和机器学习。近年来，我们在这些领域见证了显著进步。
人工智能（AI）的核心是开发能够执行通常需要人类智能才能完成任务的计算机系统。得益于数据科学的发展，AI正变得越来越普及。这些技术将持续进化，提供更准确的结果和更丰富的洞察。
随着AI日益成为数据工作中不可或缺的组成部分，我们必须意识到工作中可能存在的人为偏见。为了应对这一点，组织通过组建来自不同背景和生活经历的专业人士组成的多元化团队，能够最大程度地受益。融合广泛的视角和世界观，能促进更广泛的代表性，并产生更准确的结果。
专业化的趋势与持续学习 📚
在探讨数据职业的未来时，我想强调，数据专业人员尚未完全实现人工智能的全部潜力。随着这类技术创新不断演进，我们可以预见组织将相应地发展和调整其商业实践。
随着数据分析技术被更广泛地采用，最可能的增长领域在于专业化。我们预期在以数据为中心的团队内部，角色将进一步细分。
归根结底，我希望你记住这一点：世界每年都在产生越来越多的数据。因此，我们有理由预期，那些能从数据中提取商业价值的劳动将能持续创造价值。
更多数据意味着对数据职业涵盖的三项主要活动有更多需求：统计推断、机器学习和数据分析。 因此，这些技能将始终保持高度相关性，尽管它们的名称可能会随时间演变。
此外，该领域的持续创新为你提供了终身学习、成长和发展的机会。正如你可能已经知道的，成为一名数据专业人士意味着你在这个领域的成长和成功取决于持续学习的意愿。事实上，这可能正是你参加本课程的原因。为此，我为你感到骄傲。
在你的整个职业生涯中，请继续探索发展的机会，主动获取新技能，不断成长。这样，你将始终为未来做好准备。
本节课总结：我们一起探讨了数据职业光明的未来前景，特别是人工智能和机器学习领域的快速增长。我们认识到，应对技术发展的关键在于保持持续学习的心态、主动获取新技能，并关注专业化趋势。随着数据量的持续爆炸式增长，掌握核心数据分析技能的专业人士将拥有广阔的发展空间。
020：总结与展望 🎯
在本节课中，我们将回顾本部分内容的核心要点，并对后续学习方向进行展望。我们将总结数据科学领域的发展趋势、关键技能以及人工智能在其中的作用，为接下来的学习做好准备。
回顾关键概念 📚
上一节我们探讨了数据科学领域的多个方面，本节中我们来总结几个核心要点。
随着本部分内容接近尾声，我们花一些时间来回顾几个关键概念，然后再继续前进。
我们看到，数据职业领域在过去十年中经历了惊人的增长。
未来的预测表明，这种增长将持续下去。
你还发现，数据技能和工具正变得越来越普及。与此同时，专家们预见在不同领域内，角色将继续向专业化发展。
我们认识了人工智能，并看到了它如何成为数据专业人员的重要工具。
在我们反思目前所涵盖的信息时，请记住，你并非独自一人迈出个人和职业成长的这些步伐。😊
展望后续内容 🔮
以下是后续课程将要深入探讨的两个主要方向。
接下来，我们将更仔细地审视数据专业人员所需的技能。
并且，我们将研究大型组织如何整合数据分析。
我期待与你一同继续这段旅程。我们下一个视频再见。😊
总结 📝
本节课中我们一起学习了数据科学领域的增长趋势、技能的普及化与角色的专业化，以及人工智能作为关键工具的重要性。我们为进入下一阶段——深入探索数据专业人员的具体技能和组织层面的数据分析应用——做好了准备。
021：欢迎来到模块4 🚀
在本节课中，我们将学习数据驱动型职业中的工作流程，并介绍一个名为“Pa模型”的组织工具。我们还将探讨有效沟通的要素，以及与他人分享想法时的最佳实践。这些技能和工具将帮助你为即将到来的作品集项目做好准备。
我们通过介绍数据科学的基础知识、探索相关职业以及讨论成功所需的技能，开启了数据专业世界之旅。
上一节我们介绍了数据科学的基础，本节中我们来看看数据驱动型职业内部的工作流程。
你将认识一个名为 Pa模型 的有用组织工具。该工具能在处理项目时提供结构框架，同时保持高度的灵活性。
