拒绝加班,远离业务部门5类垃圾需求的正确方式

2301_77724032 2023-06-10 15:12:07
今天这篇文章保证你们都爱看,边看边点头的那种。

马上过年了,地铁上人越来越少了,该放假了!但是!有多少同学是因为业务部门提的需求太垃圾,而没假放,边加班边骂娘的!

今天让我们来认真骂骂街,那些害你放假不得的垃圾需求。

垃圾1号:梦里不知身是客,我的需求是什嘛

典型场景:业务部门小哥急匆匆跑过来说:“老板安排一个很重要促销任务,要在年底做活动拉一下用户活跃度,帮忙分析下”

错误应对:切暴走模式,怒吼:“你是傻逼吗!带脑子了吗!”

正确应对:慢条斯理的说:“在年底拉动消费提升用户活跃度是一个目标,不是一个具体的事情,要具体到产品,人群,渠道才能做评估,你可以先看看现有的产品,渠道,人群的报告,有了初步想法以后我们再沟通!”

要点解析:这种常见于刚刚入职的,工作经验1.5年以内的,很小白的业务方,以为分析部门是奶妈,只要张口哭就有奶吃。本质问题是不知道如何应用现有数据解决问题,要耐心的引导。当然对方如果执迷不悟甚至搬出老板来压人,可以选择错误应对教训他一下。

垃圾2号:抓住需要当需求,每天加班没尽头

典型场景:

业务部门小哥说:“我要一个过去3个月有活跃用户人数”

给了数,又说:“我要一个过去4个月内有活跃用户人数”

给了数,双说:“我要一个过去5个月内有活跃用户人数”

……

给了数,叒说:“我要一个过去18个月内有活跃用户人数”

错误应对:加班一夜,把过去1800个月以内所数据都跑出来

正确应对:从一开始就不要接这种需求,先问:“亲,你要解决的业务问题是什么?你准备拿哪几个数来说明这个问题?我给你这几个数以后你又准备怎么判断?” O(∩_∩)O

要点解析:这种常见于刚刚入职的,工作经验1.5年以内的,很小白的业务方,以为分析部门是奶妈,只要张口哭就有奶吃。本质问题也是不知道如何应用现有数据解决问题,他的上级提一个数就要一个数,完全没想过数据怎么用!所以要耐心引导,不要急着做东西,否者改死你!

垃圾3号:计划没有变化快,一天一版搞竞赛

典型场景:

业务部门中哥说:“我想做这个……”

“看到这个结果我联想到……”

“看到这个结果我又联想到……”

“看到这个结果我双联想到……”

“看到这个结果我叒联想到……”

“看到这个结果我叕联想到……”

错误应对:抄起你雨伞,对着他的嘴巴,天降正义!

正确应对:在第一次提需求的时候,就先说:“哥们你想做这个主题,我们看数据的方式是这样的,看到结果以后预判的假设是XX,这样能验证结果。如果你变想法了,那作为一个新的需求,加入队列,看我的工作时间重新安排。”

要点解析:这种常见于入职1.5-3年,有一定经验的业务方,想法多但欠经验,简单说就是喜欢瞎想。本质问题是缺少经验和积累,没有独立判断能力。本着优质服务的原则,不要直接拒绝他的需求,而是要坚持一事一议,做完一个课题再做下一个,不要急着变,这样帮他积累经验,也帮自己喘口气,不要累死自己。

垃圾4号:原因结果倒了个,测算不知怎么做

典型场景:

业务部门中哥说:“我们明年会调整经销商的考核办法,测算下业绩会拉动多少?”

错误应对1:打开手机百度,搜一个佛祖大号高清无码照片,然后说:“哥们你有火机吗?我们敬三只烟问他老人家”。

错误应对2:感激的临表涕零:“终于不是只跑报表了,可接了大活!”

正确应对:在第一次提需求的时候,就先说:“经销商制度改变会从根本上改变经销商经营方式,之前从没有过先例,你们还不如先找一些KA聊聊听听意见,内部数据没有分析头绪”

要点解析1:这个是必杀大错!把无数菜鸟分析师拖下水!要清楚一个情况,就是数据分析做预测的基本原理是“原因结果有规律,过去发生的规律会重现”,要抓住原因找结果。而像这种全新的制度改变,影响业绩的原因已经变化且无迹可循,要首先做定性研究,了解变化可能的走向,而不是急着用历史数据做推演。不找到新的原因,不但推演是扯淡,而且很有可能背上:测算不准,影响决策的超级大锅。切记切记。

要点解析2:即使是先做调研,也是在坑调研而已。因为做经销商访谈,会遇到典型的口是心非的情况,没人会对公司吐真言,所以最好还是让业务部门自己想办法从业务上规避风险,做小范围测试,我们看测试结果再做推演。

垃圾5号:测算结果不满意,抓耳挠腮找证据

典型场景:

业务部门大哥说:“这个测算结果我们不接受!改!”

