李叫兽主要代表作品，在什么时间离职是最好的？
优异的员工，即使辞职离开，也会力争实现自己和前雇主双赢，我认为这才是离职的最佳时间点。
我有个同事，能力突出，很受单位一把手器重，但是由于企业性质的原因，工资待遇与个人能力不匹配，虽然领导积极帮他争取，效果不尽人意。
偶然的机会，他了解到某知名公司正在招聘，要求的条件自己都能满足，薪酬待遇翻了一倍。抱着试试的态度，投递了简历，经过多轮面试，成功拿到了Offer。
第二天，他跟领导表达自己辞职的想法以及即将入职的单位情况。领导知道根本两个单位根本不在一个档次，同意为他尽快办理手续，希望他办好交接。
接下来的一个月，这个同事除了必要的工作交接，依然照旧处理领导交代的工作，时常见他东奔西跑出差。领导也很感激他，帮助公司度过了最忙的一段时间，完成了考核任务，特地办了送行宴。
后来，他入职新单位后，由于业务关联性，经常促进两个单位的合作，搞得领导动不动煲电话粥。
其实，相互照顾彼此利益，是赢得对方尊敬的关键所在。
言归正传。一段旅程的结束也是另一段旅程的开始，当你下定决心计划离职，如何选择一个更满意的单位，除了离职时间以外，其他也很重要。
首先，搞清楚为什么离职。不同的缘由，可以针对性的选择目标方向，快速筛选出适宜的用人单位。01
第一大离职因素--钱
一般情况下，企业职工年薪涨幅约在5%-10%，扣除五险一金的增幅，浮动更小。相比之下，一次成功的跳槽涨幅至少20%，甚至直接翻倍。试想，同样的劳动付出，一家单位工资4000元，另一家单位工资6000元，选择高工资才是正常的。
02
第二大离职因素--机会和空间
马斯洛需求理论将职工的需求划为五个档次，当人们实现生理、安全、社交、尊重等基本需求，就会追求自我需求，即表达自我意愿的能力。企业无法满足这个阶段的职工需求，离职是必然的。
03
第三大离职因素--其他
领导打压、环境恶劣、工作氛围差、制度不适宜以及个人自身原因等等，也是导致职工离职的因素。比如，领导性格不好，影响工作状态，致使离职。单位以前有个实习生，班组长比较严厉，经常挨训，结果不到一月离职。
其次，搞清楚什么时间离职最好。一般情况下，选择的时间既要岗位需求多，又不会严重影响前单位的经济利益，尽量双赢。01
八月+九月。
企业为了配合校招，基于招聘成本考虑，大多选择在八月或者九月集中招纳英才，这个时间段，岗位需求和求职人员数量都很多，也很优质。
02
农历春节后第一个月。
每年春节过后第一个月，人才市场格外热闹，这个时间段属于传统意义的人才流动期。既是辞职高峰期，也是招聘高峰期。人才流动率高，岗位需求自然也高。
03
找到工作后一个月。
骑驴看马，职工在离职前，经过努力，找到了心仪的单位。这个时候，我建议留给前用人单位一个月的缓冲时间，一是完成工作交接，二是等待新人补充空缺，给领导留下好印象。
04
单位不忙的时候。
不忙的时候，大概在每年的四月到七月，企业各项工作有条不紊运行，个人离职对单位造成的影响最小，也最容易获得一封良好的推荐信。但是，岗位需求相对少点。
最后，当我们已经决定了离职时，搞清楚如何提前准备。01
准备一份精美的简历。
简历是求职人员的敲门砖，至关重要。制作时，要求内容真实、岗位明确、语句短练，能够完全表达自己的能力、经验和意愿。当然，不同的单位，简历也要适当调整风格。比如，科技研发类公司，可以多描述自己承担的项目；金融类公司，可以多谈谈自己的人脉资源等等；制造类公司，可以多说说自己的履职经历。
02
准备一套简历投递及面试标准。
二次再就业的岗位必须要能解决个人离职的核心问题。收到企业的面试邀请后，提前查查企业性质、薪资待遇、岗位特点以及口碑，不懂的地方直接问人事，避免不必要的时间浪费。
03
准备论持久战。
找工作很辛苦，找一份好工作更辛苦。求职过程中，衣、食、住、行等经济压力，亲人、朋友等舆论压力，岗位需求变化、长期应聘不成功等时间压力，无处不在。勇气和毅力，是支撑前进到底的根本，思想准备要充分。
因此，拾壹认为，离职是一件很慎重的事情。题主提到的什么时候离职最好，只是影响个人二次就业的因素之一，为什么辞职、下定决心后怎么做，同样很重要。明白前因后果，才能判断利弊得失，有的放矢。
希望我的回答对你有用，不足之处，欢迎批评指正。预计套现10亿美金？
百出售携程30%的股份，套现10亿美元。说明曾经以为的强强联手，最后只是暗自神伤。百度此时套现，说明百度缺钱了。套现的是携程网，说明当初的并购现在看来失败了，携程的前途相当暗淡。百度自己前路也是一片迷茫。
携程曾经是中国在线旅游行业的老大，之后携程并购了去哪儿网，百度对携程去哪儿网的并购被认为是百度最成功的案例之一，将全面巩固百度在线旅游市场的垄断地位，再辅以百度外卖等业务，将会打造百度线上线下O2O的新商业帝国。
从艾瑞发布的一份报告来看，中国酒店在线预订行业的惊天变化：3家合计的“携程系”，间夜量份额已经从2015年的55.9%，逐年跌落至今年上半年的47.5%，已经至少已经被美团+飞猪，抢去了8.4个百分点！同时，携程系的间夜量增速，也要远低于中国酒店在线预订大盘的整体增速。