以下是Pa模型的核心优势：
- 提供清晰的项目结构。
- 允许根据项目需求灵活调整。
- 帮助团队保持目标一致。
接下来，我们将探讨有效沟通的要素以及分享想法时的最佳实践。
在数据领域，清晰传达你的发现与执行分析本身同样重要。有效的沟通能确保你的见解被理解并产生影响力。
以下是有效沟通的一些关键实践：
- 了解你的受众：根据听众的背景调整沟通内容和方式。
- 结构清晰：确保信息有逻辑地组织，例如使用“问题-分析-解决方案”的结构。
- 可视化辅助：善用图表（如使用
matplotlib或seaborn库生成的图表）来直观展示数据。 - 简洁明了：避免不必要的技术行话，直击要点。
本节课中我们一起学习了数据驱动项目的工作流程，认识了Pa模型这一组织工具，并探讨了有效沟通的核心要素与实践方法。掌握这些技能将为你后续的作品集项目和职业发展奠定坚实基础。
022：沟通在数据科学职业中的重要性 🗣️💡
在本节课中，我们将学习数据科学家Hautahi分享的观点，探讨为何沟通技巧与专业技术知识同等重要，并了解提升沟通能力的具体方法。
概述
成功的职业生涯不能仅依赖技术知识。如果只注重技术而忽视有效沟通，可能会导致同事和利益相关者之间的误解与挫败感。因此，培养沟通能力对于数据科学家至关重要。
跨团队协作中的沟通
上一节我们概述了沟通的重要性，本节中我们来看看它在实际工作场景中的应用。
我的团队主要在YouTube的不同产品线之间工作。这要求我们能够用团队B更熟悉的语言和思维方式，重新阐述与团队A合作的内容。关键在于理解他们思考产品方式的差异。
沟通在工作中的普遍性
无论在一个共享技术知识的小团队内部，还是向更广泛的利益相关者传达信息，你的大部分工作都依赖于良好的沟通。
如何在面试中展现沟通能力
以下是展示有效沟通技巧的方法。
在面试中展现沟通技巧的一个好方法是谈论具体的例子。这些例子可以来自以前的工作或个人生活经历。它们能有力地说明你仔细思考过问题。
- 这些例子不一定需要与数据分析相关。
- 它们可以是你生活中任何先前的经验。
事实上，我个人很看重数据科学同事们背景的多样性。
个人背景与沟通技能
从个人角度而言，我认为我的背景一点也不传统。我是美国移民，在新西兰乡村的部落土地上长大。我是毛利人，新西兰原住民，大约到七八岁之前只讲毛利语。
我认为我的毛利背景有助于我的沟通技巧，因为毛利文化非常重视口头交流。我也认为，那些与数据分析完全无关的先前工作经历同样有帮助。
- 例如，大学期间我在酒店工作，需要与来自各种背景的人交流，这本身就是学习沟通技巧的过程。
提升职场沟通技能的建议
对于在职场技能和沟通方面有些困难的人，我的建议如下。
- 请求旁听会议：主动请求参加那些你不需要发言的会议，将其作为观察善于沟通者的机会。
- 寻找导师：邀请你钦佩其沟通技巧的人担任你的导师，并向他们学习这些技能。
- 广泛观察：不仅要观察工作场所中善于沟通的人，也可以观察个人生活中的其他场合。
总结
本节课中我们一起学习了沟通在数据科学职业中的核心作用。我们了解到，有效的沟通是跨团队协作、工作推进和职业发展的关键。技术知识必须通过清晰的沟通才能转化为实际影响。通过观察学习、寻找导师和积累多样化经验，我们可以持续提升这项至关重要的软技能。
023：PACE框架简介 🧭
在本节课中，我们将学习一个名为PACE的项目管理框架。这个框架旨在帮助数据专业人员高效、有序地规划和执行数据分析项目，确保工作始终指向正确的方向。
任何项目中最重要的部分都是准备。这涉及到通盘考虑所有必要的步骤和预期的任务。
设想你正在计划一场晚宴。你会从规划主题、菜单、宾客名单以及其他细节开始。接着，你可能会核对预订清单、考虑饮食限制，或者去杂货店购买食材。之后，你会回家准备菜肴、打扫空间、布置餐桌并做好准备。