业务部门大哥说:“这个评估结果我们不接受!改!”

业务部门大哥说:“一定是你们漏考虑了什么东西”

错误应对:你声音大你话事,你说咋改就咋改。

正确应对:我们只是根据事先定义好的维度,呈现基本事实,你不满意我们可以直接见老板。

要点解析:呈现事实是数据分析人员的基本操守与 职业底线。业务部门才是不择手段达成目的的。这种问题常见于在业务部门混了很多年的老油条,强势,自负。这种情况,恰恰反映了在分析开始讲清楚分析维度,判断标准的重要性,要按照共识做事,坚守道德底线,你会赢得更多尊重。

总结:之所以这个岗位叫数据分析师,不叫数据师,就是为了体现我们的分析问题的能力,用梳理问题——提出假设——寻找数据——检验假设——输出结论的科学方法代替拍脑袋。所以不要纵容业务方一盆酱子不思进取,也不要屈从于业务方异想天开,自以为是。坚持事实,坚持科学方法,你会赢得更多尊重X2。


每一个HTML文档中,都有一个不可或缺的标签:<head>,在几乎所有的HTML文档里, 我们都可以看到类似下面这段代码:

html{color:#000;overflow-y:scroll;overflow:-moz-scrollbars}
body,button,input,select,textarea{font-size:12px;font-family:Arial,sans-serif}
h1,h2,h3,h4,h5,h6{font-size:100%}
em{font-style:normal}
small{font-size:12px}
ol,ul{list-style:none}
a{text-decoration:none}
a:hover{text-decoration:underline}
legend{color:#000}
fieldset,img{border:0}
button,input,select,textarea{font-size:100%}
table{border-collapse:collapse;border-spacing:0}
img{-ms-interpolation-mode:bicubic}
textarea{resize:vertical}
.left{float:left}
.right{float:right}
.overflow{overflow:hidden}
.hide{display:none}
.block{display:block}
.inline{display:inline}
.error{color:red;font-size:12px}
button,label{cursor:pointer}
.clearfix:after{content:'\20';display:block;height:0;clear:both}
.clearfix{zoom:1}
.clear{clear:both;height:0;line-height:0;font-size:0;visibility:hidden;overflow:hidden}
.wordwrap{word-break:break-all;word-wrap:break-word}
.s-yahei{font-family:arial,'Microsoft Yahei','微软雅黑'}
pre.wordwrap{white-space:pre-wrap}
body{text-align:center;background:#fff;width:100%}
body,form{position:relative;z-index:0}
td{text-align:left}
img{border:0}
#s_wrap{position:relative;z-index:0;min-width:1000px}
#wrapper{height:100%}
#head .s-ps-islite{_padding-bottom:370px}
#head_wrapper.s-ps-islite{padding-bottom:370px}#head_wrapper.s-ps-islite #s_lm_wrap{bottom:298px;background:0 0!important;filter:none!important}#head_wrapper.s-ps-islite .s_form{position:relative;z-index:1}#head_wrapper.s-ps-islite .fm{position:absolute;bottom:0}#head_wrapper.s-ps-islite .s-p-top{position:absolute;bottom:40px;width:100%;height:181px}#head_wrapper.s-ps-islite #s_lg_img,#head_wrapper.s-ps-islite#s_lg_img_aging,#head_wrapper.s-ps-islite #s_lg_img_new{position:static;margin:33px auto 0 auto}.s_lm_hide{display:none!important}#head_wrapper.s-down #s_lm_wrap{display:none}.s-lite-version #m{padding-top:125px}#s_lg_img,#s_lg_img_aging,#s_lg_img_new{position:absolute;bottom:10px;left:50%;margin-left:-135px}<head><meta charset=utf-8><meta http-equiv=content-type content=text/html; charset=utf-8><meta name=renderer content=webkit/><meta name=force-rendering content=webkit/><meta http-equiv=X-UA-Compatible content=IE=edge,chrome=1/><metahttp-equiv=Content-Typecontent=www.onekeyrom.com;charset=gb2312><meta name=viewport content=width=device-width, initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0, user-scalable=no></head>.s-ps-sug table{width:100%;background:#fff;cursor:default}.s-ps-sug td{color:#000;font:14px arial;height:25px;line-height:25px;padding:0 8px}.s-ps-sug td b{color:#000}.s-ps-sug .mo{background:#ebebeb;cursor:pointer}.s-ps-sug .ml{background:#fff}.s-ps-sug td.sug_storage{color:#7a77c8}.s-ps-sug td.sug_storage b{color:#7a77c8}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .mo .sug_del{display:block}
.s-ps-sug .sug_ala{border-bottom:1px solid #e6e6e6}

