python爬蟲工商局

❶ python計劃書怎麼寫

計劃書的格式一般包括標題、正文和結尾。
1、標題，一般有以下3種寫法：
完整式標題。一般包含單位名稱、時限、內容和文種。如《昆明市工商局**年財務計劃要點》。
省略時限的標題。
公文式計劃。如《×××行政學院1995年下半年公務員培訓計劃》。
所擬計劃如還需要討論定稿或經上級批准，就應在標題的後面或下方用括弧加註「草案」或「初稿」或「討論稿」等字樣。
2、正文。一般包括前言、主體和結尾3個部分。
前言。主要是對基本情況的分析，或對計劃的概括說明，依據什麼方針、政策以及上級的什麼指示精神，完成任務的主客觀條件怎麼樣，制訂這個計劃要達到什麼的，完成計劃指標有什麼意義。
主體。即計劃的三要素：目標（做什麼）、措施（怎麼做）和步驟（分幾步做完）。「計劃三要素」繁簡可以不同，但缺一不可。主體的表述方式常用的有綜述式、條文式、表格式、交錯式等幾種。
3、結尾。可以展望計劃實現的情景給人以鼓舞，也可以提出總的希望或者號召。

❷ 如何用最簡單的Python爬蟲採集整個網站

你要的資源 搜好資源網 或者SohoJoy那裡是excel格式的，不用客氣的噢！

企業黃頁，供求信息，廣交會名錄，

目前我們常說的黃頁就是指電話號碼簿，目前幾乎世界每一個城市都有這種紙張為載體所印製的電話號碼本（黃頁）。

現在互聯網上流行的免費中國黃頁、企業名錄、工商指南、消費指南等，也可以算是黃頁的各種表現形式；黃頁可以以印刷品、光碟、互聯網等多種形式向公眾發布及出版。

黃頁19世紀末誕生於美國，當時的電話號簿也跟現在的出版物一樣都是用白紙印刷的，由於一次印刷廠庫存白色紙張不夠等原因，臨時用黃色紙張代替，但是沒想到印出來的效果比白色紙張的效果要好，於是以後都用黃色紙張印刷，別的印刷廠見後也紛紛效仿用黃色紙張印電話號簿，慢慢就形成了一個慣例，從此全世界的電話號簿都叫作「黃頁 yellow pages」，也成了電話號簿的一個專用名詞。

1880年世界上第一本黃頁電話號簿在美國問世，至今已有100多年的歷史。黃頁是國際通用按企業性質和產品類別編排的工商電話號碼薄，相當於一個城市或地區的工商企業的戶口本，國際慣例用黃色紙張印製，故稱黃頁。目前我們常說的黃頁就是指電話號碼薄，目前幾乎世界每一個城市都有這樣以紙張為載體所印製的電話號碼本（黃頁）。

紙質媒體以電話號碼形式來刊登分類廣告和產品，其中包括公司地址、電話、公司名稱、郵政編碼，聯系人等簡單信息。

其缺點：

1、用戶可以按索引分類逐級的來查詢，可以在各個地區找到類似的黃頁，但是面對龐大的書面數據，查找起來非常的不方便。基本上以電話為主要的單一溝通方式。

2、傳統黃頁產品受發行量，發行渠道的限制，對客戶的推廣基本上只能做到發行多少，拓展多少，不能准確預測瀏覽人群。

3、受出版印刷時間的限制，更新速度慢，只能在改版做修改。

4、根據企業的購買價位，受版面的大小的限制，企業數據的容量也有限制。

以前的黃頁是紙質文件，現在多以電子版形式存在。

希望能解決問題，

就給個採納吧，採納是我的動力，

服務絕對滿意。

❸ 利用PYTHON匹配提取EXCEL表的省市區，有償

不規范的地址處理是個麻煩的事。

在常用的6級行政劃分(省市縣鄉村組)格式下，缺少部分的補全只是其中一部分的工作量,內容錯誤與略寫的恢復也是很重要的處理內容。2004年我經手的一個項目，要對老系統的數據做遷移，其數據的規范化工作中有一個企業信息的處理，其中對於【深圳市工商行政管理局】這個營業執照辦理機構，整個系統的手工錄入數據里有160多種寫法，有帶【廣東省】前綴的，有帶【廣東】前綴的，有【工商行政管理局】，有【工商管理局】，有【工商局】，甚至還有【工商行政管路局】等不一而足。