因为你事先做了如此充分的准备，这个夜晚将会非常美妙。虽然这个场景可能是虚构的，但它为数据专业人员提供了一些明智的建议：能够可视化数据、预测结果并迅速避开障碍，将使你成为一名问题解决者，并成为任何组织的宝贵资产。
本杰明·富兰克林曾说过：“未做准备，就是在准备失败。”近三个世纪后，这句话依然适用，无论是简单的晚宴还是复杂的深空任务。无论项目如何，拥有一个结构化的框架来完成工作都大有裨益。
在我从事数据科学咨询的岁月里，最常见的问题之一是团队来找我，以为他们需要关于使用哪种工具或方程的建议，而我们却在会议中发现他们正在解决一个完全错误的问题。如果你的方向错了，全宇宙的数学知识都帮不了你。但人们很容易对那些细枝末节感到兴奋，并一头扎进去浪费时间。
与我合作过的最优秀的团队都采用了一个框架，帮助他们以最高效的顺序专注于最具影响力的行动。他们有纪律地使用它来保持正轨，而不是迷失在细节中。
PACE框架概述
对于完成过谷歌数据分析证书课程的学员，会记得一个分为六个阶段的数据工作流程结构：提问、准备、处理、分析、分享和行动。这个框架对许多项目非常有用，但对于更大的数据集，通常需要更多的自由度和灵活性。
为此项目设计的PACE框架提供了相同的工作流程和结构，但方式更简洁。PACE是一个在我们的数据专业团队提供意见和反馈后开发的框架。其目的是提供一个初始结构，指导你完成项目。目标是为你奠定一个基础，让你在此基础上发展自己的工作流程实践。PACE框架帮助你快速高效地解决问题并做出判断。
PACE是一个首字母缩写词，每个字母代表项目中的一个可执行阶段：
- P - 计划
- A - 分析
- C - 构建
- E - 执行
PACE框架详解
上一节我们介绍了PACE框架的四个阶段，本节中我们来详细看看每个阶段的具体任务。
计划阶段
在计划阶段，你将定义项目的范围。首先，你需要识别组织的信息需求。在这里，你需要问自己以下问题：
- 项目的目标是什么？
- 需要哪些策略？
- 这个计划将带来哪些业务或运营影响？
清点项目及其所需任务，将帮助你更好地理解工作的背景，并为成功做好准备。
分析阶段
在分析阶段，你将与数据打交道。首先，你要为项目准备数据。在这里，你需要从主要和次要来源获取必要的数据，然后进行清洗、重组和转换以供分析。接着，你将进行数据的方法论检查。
你还会进行探索性数据分析。
# 探索性数据分析通常涉及数据转换、质量评估和初步洞察发现
import pandas as pd
import seaborn as sns
data = pd.read_csv('your_data.csv')
print(data.describe()) # 评估数据质量
sns.pairplot(data) # 寻找潜在关系和洞察
这包括将数据转换为可用格式、评估数据质量，然后深入数据以寻找尽可能多的潜在有用见解和方向。之后，你将与利益相关者合作，看看哪些领域值得更详细地跟进。
构建阶段
分析阶段为我们指明了方向，这引出了构建阶段。在此阶段，你将跟进在探索性数据分析中看起来有趣的所有潜在见解中的一个有限子集。
这时，你将与其他数据专业人员（可能是统计学家和机器学习工程师）合作，执行诸如构建机器学习模型、修订模型、揭示数据内部关系以及对那些关系进行统计推断等任务。
执行阶段
最后，在执行阶段，你将与分析结果以及你与利益相关者的协作成果进行分享，同时展示你从数据中解锁的价值。
在这里，你将向内部和外部的利益相关者展示发现，回答问题并考虑不同的观点。你还有机会根据在数据中的发现提出建议。在完善模型和整合反馈的过程中，你可能会发现需要重新审视计划和分阶段。
PACE框架的可视化与迭代
理解PACE框架的一个好方法是将其视为一个完整的电路。四个阶段中的每一个都必须参与其中，电路才能正常运行。PACE电路中的电流或能量流，就是你、你的团队以及所有其他相关利益相关者和协作者之间的沟通。