虽然说现在携程系现在总份额还是第一，但“大平台”型的飞猪和美团奋起直追，携程面临着非常大的挑战，第二季度归属于携程股东的净亏损为4.03亿元，同比大幅下滑，如果在线旅游、酒店市场竞争争进一步升级，携程接下来的盈利能力堪忧。
而大股东百度，现在也是四处受敌，百度这些年来，什么都在干，但真的干好的没有多少。每个风口都追一下，在风口上喝几口西北风就呛住了，百度外卖现在基本上掉队了，百度ALL IN的自动驾驶，随着首席科学家陆奇的离职，现在也不怎么宣传了。
似乎百度又回到了老路上，依赖搜索这个老刀继续挺着，在春节的时候还砸了19亿的红包，力压支付宝和微信，然后效果甚微，今年一季度亏损了3.27亿元，成为上市以来的首次亏损，而百度在中国上市的互联网企业中，市值已被美团点评、京东、拼多多超越，掉出了“BAT”的队伍。
百度的警报已经全面拉响，不进则退，这个时候百度需要资金支持，选择出售资产进行套现就非常正常了。而携程现在还是行业第一，套现还能卖个好价。所以，此时百度套现携程股份，对百度来说在，也算是个明智的选择。
陆奇上任百度总裁一年后后？
2017年1月17日，陆奇高调空降百度，成为百度近六年内第一位COO（首席运营官）。一年之后，陆奇给百度带来诸多改变。现在看来，他仍然深得百度掌舵者李彦宏的信任。
陆奇上任前的百度刚刚经历完一系列的打击，外界唱衰之声不绝于耳。李彦宏交给陆奇的任务，就是要将百度带回3000亿美元市值的阵营中。在刚刚过去的2017年里，虽然百度保住了中概股市值第三的名次，但身后的京东、网易正后来居上，身前的腾讯和阿里早已跑得很远—在BAT格局里，百度被腾讯拉开了 7 个京东的身位，被阿里拉开了 6 个京东的身位。
但在过去一年里，步入陆奇时代的百度仍然取得了不错的成绩。事实上，谁也没有想到，庞大的百度会在一年内现如此翻天覆地的变化：聚焦人工智能等前瞻布局，尤其是无人驾驶业务上实现巨大的飞跃，与此同时斩断了O2O、医疗等无谓战线，将注意力集中在百度的优势项目上。
“任何努力决不落空，或许许多年都会了无音讯；却突然有一天你会发现你的思想已经有了影响。”《约翰·克里斯朵夫》是陆奇最喜欢的一本小说，也是他个人的真实写照—从雅虎到微软，再到百度，57岁的陆奇一直保持着向前的战斗状态，几乎从未停息过。
现在，如果把职业生涯比作一场长跑，那么陆奇正在进入最后一公里的冲刺。对于他来说，百度很可能将是职业生涯的最后一站，也是实现梦想的最佳之处—在西方成为世界顶级科技公司中职位最高的华人后，陆奇渴望在东方的互联网热土上栽种出新的果实。
历史上不乏成功转型的互联网公司，但转型不成最终步入死亡的例子亦比比皆是。于是，百度COO陆奇能否创造奇迹，值得各位拭目以待。
权力的游戏
直面逆境，是陆奇人生的重要部分。陆奇当年从雅虎加盟微软前，其时微软正处于组织臃肿、新业务不温不火的阶段。但陆奇到任后，微软Bing的市场份额从7%增长到20%，并积极推动Azure云计算平台在中国落地，可谓是以一己之力将微软带入移动与云计算的时代。
当年的微软和今天的百度有几分相似的地方：虽然错过移动互联网时代，但依然能挣大钱，却也只剩下钱—越来越少用户认为这二者是代表未来的酷公司。
百度的关键问题在于，传统的核心业务—搜索服务与交易服务已经接近极限，而且竞争越发激烈。根据百度去年三季度的财报显示，百度当季营收为235亿元人民币（约合35.3亿美元），同比增长29%；净利润79亿元人民币（约合12亿美元），同比增长156%。但如果扣除出售百度外卖带来的42亿元投资收益，百度的整体业绩并没有出现根本性好转。
究其原因，是搜索业务遇到了明显的天花板，不论是百度还是刚上市的搜狗，都面临着市场空间有限的困局。百度的三季报数据披露，活跃网络营销客户约为48.6万家，同比下滑了7%。
为了保持营收和利润，百度不得不砍掉O2O、医疗等业务，将收入继续依托在搜索和分发上。如百度在2017年才推出的信息流业务，已经在2017年第三季度实现10亿美元的营收，让内部对此更加寄予厚望。
作为上述一切行动的执行者，陆奇树立了快刀斩乱麻的做事风格。很难想象，如果没有李彦宏和马东敏的授权，作为“外来和尚”的陆奇会以如此大的魄力，斧正百度的发展路线，毕竟三年前李彦宏宣布投入200亿元投入O2O的豪言仍言犹在耳。
在中国的职场里，常有“新官上任三把火”的说法，但以空降姿态进入百度的陆奇所面临的是非常复杂的人事关系。目前在百度的权力金字塔中，陆奇仅次于李彦宏位居第二，而向海龙、朱光、刘辉三位SVP和总裁张亚勤则紧随其后，其中接替王劲的朱光负责百度金融，刘辉是人力资源工作，张亚勤则负责国际化业务。
毫无疑问，在陆奇到来前，向海龙是百度内部最具权势的高管，他和李明远、张亚勤组成的“三驾马车”曾是百度最重要的高管框架。但随着李明远离去，向海龙把持的业务版图进一步扩大，除了承担百度搜索公司总裁外，移动服务事业群组也被一并收入囊中，这相当于把百度所有的流量变现业务都归于向海龙一人负责。
