六成大學(xué)生認(rèn)為畢業(yè)十年能年入百萬，這數(shù)據(jù)靠譜嗎？

近日看到一則新聞，讓我虎軀一震：

新聞下面很多評(píng)論都是過來人的口吻在批判，我倒是覺得樂觀總歸是件好事，“想到”是“做到”的前提。子曾經(jīng)曰：后生可畏，焉知來者之不如今也！某位最近十分低調(diào)的“大佬”也曾經(jīng)曰：夢(mèng)想還是要有的，萬一實(shí)現(xiàn)了呢？

別說剛剛踏入社會(huì)意氣風(fēng)發(fā)的00后了，就我這樣已經(jīng)畢業(yè)十年的老碼農(nóng)，也憧憬可以通過自己的努力年入百萬不是嘛。

不過作為一個(gè)比大學(xué)生多十年經(jīng)驗(yàn)的社會(huì)人，我來好為人師地灌兩句雞湯：

1. 前途是光明的，但道路是曲折的。年薪百萬不是不可能，但終究是少數(shù)。要超過六成？那一百萬的購(gòu)買力恐怕也貶值的厲害。（瞧瞧隔壁知乎就知道了：人均百萬，剛下飛機(jī)，稀松平常，沒啥稀奇。匿了匿了~）

2. 財(cái)富是結(jié)果，不是目的。我這不是站在道德的角度說漂亮話，而是以大部分人的心態(tài)來說，如果你只盯著掙錢這個(gè)目的，往往只能掙小錢，搞不好還會(huì)吃大虧。反倒是專注于做好事情、提升自我能力的那些人，能得到更好的經(jīng)濟(jì)回報(bào)。財(cái)富就像狗尾巴，追著自己的尾巴只會(huì)原地轉(zhuǎn)圈，但只要向前跑，尾巴永遠(yuǎn)會(huì)跟著。（狗：你禮貌嗎？）

然后我不禁回憶了一下當(dāng)年大學(xué)時(shí)對(duì)未來薪資的預(yù)期。記得當(dāng)時(shí)我們班有倆同學(xué)在食堂一邊啃著一塊五的大排一邊聊天：

• A說：你說咱們畢業(yè)后工資能有多少??？

• B說：我覺得怎么著也得有3000吧！

• A想了想說：嗯，我也覺得差不多。

十年下來，這倆人現(xiàn)在有沒有百萬不知道，但三千加個(gè)零肯定不在話下。

當(dāng)年985的畢業(yè)生，月薪三千的“野心”算是保守了。然而放在當(dāng)年那會(huì)兒，在南京河西也是可以買下兩平米的。如今要是能拿河西兩平米房?jī)r(jià)的月薪，算下來可不就是年薪百萬嗎？從這個(gè)角度來看，大家也彼此彼此嘛

來都來了，咱們也來做個(gè)調(diào)查：

既然說到了問卷調(diào)查，這也算是我們經(jīng)常提到“數(shù)據(jù)分析”的一部分。最近我正好在統(tǒng)計(jì)學(xué)之家（tjxzj.net）上面看到關(guān)于收集數(shù)據(jù)的幾個(gè)不錯(cuò)的觀點(diǎn)，結(jié)合我自己的經(jīng)驗(yàn)，來跟大家分享一下。

收集數(shù)據(jù)的三個(gè)原則 ^[1]

1. 數(shù)據(jù)必須真實(shí)

有人說，我這數(shù)據(jù)都是真的，沒有造假。這里說的“真實(shí)”，并不僅僅說不造假，而是說能反映被調(diào)研者的真實(shí)想法。像問卷調(diào)查這種形式其實(shí)就經(jīng)常會(huì)因?yàn)閱栴}的設(shè)置或者調(diào)研的環(huán)境等影響，造成被訪者做出并非完全真實(shí)想法的回答。假如一個(gè)公司通過內(nèi)部系統(tǒng)調(diào)研員工對(duì)公司某些制度的意見，那想必是很難得到真實(shí)反饋的。

如果做產(chǎn)品調(diào)研，通常來說，不是要看用戶怎么“說”，而是要看用戶怎么“做”。一個(gè)很經(jīng)典的例子，Netflix 根據(jù)用戶的觀影行為來分析用戶的觀影喜好，進(jìn)而確定出《紙牌屋》的類型、導(dǎo)演、主演，并大獲成功。如果僅僅是通過發(fā)放問卷，恐怕會(huì)有較大的偏差。