当你以这种方式看待这些阶段时，可能会认为沟通只朝一个方向流动。你确实总是从计划开始，但不要害怕返回并迭代。新的信息和反馈可以融入流程的任何部分。
你可能需要返回分析阶段以澄清数据的某个方面，然后跳回执行阶段，将此方面呈现给你的利益相关者，而无需在此过程中构建新的模型或仪表板。你将看到PACE框架如何能够缩放以适应任何项目的范围。
该模型的适应性将使你为一个需要高度专业灵活性和沟通能力的动态职业做好准备。无论你的职业生涯走向何方，PACE框架都是一个提供清晰基础和结构的工具。
总结与应用
本节课中，我们一起学习了PACE项目管理框架，它包含计划、分析、构建和执行四个阶段。
通过持续应用PACE框架，你将为每门课程的组合项目做好准备。然后，你将有机会练习不断发展的技能。每个组合项目都将提供发展和加强你组织方法的机会。
随着你发展自己直观的工作流程，PACE框架可以成为一个极好的组织工具。接下来，我们将探讨沟通为何如此关键。
024：沟通的核心要素 📢
在本节课中，我们将要学习有效沟通的核心要素。作为数据专业人士，你是数据内部信息与其他项目相关方之间的直接桥梁。理解沟通的基本组成部分，将帮助你更清晰、更有效地传递信息。
沟通的三个核心要素
上一节我们介绍了沟通在数据工作中的重要性，本节中我们来看看构成任何沟通行为的三个核心要素：目的、接收者和发送者。所有沟通交流都需要牢记这三个要素。
1. 目的
目的指的是沟通发生的原因。在数据分析工作中，你可能遇到需要分析或报告技术性信息的情况。另一方面，也可能存在依赖于战略性见解的语境，这些见解将用于指导公司的财务或组织工作。
2. 接收者
接收者就是你的听众。在构思沟通内容时，你需要思考你在对谁说话。一个有用的方法是问自己：我的听众已经知道了什么？他们需要知道什么？请记住，每一次交流都可能引发一连串的事件。作为数据专业人士，你通常是跨组织分布式团队的一员，因此，分享给一个接收者的信息，可能会被用于向其他人进行报告。
3. 发送者
发送者是负责构思信息或沟通内容的人。是的，就是你。发送者是任何沟通交流中的关键部分。作为发送者，我鼓励你思考以下几点：你与接收者的关系如何？你在此次交流中的角色是什么？你是在汇报见解、推销想法，还是在识别潜在的数据输入？此外，哪些个人偏见可能会影响你试图分享的信息？
三要素如何塑造信息
在目的、接收者和发送者三者关系的核心，是你打算分享的信息或沟通内容，它同时受到这三个要素的影响。正因如此，当目的和接收者因场景不同而改变时，相同的信息可能会以截然不同的方式被分享。
以下是两个具体场景的对比，说明了信息如何因受众不同而被调整：
- 场景一：面向非技术受众
- 沟通重点在于项目的影响和成果。
- 会避免深入讨论用于编程模型的代码细节。
- 场景二：面向技术同事
- 沟通会包含关于代码和项目执行细节的详尽信息。
- 侧重于项目的技术实现与后勤安排。
在这两种情况下，交换的总体信息（即关于项目的信息）是相同的。不同的是信息的构思方式、包含的细节以及信息的组织方式。
总结与最佳实践起点
本节课中，我们一起学习了沟通的三个核心要素：目的、接收者和发送者。我们探讨了它们如何共同塑造最终传递的信息。既然我们已经剖析了沟通的关键要素，我们就可以真正开始思考一些最佳实践，这些实践将帮助你在未来的工作中进行成功沟通。
025：沟通驱动PACE框架 🧩
在本节课中，我们将要学习PACE框架如何作为一个整体在数据项目中运作，并理解沟通如何作为其核心驱动力，确保项目从规划到执行的各个阶段都能顺利推进。
上一节我们介绍了PACE框架及其四个阶段。现在，我们来看看如何将它们整合到实际的数据项目中。