在百度，代表销售、商业化的势力和代表用户、产品的力量存在矛盾已经是公开的秘密。从俞军和沈皓瑜，李明远和向海龙，这种对立一直持续至今。
据腾讯科技报道，去年年中陆奇甚至一度计划将百度贴吧关闭，但最终没有实施，原因在于贴吧仍然是百度的重要流量来源之一，是百度 PC 时代赖以生存的根基，同时叫停贴吧，则相当于与向海龙间接宣战。
开着飞机换引擎
与内容分发相比，陆奇还有另一个更为艰苦的目标，那就是确立百度在人工智能领域的绝对优势。2017年4月，陆奇在“全面诊断百度护城河”的内部讲话中，将信息流业务和人工智能作为百度的主航道，而当下的主营业务搜索则视作护城河，为主航道护驾。
从数据、算法等多个维度来看，目前百度是国内乃至全球范围内人工智能领域拥有先发优势的公司，由美国麻省理工创办的商业科技杂志《科技评论》甚至在2016年的Top 50“最聪明”公司排行榜中将百度列入第二位，仅次于亚马逊。按照《科技评论》的标准，这一份榜单的入选范围是“最能将新技术最有效地运用于商业”的公司。
按照陆奇的思路，百度要围绕核心技术百度大脑在人工智能领域的布局，包括百度云、金融业务、无人驾驶和DuerOS开放平台（百度研发的对话式人工智能系统）这四大垂直领域的新业务将成为重点培养对象。
这四大领域中，百度最在意的是无人驾驶，这是百度最有可能占据先机的新业务，也是足以撑起百度未来的增长点。根据麦肯锡预测，2025年全球无人驾驶汽车将产生2000亿至1.9万亿美元的产值，这是李彦宏寄予厚望的“下一个千亿美元市场”。
为了整合内部资源，陆奇的第一个决策是将百度之前的L3事业部（负责地图、车联网、商用车自动驾驶）和L4事业部（负责自动驾驶研发）合并成智能驾驶事业群组IDG，希望以此减少公司的资源内耗。与此同时，陆奇将百度的无人驾驶平台Apollo（阿波罗计划）全面开放，实行安卓路线，目标是让开发者迅速搭建具有自动驾驶能力的汽车。在短短半年时间里，Apollo生态成员数量已经超过70家，成为全球最大的自动驾驶生态。
艾媒咨询CEO张毅认为，虽然目前谷歌、奔驰这样的巨头并没有对无人驾驶技术进行开源，但是这不代表阿波罗计划并没有存在意义。“当年诺基亚、摩托罗拉等手机巨头也曾试图推广自己的操作系统，拒绝加入到安卓的生态圈中，最终被颠覆的恰恰是它们。”按照张毅的判断，一旦足够多数量的车企和开发者聚拢到百度的平台上，这对于百度和车企而言是一次双赢的合作。
得益于陆奇的勤奋，百度的无人驾驶业务迅速落地：Apollo平台自去年7月发布以来保持着每周更新、每两个月一次重大提升的节奏快速迭代，即将在CES 2018发布的Apollo 2.0搭载了简单城市道路自动驾驶能力，这将进一步为无人驾驶落地提速。
但无法回避的是，百度在陆奇的整合下损失了数名技术大牛—从SVP、自动驾驶部总经理的王劲，到首席科学家吴恩达，再到研究院院长林元庆，这些出走的前百度人纷纷自立门户，成为无人驾驶领域的创业者，甚至与百度交恶。去年年底，百度以侵犯商业机密为由起诉王劲和他所创办的景驰科技，后者成为百度第一个“追杀”目标。
“新风会”
回溯百度17年的历史，从外部引入职业经理人是这家公司成长转型的重要手段。2002年，百度创建不久后，李彦宏便引入朱洪波担任高级副总裁，负责公司品牌推广和企业软件业务，这也是百度历史上第一次引入职业经理人担任高管。
朱洪波在企业级市场有着丰富的经验，他在用友期间历任管理软件分公司副总经理、集团副总裁等职务，进入百度后便配合李彦宏推动竞价排名业务成为公司主要营收，对百度的影响深远。
然而朱洪波离职后，无论是叶鹏还是沈皓瑜，都没有在百度COO一职上有过太多出彩表现，甚至2011年沈皓瑜转投京东后，李彦宏就不再设置COO一职，直至陆奇的到来才弥补上这一空缺。
但与朱洪波“平地起高楼”的境况不同，陆奇所面对的一个缺乏足够狼性的百度。当腾讯、阿里与国内外互联网公司激战多年的时候，百度几乎以“躺赚”的方式实现了数百亿美元的市值；另一方面，谷歌的离开让百度失去了危机意识，忽视了像今日头条这样后来者的逆袭。
事实上，百度不缺乏技术，也拥有过亿日活的产品，需要扭转的是当下的管理体系，以及寻回百度的核心价值观。
陆奇开出的药方，是重新恢复员工的信心。时代周报记者从百度内部员工获悉，从去年11月中旬开始，陆奇启动了名为“新风会”的全员沟通机制，以加强百度内部自上而下的良性互动。
据了解，新风会以每个月一次的All hands meeting会议形式落地，百度的员工可以选择现场互动或者视频观看直播进行参与，不过若想到现场参与需要进行抽签。“新风会上陆奇会做主题分享，而且也会回答员工的提问。”在普通员工看来，新风会机制让基层有了发声渠道，而不再仅限于公司内网，这称得上是一个“振奋人心”的改变。
这个细节，或许体现了陆奇与李彦宏在管理模式上的不同。李彦宏曾在接受《财经》杂志采访时表示，因为有时候害怕被外界误解，这么多年他一直在压抑自己的表达。“其实我确实很害怕，时间久了以后会麻木，会习惯和周围特别熟的人沟通。”因此他更相信指标和数据，而非与员工直接沟通。