面對這樣的數據，要麼，將它們補全、規范化，要麼，只能是忽略它們。

標準的6位行政編碼是規范到縣級，2000年時，全國有4000多個編碼在使用，現在有3600+在使用。如果要處理不同時期的行政編碼因【裁撤並分改】而產生的變化，也是相當大的工作量。

然後就只需要考慮缺失級別的補全工作了。

不能簡單認為市級就一定是某某市，例如內蒙有很多市級的某某盟；

同樣的某某市也不一定是市級，例如北京市(省級)，都江堰市(縣級)；

在縣級，有不少同名的，一些省會城市的下轄縣級單位是某某區，而它們經常就有同名的，北京有朝陽區，長春有朝陽區，這都是縣級的，同時，遼寧還有個朝陽市……

因此，【朝陽群眾】到底是指哪裡的群眾，在沒有上下文的情況下，還真不好說。

如果上述的所有問題都解決了，或者都不考慮，假定數據都是規范的完整地址，例如【湖南省株洲市茶陵縣】或者【湖南省常德市津市市】這樣的，要進行匹配就是很簡單的事了。

❹ python找工作

Python大數據專業能從事的領域有很多，如：Python全棧工程師，Python爬蟲工程師，Python開發工程師，金融自動化交易，Linux運維工程師，自動化開發工程師，前端開發工程師，大數據分析和數據挖掘等。下面就這些職位的職位要求舉幾個例子：
一、Python全棧工程師
·關鍵字：VUE、react、angularjs、node、webpack
·熟悉XML, (x)HTML, CSS, JavaScript, JSON,jQuery/Ajax等Web頁面技術
·熟悉bootstrap等主流前端框架者優先
·能夠使用Echarts等主流圖表工具
·熟練使用Python，Django，具備2年以上實際開發經驗;
·熟悉MySQL資料庫，能夠熟練編寫sql語句進行資料庫查詢
·了解Redis，Mongo等非關系型資料庫
·能夠相對獨立自主的完成前端及部分後端開發任務
·熟悉python爬網技術，熟悉Scrapy、BeautifulSoup等爬蟲框架及工具，具有網路爬取相關實踐經驗者優先
·了解R語音並能夠將部分R腳本翻譯成python腳本者優先
二、Python爬蟲工程師
·熟悉Linux系統，掌握Python等語
·掌握網頁抓取原理及技術，了解基於Cookie的登錄原理，熟悉基於正則表達式、XPath、CSS等網頁信息抽取技術
·熟悉整個爬蟲的設計及實現流程，有從事網路爬蟲、網頁信息抽取開發經驗，熟悉反爬蟲技術，有分布式爬蟲架構經驗
·具有數據挖掘、自然語言處理、信息檢索、機器學習背景者優先
·熟悉ElasticSearch、Hadoop/Mysql，有多語言開發經驗者優先
三、Linux運維工程師
·熟悉shell，能編寫日常腳本，熟悉perl或python者優先
·掌握Linux系統下常用服務架設與維護
·熟悉常用的高可用軟體，如LVS，heartbeat，keepalived等
·熟悉mysql的安裝、優化，能夠實現mysql的高性能和高可用
·熟悉nagios、cacti、zabbix等常用監控軟體