乍看之下，PACE框架能清晰地展示整个项目的工作流程。从规划到执行的每个阶段，都逻辑清晰地对应着数据项目的开始、中期和结尾。
然而，正如你可能记得的，PACE框架极具灵活性，并不需要严格按照线性顺序执行。在项目中，迭代通常是合理的做法。让我们通过一个例子来详细说明这一点。
为了便于理解，我们可以将其与建造一栋大楼进行比较。
以下是建造流程与PACE阶段的对应关系：
- 规划：创建蓝图。
- 分析：分析地块空间，并考虑成本等其他变量。
- 构建：打下地基，搭建框架。
- 执行：安装屋顶，直至建筑完工可供入住。
建造者通过规划、分析、构建和执行客户的愿景，完成了整个工作流程。
在实践中，PACE工作流程旨在作为一种导航工具。我们创建它的目标是帮助你理解数据专业人士的工作流，并作为你未来角色中可以参考的助手。
现在，让我们回到建筑例子。屋顶完工后，就可以开始内部施工，例如安装石膏板、电气组件和管道系统。
这些工作中的每一项，也都有其自身的PACE工作流程，体现在总蓝图内的独立规划文件中。每一项工作都需要经历规划、分析、构建和执行，就像我们一直在讨论的建筑例子一样。
当数据项目在全局层面进入构建和执行阶段时，你可能需要回到早期阶段，以纳入额外的数据或其他利益相关者的反馈。即使整个项目正在过渡到PACE的新阶段，仍可能有即将开始其自身PACE循环的新任务。
无论你处于PACE工作流程的哪个位置，沟通都是驱动该框架实现项目的关键。在框架内的每个阶段，始终需要通过沟通来改进工作流程。
这包括：
- 询问关于数据的问题。
- 收集额外的数据源。
- 向利益相关者更新进度。
- 展示发现并接收反馈。
PACE框架开发背后最重要的考量之一，是提供一个灵活的结构，允许你在项目内进行调整。
让我们再次回到建筑例子。假设在安装电气系统期间，业主提出希望在计划中增加一个电动汽车的额外充电端口。
为了促成这一变更，你需要重新审视PACE框架，来规划、分析、构建和执行这个新请求。就像这个例子一样，来自其他利益相关者的请求可能随时出现。
无论额外请求或任务何时出现，数据专业人士都需要在整个项目周期内保持可用和可联系的状态。
有时你可能需要在会议上发言或参与进度更新。此外，你可以在跟踪系统中更新进度。电子邮件对话和聊天讨论将使其他人参与进来，并了解你工作流程的当前位置。
我很期待你能通过PACE的每个阶段，实践不同的沟通策略，获得一些实践经验。你将在课程后续部分有机会进行实践。
现在，我希望你记住，一名优秀的数据专业人士是一位积极主动的沟通者，能够及时回应问题。
通过清晰的解释让其他利益相关者随时了解最新情况，可以使你成为最高效的数据专业人士。
本节课中，我们一起学习了PACE框架在项目中的整合应用。我们通过建筑类比理解了其非线性和迭代的特性，并重点探讨了沟通如何作为核心驱动力，贯穿于规划、分析、构建和执行的每一个阶段，确保项目能够灵活应对变化并最终成功实现。
026：PACE框架与后续课程关联指南 🧭
在本节课中，我们将学习如何将PACE框架（规划、分析、构建、执行）与整个数据分析课程体系联系起来。我们将看到，PACE不仅是一个项目工作流，更是一个贯穿学习始终的思维框架，它能帮助你在不同课程和项目中有效地组织工作、应用技能。
你已经接近第一门课程的尾声，我们讨论了一些关键概念，特别是在沟通和数据工作流领域，通过PACE框架为你准备第一个作品集项目。
我想指出使用PACE框架时一个至关重要的考量。
工作流的每个阶段并非相互排斥。不同的角色、团队、项目和工作流可能会强调PACE框架的不同阶段。因此，即使你正在处理一项主要侧重于（例如）分析数据的任务，PACE框架其他阶段的要素仍然会影响你的工作。
让我们来看看本课程项目如何应用PACE框架。
我们可以从一个全局视角来看：早期的课程更侧重于规划和分析，而后期的课程则侧重于构建和执行。但这只是一个非常宏观的看法。