相比之下，在很多普通员工眼中，陆奇积极、低调的工作方式形成了一种良好的氛围。有百度的知情人士向时代周报记者表示，早期陆奇在百度的办公室相当接地气，他将房间分为办公室和会客间，“办公室里不是那种老板桌大总裁范的那种，而是特别简单的桌子和书柜”。
李彦宏的转变
除了陆奇，一同加入百度的还有李彦宏的妻子马东敏，这是百度求变的最大讯号。按照百度官方说法，马东敏任职CEO特别助理，负责百度的投资、人力、财务，但实际上她更像是李彦宏的发言人，为其放权做进一步铺垫。
一位前百度员工向时代周报记者表示，李明远以这样的方式告别百度，是李彦宏权力被削弱的重要标志。
但李彦宏任性依旧。2016年年底，广告营销公众号李叫兽被百度收购，李叫兽本人则出任百度副总裁，向百度高级副总裁向海龙汇报，这一任命在百度内部引发了巨大争议，毕竟李叫兽才20岁出头，而且并没有像李明远早已在百度里证明过自己的实力。
因此在马东敏和陆奇加入后，百度的决策将不再是李彦宏的一言堂，而是转为三人决策小组，这有利于百度寻找更优方案，也为李彦宏对未来布局提供思考空间。
将舞台交给陆奇，退居幕后的李彦宏在过去一年里更多地转向负责百度的投资业务。“我更希望逐步的把日常的管理的事务能够从自己的肩上放下来，包括比如说多花一点时间在投资上。因为投资这个事情不是百度的核心业务，但是它又对百度的核心业务实际上是有比较大的影响，未来我觉得影响会更大一些。”李彦宏曾表示。
纵观近年移动互联网的发展浪潮，百度在对外投资的慢热是导致被腾讯、阿里甩开的主要原因，李彦宏也意识到过于保守的投资风格已经无法跟上目前的生态圈建设，于是，百度在2016年年底成立了百度资本，并由CFO李昕晢转任百度资本CEO，全力推进百度的对外投资。
根据IT桔子数据显示，2017年百度共进行投资134笔，总额接近800亿元，投资金额和数量都创了近年新高，尤其是移动出行服务，是百度的投资重点。在过去一年里，百度先后投资了威马汽车、易车网、蔚来汽车、首约汽车等，投资总金额接近30亿美元，比腾讯、阿里更加激进。
另一方面，百度在技术研发方面的投入可谓不设上限。数据显示，2012年以来，百度研发投入一直高于营收的10%。2012年第一季度到2017年第三季度，百度23个季度累计投入429亿元（占同期总营收的14.2%）。2017年第三季度百度研发投入为32.4亿元，占营收的13.8%。过往12个月合共投入122亿元，占同期营收的15.3%。
怎么自学数据分析？
这是一份数据分析师的入门指南，它包含七周的内容，Excel、数据可视化、数据分析思维、数据库、统计学、业务、以及Python。
每一周的内容，都有两到三篇文章细致讲解，帮助新人们快速掌握。这七周的内容刚好涵盖了一位数据分析师需要掌握的基础体系，也是一位新人从零迈入数据大门的知识手册。
第一周：Excel
每一位数据分析师都脱离不开Excel。
它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。
Excel的学习分为两个部分。
掌握各类功能强大的函数，函数是一种负责输入和输出的神秘盒子。把各类数据输入，经过计算和转换输出我们想要的结果。
在SQL，Python以及R中，函数依旧是主角。掌握Excel的函数有助于后续的学习，因为你几乎在编程中能找到名字一样或者相近的函数。
在「数据分析：常见的Excel函数全部涵盖在这里了」中，介绍了常用的Excel函数。
清洗处理类：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text
关联匹配类：lookup、vlookup、index、match、row、column、offset
逻辑运算类：if、and、or、is系列
计算统计类：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round
时间序列类：year、month、weekday、weeknum、day、date、now、today、datedif
搜索能力是掌握Excel的不二窍门，工作中的任何问题都是可以找到答案。
第二部分是Excel中的工具。
在「数据分析：Excel技巧大揭秘」教程，介绍了Excel最具性价比的几个技巧。包括数据透视表、格式转换、数组、条件格式、自定义下拉菜单等。正是这些工具，才让Excel在分析领域经久不衰。
在大数据量的处理上，微软提供了Power系列，它和Excel嵌套，能应付百万级别的数据处理，弥补了Excel的不足。
Excel需要反复练习，实战教程「数据分析：手把手教你Excel实战」，它通过网络上抓取的数据分析师薪资数据作为练习，各类函数的使用。
除了上述要点，下面是附加的知识点，铺平数据分析师以后的道路。
了解单元格格式，数据分析师会和各种数据类型打交道，包括各类timestamp，date，string，int，bigint，char，factor，float等。