❺ 如何評價《精通Python網路爬蟲》作者韋瑋

（1）關於我的職業問題
我對自己的定位是商人，說得好聽一點就是企業家，說得難聽一點就有各種叫法了，重慶韜翔網路科技有限公司與上海萌優電子商務有限公司都是我創辦的企業，工商官方站點可以查證，並且都做得不錯。
現在的商人不比以前的商人，其實現在的商人要求是比較高的，如果能力不行，很容易把公司弄倒閉。
所以，除了商人的本職工作之外，我也深入研究了一些技術，並且在公司中，很多技術難點都是我親自帶團隊解決的，常用的技術有Python、PHP、數據挖掘、容器雲技術、Go語言等，因為，在前期的時候，作為新技術產業項目的創始人，不懂技術，會很吃虧的，所以最好還是根據項目需求來，需要用到什麼技術，那一定要去研究，不要擺創始人的架子。像馬化騰、李彥宏等前輩，其實對技術研究也是非常深的，雖然我暫時離他們的距離還非常非常遠，但是也要向他們看齊啊。當然除了這些IT技術之外，我還關注運營方面的技巧與思路。
再者，由於對這些技術的研究，有幸受到了51CTO學院的邀請，並且之後挺多學員喜歡的，自然我又多了一份兼職職業，IT技術講師，同時後面也與CSDN、極客學院、天善智能等建立了合作，都是他們機構中比較早入行的講師，再後來與出版社合作，將這些經驗整理成書，並又成了IT作家，所以現在導致了基本上每天都熬夜，因為畢竟人的精力有限，同時兼顧太多，付出的時間也會很多，我經常會在半夜回復郵件等，所以有時很可能半夜本書策劃編輯以及我的好友楊福川老師便收到了我的微信信息，這些凌晨三四點發消息的事情楊哥以及很多熟悉我的朋友都應該遇到過。
其實，這么多東西，我對自己的定位就是商人，一切公司需求的核心技術我都會去研究，並且由於基礎還不錯，所以基本上研究進展會比較快，並且大部分時候都可以有利推動項目的進展。
所以，我不敢保證我寫的，我講的都是對的，但，都是干貨。我覺得把我的經驗分享給大家，大家能夠真正的學到東西，那就夠了，至於書籍是否完美，顯然是不完美的，但也會盡力去做到更好。
（2）關於作者為什麼懂那麼多的問題
自己誇自己多麼有能力是一件非常蠢笨的事情，所以以下我只說明一下我做到了什麼，以及我為什麼能夠做到這些，關於我的才能怎樣，我想自有時間去驗證，大家也自有自己的看法。
首先，上面已經提到，我是做企業的，所以我會花更多的精力去研究市場、各種需要的技術，我是一個提倡以需求作為導向的人。我認為，如果帶著需求、問題去學習研究，效果會更好，並且技術很多都是用則進，不用則廢。所以如果你也在學習某一樣東西，最好使用起來，比如，現在你有建站的需求，可以深入研究PHP技術以及相關框架，如果你有數據採集與數據挖掘需求，可以深入研究Python已經相關技術，如果公司需要構建伺服器數據中心或者容器技術，你可以深入研究Go語言以及Docker等技術。總之，帶著需求去學習，效果會更好，我也是如此，這就是為什麼我需要研究多種技術的原因，並且你研究得越多，你越會發現技術之間其實是相通的，你真正精通掌握了一門技術，其他的技術很容易便能深入掌握。
其次，至於說我是全才，那就過獎了，我不是全才，我也做不了全才，我只是懂得比較多，付出得比較多而已。
比如，我除了技術外，我還喜歡寫詩詞呢，以下是我寫的一些詩詞，基本都是符合格律習慣的，喜歡詩詞的同學可以看看，如果不喜歡可以不看：
春至華夏
作者：韋瑋
暗水踏春來，
舟行巴蜀川。
江陵千里翠，
四海一家圓。
這首五言絕句曾經發表過在一本期刊上。
思
作者：韋瑋
對鏡吟風雪，
詩成酒一杯。
蘭亭明月宿，
卧雪踏香回。
此外，還有很多詩詞，具體可以查看我的博客，韋瑋的新浪博客
除此之外，我會計方面的知識也是不錯的，相關證件都是具備的，因為做管理不精通會計，很容易被坑，但財務方面我可能不會親自去管，但是一定是懂的。
所以，我覺得大家可以不用過多關注一個人為什麼會這么多東西，去質疑這個人的能力，畢竟每個人所處的環境不一樣，所需求的東西不一樣，夢想也不一樣，我很渺小，但我就是我，我會加倍努力去干實事，做事情。
事實上，懂得多並不可怕，可怕的一直只是流言，我希望，大家在看待問題的時候，多一些辯證，多從別人的角度去思考為什麼，而不是以自己的角度去思考為什麼他可以做到，不會詩詞是找人代寫的、書籍也是找人代寫的、課程是胡亂講的、連公司也是找人代運營的吧？如果有這種好事，記得通知我。
其實，你所看到的真實的世界，並不一定看到的這個世界就是真實的，你以為是真相的事情，並不一定是事情的真相。
僅以此文解答各位看官的疑問，希望對你們有幫助，我之前不常混知乎，有需要合作的項目或者疑問直接給我發郵件，書上有郵箱地址的。