如果你仔细观察，会发现每门课程都在其自身的PACE框架内运作。在你的Python课程中，你将获取知识，以便能够使用该语言进行数据分析。
因为你正在获取新技能，所以该课程的许多内容可能被归类在PACE的规划阶段。
当你进入该课程的作品集项目时，你将转向分析阶段。但在你创建最终成果的过程中，这也会包含规划、构建甚至执行的要素。
接下来，你将学习如何准备数据以揭示其中的故事。在这里，你将侧重于分析阶段。
当你熟悉了统计学基础后，你将继续分析数据，并为你的工具箱构建一些新工具，这些工具将在你的作品集项目中应用。
在你探索回归分析时，你将扩展在分析阶段的经验，并通过构建数据模型将其付诸实践。你还将通过总结结果和见解为利益相关者提供价值来执行。
高级建模将在特定的作品集项目中进一步扩展你的分析和构建技能。
甚至当你在扩展职业资源知识时，你也会在规划阶段（收集信息）、分析阶段（处理就业市场信息）和构建阶段（组装简历和作品集）中运作。
你将在顶点项目中有机会将所有新获得的知识和技能整合起来。在这里，你将有机会通过行业合作伙伴提供的场景和数据，使用完整的PACE框架。
尽管在每个课程中某些阶段比其他阶段更突出，但你仍然会看到所有阶段贯穿始终的体现。
你可以把PACE看作建筑外部的脚手架。有了这个脚手架，建筑内的不同任务可以使用相同的工作流结构，而不会打乱整个项目。
如你所见，PACE框架是一个极佳的方式，可以在你获取知识和建立信心的过程中引导你。
理解如何分类任务并主动进行交互，将帮助你养成良好的习惯，并最终形成你自己的专业工作流。
总结
本节课中，我们一起学习了PACE框架如何作为一个灵活的脚手架，贯穿整个数据分析课程体系。我们了解到：
- PACE的四个阶段（规划、分析、构建、执行）并非孤立，而是相互交织。
- 每门课程都有其PACE侧重点，但所有阶段都会有所体现。
- 从学习新技能（规划）到完成复杂项目（执行），PACE提供了一个连贯的工作流结构。
- 掌握并主动应用这一框架，有助于培养专业习惯，为未来的数据科学工作奠定坚实基础。
027：《数据科学基础》课程总结 🎯
在本节课中，我们将对数据工作流程的概述部分进行总结，回顾已学习的关键概念，并为接下来的挑战和项目做好准备。
你已经完成了数据工作流程概述部分的学习。你涵盖了许多材料和概念。
做得很好。你了解了 PACE框架 如何被用来帮助构建和指导项目流程。
PACE框架 代表：
- P - 计划
- A - 分析
- C - 构建
- E - 执行
接下来，我们学习了有效沟通，以及它如何在PACE框架内被运用。
我们探讨了可能影响数据分析的外部因素。
我们也审视了可能影响数据分析的内部因素，例如数据中的偏见。
在准备每周挑战时，请记住，你可以在下一部分复习我们涵盖的任何材料。
之后，你将开始着手你的第一个作品集项目。祝你一切顺利。
本节课中，我们一起回顾了数据工作流程的核心框架PACE、有效沟通的重要性，以及影响数据分析的内外部因素。这些知识将为你的数据分析实践打下坚实基础。
028：作品集的价值 📁
在本节课中，我们将探讨作品集在数据科学学习与求职中的核心价值，并了解如何通过实践项目来巩固知识、展示技能。
参加课程、观看教学视频或阅读资料都是获取新知识的有效途径。然而，没有什么比应用这些知识更有效。当你真正动手实践时，这能切实帮助你确认自己是否理解了所学内容。
这一概念被称为体验式学习，其核心含义是通过实践来理解。它要求你沉浸在一个可以练习所学、进一步发展技能并反思学习成果的情境中。
体验式学习能让你对世界有更广阔的视野，为你特定的兴趣和热情提供宝贵的见解，并有助于建立自信。在本课程的背景下，体验式学习将让你有机会发现组织如何每天使用数据分析。