了解数组，以及相关应用（excel的数组挺难用），Python和R也会涉及到 list，是核心概念之一。
了解函数，深入理解各种参数的作用。它会在学习Python中帮助到你。
了解中文编码，UTF8、GBK、ASCII，这是数据分析师的坑点之一。
第二周：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。
数据可视化是分析的常用技巧之一，不少数据分析师的工作就是通过图表观察和监控数据。首先了解常用的图表：
Excel的图表可以100%绘制上面的图形，但这只是基础。
在「数据可视化：你想知道的经典图表全在这」中介绍了各类数据分析的经典图表，除了趋势图、直方图，还包括桑基图、空间图、热力图等额外的类型。
数据可视化不是图表的美化，而是呈现数据的逻辑之美，是揭示数据的内在关联。了解图表的维度和适用场景，比好看更重要。比如桑吉图就是我一直推崇的图表，它并不知名，但是它能清晰的揭露数据内在状态的变化和流向。案例是用户活跃状态的趋势。
Excel的图表操作很傻瓜化，其依旧能打造出一份功能强大的可视化报表。「数据可视化：教你打造升职加薪的报表」教给大家常用的Excel绘图技巧，包括配色选取，无用元素的剔除、辅助线的设立、复合图表等方法。
Excel图表的创造力是由人决定的，对数据的理解，观察和认知，以及对可视化的应用，这是一条很长的道路。
图表是单一的，当面板上绘制了多张图表，并且互相间有关联，我们常称之为Dashboard仪表盘。
上图就是用分析师薪资数据为数据源绘制的Dashboard，比单元格直观不少。我们常常把绘制这类Dashboard的工具叫做BI。
BI（商业智能）主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作完全可以交给BI自动化完成，从数据规整、建模到下载。
另外一种是使用其可视化功能进行分析，它提供比Excel更丰富的交互功能，操作简单，而且美观，如果大家每天作图需要两小时，BI能缩短大半。
在「数据可视化：手把手打造BI」教程中，以微软的PowerBI举例，教大家如何读取数据，规整和清洗数据，绘制图表以及建立Dashboard。最后的成果就是上文列举的分析师案例。
BI还有几个核心概念，包括OLAP，数据的联动，钻取，切片等，都是多维分析的技巧，也是分析的核心方法之一。
后续的进阶可视化，将和编程配合。因为编程能够提供更高效率和灵活的应用。而BI也是技术方向的工具，了解技术知识对应用大有帮助。
第三周：数据分析思维数据分析能力的高低，不以工具和技巧决定，而以分析思维决定。
在一场战争中，士兵装备再好的武装，进行再严苛的训练，若是冲锋的方向错了，那么迎接他们的唯有一败涂地。
分析思维决定一场「数据战争」中的冲锋方向。只有先养成正确的分析思维，才能使用好数据。
既然是思维，它就倾向于思考的方式，Excel函数学会了就是学会，分析则不同。大多数人的思维方式都依赖于生活和经验做出直觉性的判断，以「我觉得我认为」展开，好的数据分析首先要有结构化的思维。
麦肯锡是其中领域的佼佼者，创建了一系列分析框架和思维工具。最典型地莫过于金字塔思维。
这篇文章简述了该思维的应用，「快速掌握麦肯锡的分析思维」。你能学会结构化思考，MECE原则，假设先行，关键驱动等方法论。
除此以外，还有SMART、5W2H、SWOT、4P4C、六顶思考帽等，这些都是不同领域的框架。框架的经典在于，短时间内指导新人如何去思考，它未必是最好的，但一定是性价比最优的。数据分析思维，是分析思维的引申应用。再优秀的思考方式，都需要佐证和证明，数据就是派这个用处的，「不是我觉得，而是数据证明」。
现代管理学之父彼得·德鲁克说过一句很经典的话：如果你不能衡量它，那么你就不能有效增长它。如果把它应用在数据领域，就是：如果你不能用指标描述业务，那么你就无法有效增长它。每一位数据分析师都要有指标体系的概念，报表也好，BI也好，即使机器学习，也是围绕指标体系建立的。
下图就是一个典型的指标体系，描述了用户从关注产品、下载、乃至最后离开的整个环节。每一个环节，都有数据及指标以查询监控。
不同业务背景需要的指标体系不同，但有几个建立指标的通用准则。这篇文章深入介绍了「如何建立数据分析的思维框架」。你将区分什么是好指标、什么是坏指标、比率和比例、指标的结构、指标设立的维度等概念。
数据分析不是一个结果，而是一个过程。几乎所有的分析，最终目的都是增长业务。所以比分析思维更重要的是驱动思维落地，把它转化为成果。
数据分析思维是常年累月养成的习惯，一周时间很难训练出来，但这里有一个缩短时间的日常习惯。以生活中的问题出发做练习。
这家商场的人流量是多少？怎么预估？
上海地区的共享单车投放量是多少？怎么预估？
街边口的水果店，每天的销量和利润是多少？怎么预估？