2. 數(shù)據(jù)一定要準(zhǔn)確

造成數(shù)據(jù)不準(zhǔn)確的原因有很多，比如監(jiān)控粒度過粗、問卷設(shè)置有歧義、樣本過少或過于集中等等。假如我在編程教室搞個(gè)調(diào)研，可能就得出超六成大學(xué)生想學(xué)Python；而在B站搞個(gè)調(diào)研，得出超六成大學(xué)生想娶王冰冰這樣的結(jié)論也不奇怪。

不準(zhǔn)確的數(shù)據(jù)源 + 正確的分析邏輯，也只能得出錯(cuò)誤的結(jié)論。

3. 數(shù)據(jù)必須是可以使用的

是否可用，其實(shí)是一個(gè)相對(duì)的概念。比如 Netflix 采集了用戶播放時(shí)的暫停、快進(jìn)、跳過等操作，對(duì)他們來說這些數(shù)據(jù)是有用的、可用的。但如果我把編程教室網(wǎng)站上的視頻教程播放操作也記錄下來，對(duì)我來說就是無法使用的。類似的，大量的文本或語言聊天記錄，只有具備相應(yīng)的分析技術(shù)能力，才有分析的價(jià)值。

而另一方面，可以使用也不僅僅是技術(shù)層面，還有法律層面的考量。俗話說：爬蟲學(xué)得好，牢飯吃到飽。這話可不是段子而已。版權(quán)、隱私、商業(yè)協(xié)議都是采集數(shù)據(jù)之前需要仔細(xì)斟酌的。

以上僅僅是數(shù)據(jù)采集階段的一些建議，這是數(shù)據(jù)分析的最初階段。一個(gè)完整的數(shù)據(jù)分析流程往往還包括：數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)清洗、建模分析、數(shù)據(jù)可視化等步驟。感興趣的同學(xué)可以留言說一下，哪一塊想聽的人多我之后會(huì)做詳細(xì)解讀。

之前有不少同學(xué)問過：要做數(shù)據(jù)分析方面的工作，需要學(xué)習(xí)哪些內(nèi)容？是不是學(xué)會(huì)Python就能做數(shù)據(jù)分析師了？

我用下面這張圖來回答：

最底層是技術(shù)基礎(chǔ)，是進(jìn)行數(shù)據(jù)分析的工具。Python是目前最流行的工具之一，但不是唯一，甚至不是必須。但如果你掌握Python，并且熟悉Pandas、Numpy、Matplotlib這幾個(gè)數(shù)據(jù)分析常用庫(kù)，那這一層面你就沒問題了。它是一個(gè)必要條件，但不是充分條件。作為一個(gè)合格的數(shù)據(jù)分析師，你必須要有使用相關(guān)工具的能力；但如果你只是會(huì)寫Python，距離數(shù)據(jù)分析師還尚有距離。

工具之上，你需要有統(tǒng)計(jì)學(xué)的基本常識(shí)，了解常見的分析方法，并可以用工具對(duì)數(shù)據(jù)進(jìn)行相應(yīng)的分析工作，如果了解一些機(jī)器學(xué)習(xí)的模型就更好了。這些都可以通過相關(guān)的書籍、案例進(jìn)行學(xué)習(xí)和練習(xí)。到了這一步，你差不多就入門數(shù)據(jù)分析了，但此時(shí)也還只是個(gè)“工具人”，只能實(shí)現(xiàn)別人給你定好的分析指標(biāo)。

最上層的軟實(shí)力才是一個(gè)數(shù)據(jù)分析師的核心競(jìng)爭(zhēng)力。你需要對(duì)業(yè)務(wù)有足夠的理解，可以選擇合適的指標(biāo)、模型，找出并驗(yàn)證數(shù)據(jù)的相關(guān)性，提出并推進(jìn)有效的優(yōu)化方案。

這一步離不開長(zhǎng)期的實(shí)踐、復(fù)盤、思考，作為一個(gè)新人來說或許還很難，但多做、多想，是需要從一開始就養(yǎng)成的習(xí)慣。假如交給你的任務(wù)是分析某個(gè)指標(biāo)，那你是就只看這一個(gè)指標(biāo)，做完拉倒，還是再多試試其他指標(biāo)、其他模型，完全取決于你自己。

大家都是同一年畢業(yè)，但十年后的薪資差異，就都在這一點(diǎn)一滴的細(xì)節(jié)中產(chǎn)生了分化。（好嘛，最后居然又扯回來了）

一點(diǎn)淺見，如果對(duì)你有幫助，歡迎轉(zhuǎn)發(fā)/點(diǎn)贊/收藏~你們的支持是我更新的動(dòng)力。

參考：

[1] http://www.tjxzj.net/1236.html

延伸閱讀??

延伸閱讀《數(shù)據(jù)分析即未來》