这类活动可以帮助你确定最感兴趣的特定行业和项目类型，并获得与潜在雇主讨论这些内容所需的信心。这能让你在求职过程中真正脱颖而出。
因此，你将通过完成一个作品集项目来实践体验式学习。
什么是作品集？
作品集是一套可以与潜在雇主分享的材料集合。作品集可以存储在公共或个人网站上，也可以链接到你的数字简历或任何在线职业档案中，例如你的LinkedIn个人资料。
本课程的作品集项目将涉及使用PA模型来规划项目的任务。
作品集项目的价值
创建作品集项目是一个宝贵的机会，因为公司在面试过程中常常会要求你完成某种类型的项目。雇主通常使用这种方法来评估你作为候选人，并深入了解你如何处理常见的业务挑战。
完成这个作品集项目，将为你申请数据相关职位时可能遇到的此类情况做好准备。
接下来，你将了解作品集项目的具体细节，并收到清晰的操作指南。
应用所学知识与技能
当你开始工作时，请思考你在本课程中获得的知识和技能，以及如何将它们应用到你的项目中。
在每个作品集项目中，你都需要准备一份PACE策略文档。这将帮助你识别每个项目中的关键点，以便与招聘经理分享，例如你获得的许多可转移技能。
可转移技能是一种可以从一份工作应用到另一份工作的能力或熟练程度。在换工作或行业时，强调你的可转移技能尤为重要。
以下是可转移技能的一些例子：
- 问题解决能力：例如，如果你在餐厅担任接待员时学会了如何处理客户投诉，那么在申请数据领域的工作时，你可以强调这项可转移的问题解决技能。
- 组织能力：也许你在非营利组织的行政部门工作时学会了如何按时完成任务、做笔记和遵循指示。你可以讨论你的组织能力如何转移到数据分析领域。
关键在于，你在一个角色中培养了解决问题或保持事物有条理的能力，你就可以在任何地方应用这些知识。你可以将各种可转移技能添加到你的简历中。
总结与展望
回顾你的可转移技能以及在PACE策略文档中所做的笔记，将帮助你思考如何清晰地传达技术概念。这也有助于你展示如何将你的专业知识应用于数据职业领域的各种工具和场景。
当你完成时，你不仅会拥有一份非常有用的数据分析过程文档，还会为你的作品集积累一套全面的成果。这听起来很令人兴奋，不是吗？😊
在本节课中，我们一起学习了作品集的价值、体验式学习的重要性，以及如何通过项目实践来展示可转移技能。现在，让我们开始行动吧！
029：《数据科学基础》课程1期末作品集项目介绍 🎯
在本节课中，我们将学习课程1的期末作品集项目。该项目旨在帮助你整合并展示在本课程中学到的知识和技能，为未来的求职做好准备。
当我在谷歌面试求职者时，我非常喜欢查看他们的在线作品集。我发现，那些能够以清晰且引人入胜的形式展示其知识的候选人，会让我更有信心。
拥有作品集在数据领域已变得非常普遍。在求职过程中，展示你理解业务场景、有效沟通以及使用工具解决复杂问题的能力非常有价值。你的作品集能真正帮助你从其他候选人中脱颖而出。
到目前为止，在本课程中，你已经获得了大量知识和即战力技能来帮助你脱颖而出。你了解了数据专业人员在组织中的角色和典型的职业路径。你探索了核心分析实践和工具，并见证了数据专业人员如何使用它们来产生积极影响。
所有这些都将帮助你成功完成你的作品集项目。此外，你将应用你所学到的关于团队成员、利益相关者和客户的知识，例如他们的特定角色或优先事项。
上一节我们介绍了作品集项目的重要性，本节中我们来看看项目的具体步骤。
你将首先阅读你将从事的具体项目。这份阅读材料将描述你将要合作的组织类型、涉及的人员、需要解决的业务问题以及其他关键细节。这将使你能够进一步定义项目、理解利益相关者，并思考为了取得成功的成果需要回答的关键问题。
然后，你将创建一个PACE策略文档，概述项目的目的、利益相关者、可交付成果等。在这个文档中，你将开始整合PACE模型，以识别项目每个阶段的步骤。
以下是关于PACE模型和项目流程的说明。