这些开放性问题起源于咨询公司的训练方法，通过不断地练习，肯定能有效提高分析思维。另外就是刷各种CaseBook。
优秀的数据分析师会拷问别人的数据，而他本身的分析也经得起拷问。
第四周：数据库
Excel很容易遇到瓶颈，随着业务的发展，分析师接触的数据会越来越多。对大部分人的电脑，超过十万条数据，已经会影响性能。何况大数据时代就是不缺数据，这时候就需要学习数据库了。
即使非数据岗位，也有越来越多的产品和运营被要求使用SQL。
很多数据分析师戏称自己是跑SQL的，这间接说明SQL在数据分析中有多核心。从Excel到SQL绝对是处理效率的一大进步。
教程内容以MySQL为主，这是互联网行业的通用标准。其实语法差异不大的。
新手首先应该了解表的概念，表和Excel中的sheet类似。「写给新人的数据库指南」是一篇入门基础文章，包括表、ID索引、以及数据库的安装，数据导入等简单知识。
SQL的应用场景，均是围绕select展开。增删改、约束、索引、数据库范式均可以跳过。新手在「SQL，从入门到熟练」教程会学习到最常见的几个语法，select、where、group by、if、count/sum、having、order by、子查询以及各种常用函数。
数据还是分析师薪资数据，它可以和Excel实战篇结合看，不少原理都是相通的。
想要快速掌握，无非是大量的练习。大家可以在leetcode上做SQL相关的练习题，难度从简单到困难都有。「SQL，从熟练到掌握」教程中将会带领大家去刷一遍。
join对新手是一个很绕的概念，教程会从图例讲解，逐步提高难度。从一开始的join关联，到条件关联、空值匹配关联、子查询关联等。最后完成leetcode中的hard模式。
如果想要更进一步，可以学习row_number，substr，convert，contact等函数。不同数据平台的函数会有差异，例如Presto和phpMyAdmin。再想提高，就去了解Explain优化，了解SQL的工作原理，了解数据类型，了解IO。知道为什么union比or的效率快，这已经和不少程序员并驾齐驱。
第五周：统计学
很多数据分析师并不注重统计学基础。
比如产品的AB测试，如果相关人员不清楚置信度的含义和概念，那么好的效果能意味着好么？如果看待显著性？
比如运营一次活动，若不了解描述统计相关的概念，那么如何判别活动在数据上的效果？可别用平均数。
不了解统计学的数据分析师，往往是一个粗糙的分析师。如果你想要往机器学习发展，那么统计学更是需要掌握的基础。
统计知识会教大家以另一个角度看待数据。如果大家了解过《统计数据会撒谎》，那么就知道很多数据分析的决策并不牢靠。
在第一篇教程「解锁数据分析的正确姿势：描述统计」，会教给大家描述统计中的诸多变量，比如平均数、中位数、众数、分位数、标准差、方差。这些统计标准会让新手分析师从平均数这个不靠谱的泥潭中出来。
箱线图就是描述统计的大成者，好的分析师一定是惯用箱线图的常客。
第二篇「解锁数据分析的正确姿势：描述统计(2)」将会结合可视化，对数据的分布进行一个直观的概念讲解。很多特定的模型都有自有的数据分布图，掌握这些分布图对分析的益处不可同日而语。
直方图和箱线图一样，将会是长久伴随分析师的利器。
统计学的一大主要分支是概率论，概率是度量一件事发生的可能性，它是介于0到1之间的数值。很多事情，都可以用概率论解释，「概率论的入门指南」和「读了本文，你就懂了概率分布」都是对其的讲解。
包括贝叶斯公式、二项概率、泊松概率、正态分布等理论。理论不应用现实，那是无根之木，教程中会以运营活动最常见的抽奖概率为讲解，告诉大家怎么玩。
其实数据分析中，概率应用最广泛和最全面的知识点，就是假设检验，大名鼎鼎的AB测试就是基于它的。俗话说得好，再优秀的产品经理也跑不过一半AB测试。
何为假设检验？假设检验是对预设条件的估计，通过样本数据对假设的真伪进行判断。
产品改版了，用户究竟喜不喜欢？调研的评分下降了，这是用户的评价降低了，还是正常的数据波动呢？这些都是可以做假设检验的。它可以说是两面两篇文章的回顾和应用。
「数据分析必须懂的假设检验」依旧以互联网场景讲解各种统计技巧的应用。假设检验并不难，通过Excel的几个函数就能完成。它的难点在于诸多知识点和业务的结合使用，实际公式不需要掌握的多透彻，了解背后的意义更重要。
统计学是一个很广阔的领域，包括方差分析，时间序列等，都有各自不同的应用。大家若感兴趣，可以去阅读各类教材，没错，教材是学习统计学最优的方式。我这类文章堪堪算入门罢了。
第六周：业务
对于数据分析师来说，业务的了解比数据方法论更重要。举个例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。这个案例中，我们只知道送货员的送货水平距离，根本不知道垂直距离。这是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。业务形态千千万万，数据分析师往往难窥一二。我的公众号业务部分也涉及了不少，大家可以通过这几篇文章了解。