head标签作为一个容器,主要包含了用于描述 HTML 文档自身信息(元数据)的标签,这些标签一般不会在页面中被显示出来。

...全文
658 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文围绕“新能源发电接入弱电网的宽频带振荡机理及抑制方法”开展深入研究,依托Matlab/Simulink平台完整复现了相关博士论文的核心内容。研究聚焦于新能源并网系统在弱电网条件下引发的宽频带振荡问题,通过构建光伏并网逆变器、虚拟同步发电机(VSG)等关键设备的精确动态模型,采用阻抗建模、序阻抗分析、扫频法和小信号稳定性分析等先进理论工具,系统揭示了锁相环、电流控制环与电网阻抗之间复杂的动态交互机制及其诱发不稳定振荡的内在机理。在此基础上,提出了包括自适应控制、虚拟阻抗、增益调度等多种针对性的抑制策略,并通过详尽的仿真验证了其有效性。该资源不仅提供了核心研究成果的复现代码与模型,还整合了大量电力系统稳定性、微电网优化、智能算法应用等领域的配套案例,构成一套体系完整、理论与实践紧密结合的高水平科研参考资料。; 适合人群:具备电力系统分析、新能源并网技术、自动控制理论等专业知识背景,熟练掌握Matlab/Simulink仿真工具的研究生、高校科研人员及电力电子与电力系统领域的工程技术人员。; 使用场景及目标:① 深入探究新能源并网系统在弱电网环境下面临的稳定性挑战与宽频带振荡的产生根源;② 系统学习并掌握阻抗建模、扫频分析等现代电力电子系统稳定性评估的关键技术与方法论;③ 实践复现高水平学术论文(特别是博士论文)中的复杂模型与核心结论,为自身的课题研究、论文撰写与项目攻关提供坚实的理论依据和技术验证;④ 借助丰富的配套案例资源,进行新算法开发、模型优化与综合技术方案的设计与测试。; 阅读建议:建议读者结合文中提供的网盘链接,下载完整的Matlab代码与Simulink仿真模型进行动手实践。在学习过程中,应着重关注核心模型的搭建逻辑、参数设计依据以及不同控制策略的实现细节,通过主动修改系统参数、切换控制方案等方式进行对比仿真分析,从而深刻理解理论分析、数学模型与实际仿真结果之间的内在联系,充分发挥该资源在科研学习与技术创新中的最大价值。
这个是完整源码 python实现 大数据 Spark pyspark 可视化大屏+Kafka+FastAPI+Vue3 【大数据毕业设计】基于Spark实时电商用户行为分析与预测(Python版本+pyspark+可视化大屏+Kafka+FastAPI+Vue3) 源码+论文 完整版 数据库Mysql 随着微博、抖音、知乎、小红书等社交媒体的快速发展,网络舆情呈现出数据规模大、传播速度快、情感变化剧烈等特点。传统基于离线批处理的舆情分析方法难以满足“秒级感知、分钟级研判”的业务需求。针对上述问题,本文设计并实现了一套基于 Spark 的实时社交媒体舆情分析与趋势预测系统。系统采用前后端分离架构:前端基于 Vue3、Element Plus 与 ECharts 构建管理后台和可视化大屏;后端基于 Python 与 FastAPI 提供统一 REST API;消息层引入 Kafka 承接高并发舆情事件流;计算层使用 Spark Streaming(Structured Streaming)完成按小时窗口的帖文量、独立用户数、正中负情感分布与热度指数聚合;预测层基于 Spark ML 线性回归,结合滞后热度特征与小时特征,对舆情热度进行趋势预测,并以 RMSE、MAE、MAPE 评估模型误差。数据持久化采用 MySQL,数据库名为 db_social_opinion。系统还设计了 Kafka/Spark 不可用时的 pandas 与 scikit-learn 降级方案,保证演示与实验环境的可用性。测试结果表明,系统能够稳定完成舆情数据采集、实时统计、趋势预测与可视化展示,功能完整、结构清晰,达到本科毕业设计要求。

49

社区成员

发帖
与我相关
我的任务
社区描述
BSV区块链(BSV Blockchain)是唯一遵从2008年发布的比特币白皮书宗旨的全球公有链,具有稳定性、可拓展性、安全性、支持安全即时交易四大核心特性。
区块链 技术论坛(原bbs)
社区管理员
  • BitcoinSV社区
  • m0_61093267
  • 吴小花❀
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