对于每个作品集项目，你将继续使用PACE模型来指导你。通过完成每个PACE策略文档，你将顺利踏上开发自己数据分析工作流的道路。
在后续的课程中，你将继续完善你的作品集项目，并继续使用PACE模型来指导你的流程。当你完成时，你将设计出一些可以用来真正打动招聘经理的东西。
此外，你将拥有一个展示你数据分析技能的动态示例，展示你解决问题的思维过程、你获得的关键技能等等。这些都是面试时可以谈论的绝佳内容。
好了，让我们开始吧。是时候去探索你将如何帮助一个组织在激动人心的数据世界中前进了。
本节课中我们一起学习了课程1期末作品集项目的目标、价值以及具体执行步骤。我们了解到，通过整合PACE模型来规划并完成一个实际项目，不仅能巩固所学技能，还能创建一个有力的求职作品集，为未来的职业发展打下坚实基础。
030：期末项目总结与持续职业成功建议 📊
在本节课中，我们将对第一个作品集项目进行总结，并探讨如何将项目经验转化为职业优势，为未来的求职之路做好准备。
你已经完成了第一个作品集项目。恭喜你。
在开始思考未来求职时，规划和记录你处理示例情境的方法，是一次非常有用的经历。
很快，你将能够通过讨论你作为数据专业人士的经验来给招聘经理留下深刻印象。这包括理解利益相关者的需求、制定清晰直接的项目计划，以及完成一份有效的策略文档。
此外，你将理解如何规划和组织必要的工作流程。这是数据专业人士工作过程中的一个重要部分。
同时，正如你所学的，与潜在雇主沟通你的可迁移技能是很有帮助的。你在策略文档中添加的信息，在求职面试中将非常有价值。
在下一门课程结束时，将会有另一个完成作品集项目的机会。届时，你将使用在此处开始的策略文档，继续发展你作为数据专业人士的技能。
然后，在整个项目结束时，你将把所有内容整合起来，最终完成你对这个示例情境的独特回应。目标是拥有一个出色的作品范例，能清晰地向潜在雇主展示你的技能。
再次祝贺你。希望你在整个项目中继续完善作品集项目时，能有一段真正有收获的经历。
本节课总结
本节课我们一起回顾了完成首个作品集项目的意义。我们了解到，系统化地规划、执行并记录项目过程，不仅能锻炼核心的数据工作能力，还能积累宝贵的求职素材。关键在于将项目经验转化为可展示的策略文档和可迁移技能，为未来的职业面试和持续发展打下坚实基础。
031：数据科学基础 🎯
在本节课中，我们将对《数据科学基础》这门课程进行总结，回顾所学知识，并展望后续的学习路径。
恭喜你完成了这门入门课程。你已经学到了非常多的知识。
现在，你已经准备好运用新获得的知识与技能，继续向前迈进。但请记住，如果有一天你觉得需要复习或进行一些额外的练习，这些视频、阅读材料和实践活动将随时为你开放。
接下来，我很高兴你将开始跟随下一位讲师学习下一门课程。他们已经准备好帮助你迈出下一步，以完成这个专业项目，并继续你作为数据专业人士的旅程。
后续课程展望 🚀
上一节我们回顾了本课程的结束，本节中我们来看看接下来的学习方向。
这门后续课程将直接建立在你目前所学的所有有趣主题之上。它将让你更深入地了解 Python 编程语言，以及如何用它来赋能数据分析。
随着学习的深入，你将持续构建自己作为数据专业人士的技能组合。在本课程结束时，你将为进一步完成你的作品集项目做好充分准备。
在开始之前，我想感谢你选择加入这门课程，并投身于这个令人兴奋的学习机会。
最后的寄语与鼓励 ✨
我坚信，教育是一场终身的旅程。我毫不怀疑，你为此类学习体验所投入的所有时间和精力，都将使你更有能力去追求任何你选择的目标。
你已经走了很长一段路。因此，请花点时间庆祝你已经取得的所有成就。
然后，当你准备好时，就请前往下一门课程吧。
本节课中我们一起学习了：本门《数据科学基础》课程的总结，包括对学习成果的肯定、对核心技能（如 Python 应用）的回顾，以及对后续数据分析学习路径的展望和鼓励。
浙公网安备 33010602011771号