一篇文章读懂活跃数据；深入浅出，用户生命周期的运营；获取新增用户，运营都应该知道的事；运营的商业逻辑：CAC和CLV；从零开始，构建数据化运营体系；读懂用户运营体系：用户分层和分群，这些都是互联网运营相关的内容，或多或少涉及了不少业务方面的概念，数据分析人员可以选择性的挑选部分内容。了解业务的数据分析师在职场发展上会更加顺利。
而在「最用心的运营数据指标解读」中，我尝试了几个泛互联网领域的指标和业务模型，它们都是通用的框架。
产品运营模型：以移动端APP为主体，围绕AARRR准则搭建起数据框架。包括Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播，以及细分指标。
市场营销模型：以传统的市场营销方法论为基底，围绕用户的生命周期建立框架。包括用户生命周期，生命周期价值、用户忠诚指数、用户流失指数、用户RFM价值等。
流量模型：从早期的网站分析发展而来，以互联网的流量为核心。包括浏览量曝光率、病毒传播周期、用户分享率、停留时间、退出率跳出率等。
电商和消费模型：以商品的交易、零售、购买搭建而起。包括GMV、客单价、复购率、回购率、退货率、购物篮大小、进销存，也包含SKU、SPU等商品概念。
用户行为模型：通过用户在产品功能上的使用，获得精细的人群维度，以此作为分析模型。包括用户偏好、用户兴趣、用户响应率、用户画像、用户分层，还包含点赞评论浏览收藏等功能的相关指标。
除了上述的几个常见模型，数据分析还有其他分支。比如SEO/SEM，虽然可以归类到流量模型，但它并不简单。比如财务分析，商业的各种成本支出也需要专人负责。
在业务知识外，业务层面的沟通也很重要。业务线足够长的时候，沟通往往成为老大难的问题。
业务学习没有捷径，哪怕掌握了诸多模型，不同行业间的业务壁垒会是分析师们的门槛。金融的各类专有领域知识，电子商务不同产品的特性，这些都会影响到分析报告的质量。
在早期，新人最好选择一到两个领域深入了解其业务，然后以此拓展边界。
第七周：Python/R
第七周是最后的学习环节。
是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。掌握一门优秀的编程语言，可以让数据分析师升职加薪，迎娶白富美。数据分析领域最热门的两大语言是R和Python。R的优点是统计学家编写的，缺点也是统计学家编写。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。
Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。
这里的教程以Python为主。
「开始Python的新手教程」将会教大家搭建数据分析环境，Anaconda是功能强大的数据科学工具。Python建议安装Python3+版本，不要选择Python2了。
Python的语法相当简洁，大家print出第一个hello world顶多半小时。就像在Excel上进行运算一样方便。
「开始Python的数据结构」介绍给大家Python的三类数据结构，列表list，元组tuple，以及字典dict。万变不离其宗，掌握这三种数据结构以及相对应的函数，足够应付80%的分析场景。函数式编程为Python一大特色，Python自身就提供不少丰富的函数。很多都和Excel的函数相通，掌握起来非常迅速。另外还有控制流，for、while、if，通常配合函数组合使用。
「了解和掌握Python的函数」教大家如何自定义函数，丰富的函数虽然能偷懒，但是不少场景下，还是需要自己动手撸一个。
能够调第三方包解决，就使用第三方的函数。如果是一个频繁使用的场景，而第三方依靠不了，就自己编一个函数。如果是临时性的场景，写得粗糙点也无所谓。毕竟分析师的代码能力不要求工程师那么严格，所以Python的学习尽量以应用为主，不用像分析师那么严格。
包、模块和类的概念属于进阶知识，不学也不要紧。
「Python的数据分析: numpy和pandas入门」介绍了数据分析师赖以生存的两个包，numpy和pandas，其他Python知识可以不扎实，这两个最好认真掌握。它是往后很多技能树的前置要求。
array，series，dataframe是numpy和pandas的三个数据结构，掌握它们，便算是入门了。后续的两篇教程都是实战。
「用pandas进行数据分析实战」以分析师的薪资作为实战数据。Excel、BI、SQL，一路走来，大家想必对它无比熟悉，这也是最后一次使用它了。教程通过Pandas的各类功能，绘制出一副词云图。
为什么信息大爆炸时代有的时候还是很难找到自己需要的信息？
互联网的普及，让人们接触了更多来自四面八方的杂乱信息，而跟我们工作和生活密切相关的并不多。从杂乱无章的信息中找到有价值的信息，是一门技术，更是一门艺术。管理好信息，就可以避免时间和精力的不必要浪费。用精锐的信息做好当前的事，你的生活就可以更精致一点。
一、确立目标，才能让信息对号入座
但如果你想有所收获，那么首先是要明确自己想收获哪方面的知识，提高哪方面的技能，进行针对性的信息筛选，也就能事半功倍。
你得到的总是杂乱无章、看完就忘的信息，是因为你本身的生活就是杂乱而没有目标的，如果你找到一个目标作为锚点，那么信息就会在你的脑中自动归类了。例如，最近你觉得自己需要补充理财方面的知识，那么理财类的信息自然也会立马引起你的注意，你可以在印象笔记中建立一个文件夹，专门收集理财类的信息。
当然这样的目标不能太多，否则就和没有目标一样盲目了，你的脑子里可以保持有3~4个目标，它们也就是精准信息的检索词，遇到相关的书籍、资料、信息，都能聚焦到这些目标上，还便于分类存储、累积使用、实践。
二、信息来源筛选
当你确定某个目标，就可以找出领头的专业网站和业界大牛，他们的信息已经有一定的认可度和粉丝群体，信息发布会更为严谨，可信性、可读性也越高。
如果你想了解创业，那么有对应的36氪、虎嗅等网站；如果你想学习营销，那么梅花网就是可以浏览的平台，李叫兽就是可以关注的大神；如果你喜欢看某个作者的工作号，就可以把它当做专栏置顶。
一般来说，每个领域都会有领头羊，当你想获取哪方面的知识，跟着他们走是没错的。但也要有自己的深入思考，如此，才能将信息转换为自己的东西。
相应领域的经典的书籍也是不错的信息来源，能够让你获取的信息更系统，更容易学会。
三、专注于目标信息，对不需要的信息坚定说“No”
大家一定有过这样的经历，在一次会议中，大家讨论着一个问题，说着说着就说偏了，结果讨论了一堆和目标无关的东西，浪费了时间和精力不说，还要绕很久才能绕回到正题上。
我们需要专注于能够实现我们目标的信息，以目标为中心去紧紧吸引相关的信息。
我们专注实现目标的信息同时，还要杜绝无效信息的侵袭。你有没有发现，很多时候，你拿起手机本来是想做一件事，但却一下子被另一个信息给吸引过去，看完之后还要回想很久本来应该做的事情。
对于不需要的信息，立马删除，不要犹豫，不要骗自己说以后还会看，最后堆积了大量信息，反而影响了那些有效信息的提取。
当你心中有几个阶段性的目标后，那么，这几个目标的信息就够得你看了，学会聚焦到当下最重要的信息上，才能让你高效完成自己设定的目标任务，获得实效。
四、把握信息重点，找出关键
获取有效信息的目的不是为了储存起来，寻求自我安慰，而是要从中获取支撑我们目标的东西。
我们要有从信息中提取出最重要、最关键的部分，否则，再好的信息来了，也吸取不到其中的精华。
五、信息加工
不要认为看一遍信息的内容就可以称之为“对信息进行了加工”。这还远远不够，信息的加工还要经过自己的思考，甚至通过分享、交流、写作来输出。
很多人以为信息的获取就是找到相应的信息，其实不然，真正的信息获取应该是它能够为你所用。
在信息加工以及输出的时候，自己往往能够创造出与目标相关的新观点，也就产出了属于自己的信息，这样通过对外在信息的思考，从自身挖掘新信息的方式，是最酷的信息获取方式。
我们自己获得的信息可能是二手、三手、很多层传递下来的信息，可经由自己的批判、辩证的思考，我们就能成为信息的源头。
最可信的信息其实都来自于自己的深入思考。
管理好自己身边的信息，节约时间和精力，用精锐的信息做好当前的事，你的生活本可以更精致一点。
新型冠状病毒疫情结束后？
疫情结束后真的该好好的规划一下我的工作和生活了。
1开启副业在工作方面，我体会出一个人要有一份副业。
疫情来的时候，很多人不能复工导致房贷、车贷都无法按期还贷。
如果疫情来袭，你主业没有收入的时候，如果你有一门副业，副业还能继续有收入，你就不用担心自己没有经济来源了，副业刚需是成年人应有的自觉。
等疫情结束后，我要好好的想一想自己有哪方面的特长？怎么样把自己的特长变成副业，而且获得最大化收益。
比如你擅长写作，经常有文章发表，那你怎么样发挥自己的优势，转变成副业呢？
你可以把你的写作的经验写出来，做成课程，放到付费栏目中，有一份收入。
2、开始存钱理财我以前不太有理财的意识，花钱随意花。
疫情结束后，我要开始记账，并开始学习理财知识。让自己手有余钱，心里不慌。
这次看到好多人都因为疫情，禁足在家，因为没钱，想工作，也无法外出复工，在家歇着，也焦虑万分。
所以，疫情结束后，我要开始储蓄。
钱是一个人最大的安全感。没有钱，你拿什么付房贷车贷？凭什么让孩子赢在起跑线上？用什么去孝敬父母？
3、开始健身，提高免疫力疫情结束后，我要开始健身，经常锻炼身体，提高自己的免疫力。
这次的疫情，很多年轻人都扛过来了，而那些免疫力差的人，都没有扛过来。所以一个人的健康是最重要的，没有了健康，其他一切都是没用的。
我要开始健身，经常的去跑步，散步，锻炼。
除了健身还要开始减肥。
我在湖北疫情非常的严重，所以在家禁足的时间也比外省要长很多，一直呆在家里，没有运动，长胖了很多，疫情结束后，一定要努力去减肥。
答主介绍：霍辉，宝妈，理工女，改善专家，写作教练，高级工程师，倒过来是辉霍。头条号：霍霍的小世界