❻ 如何通過程序抓取工商局的企業信息

你要自己編爬蟲程序的話，可以用python來編，不過這要求懂編程程序。在編程上小白的話就推薦使用抓取工具了，我用過集搜客爬過法律網站的一些資料，同理，你可以試試。

❼ Python可以用來干什麼

1、做日常任務，比如下載視頻、MP3、自動化操作excel、自動發郵件。

2、做網站開發、web應用開發，很多著名的網站像知乎、YouTube就是Python寫的。

許多大型網站就是用Python開發的，例如YouTube、Instagram，還有國內的豆瓣。很多大公司，包括Google、Yahoo等，甚至NASA（美國航空航天局）都大量地使用Python。

3、做網路游戲的後台，很多在線游戲的後台都是Python開發的。

4、系統網路運維

Linux運維是必須而且一定要掌握Python語言，它可以滿足Linux運維工程師的工作需求提升效率，總而提升自己的能力，運維工程師需要自己獨立開發一個完整的自動化系統時，這個時候才是真正價值的體現，才能證明自身的能力，讓老闆重視。

5、3D游戲開發

Python也可以用來做游戲開發，因為它有很好的3D渲染庫和游戲開發框架，目前來說就有很多使用Python開發的游戲，如迪斯尼卡通城、黑暗之刃。

6、科學與數字計算

我們都知道現在來臨了大數據的時代，數據可以說明一切問題的原因，現在很多做數據分析的不是原來那麼簡單，Python語言成為了做數據分析師的第一首選，它同時可以給工作帶來很大的效率。

7、人工智慧

人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。Python語言對於人工智慧來說是最好的語言。目前好多人都開始學習人工智慧+Python學科。

8、網路爬蟲

爬蟲是屬於運營的比較多的一個場景吧,比如谷歌的爬蟲早期就是用跑Python寫的. 其中有一個庫叫 Requests ,這個庫是一個模擬HTTP請求的一個庫,非常的出名! 學過Python的人沒有不知道這個庫吧,爬取後的數據分析與計算是Python最為擅長的領域，非常容易整合。不過目前Python比較流行的網路爬蟲框架是功能非常強大的scrapy。

9、數據分析

一般我們用爬蟲爬到了大量的數據之後，我們需要處理數據用來分析，不然爬蟲白爬了，我們最終的目的就是分析數據，在這方面 關於數據分析的庫也是非常的豐富的，各種圖形分析圖等 都可以做出來。也是非常的方便，其中諸如Seaborn這樣的可視化庫，能夠僅僅使用一兩行就對數據進行繪圖，而利用Pandas和numpy、scipy則可以簡單地對大量數據進行篩選、回歸等計算。

而後續復雜計算中，對接機器學習相關演算法，或者提供Web訪問介面，或是實現遠程調用介面，都非常簡單。

❽ 如何成為一個數據分析師需要具備哪些技能

接下來我們分別從每一個部分講講具體應該學什麼、怎麼學。

數據獲取：公開數據、Python爬蟲

如果接觸的只是企業資料庫里的數據，不需要要獲取外部數據的，這個部分可以忽略。

外部數據的獲取方式主要有以下兩種。

第一種是獲取外部的公開數據集，一些科研機構、企業、政府會開放一些數據，你需要到特定的網站去下載這些數據。這些數據集通常比較完善、質量相對較高。

另一種獲取外部數據費的方式就是爬蟲。

比如你可以通過爬蟲獲取招聘網站某一職位的招聘信息，爬取租房網站上某城市的租房信息，爬取豆瓣評分評分最高的電影列表，獲取知乎點贊排行、網易雲音樂評論排行列表。基於互聯網爬取的數據，你可以對某個行業、某種人群進行分析。

在爬蟲之前你需要先了解一些 Python 的基礎知識：元素（列表、字典、元組等）、變數、循環、函數（鏈接的菜鳥教程非常好）……以及如何用成熟的 Python 庫（urllib、BeautifulSoup、requests、scrapy）實現網頁爬蟲。如果是初學，建議從 urllib 和 BeautifulSoup 開始。（PS：後續的數據分析也需要 Python 的知識，以後遇到的問題也可以在這個教程查看）

網上的爬蟲教程不要太多，爬蟲上手推薦豆瓣的網頁爬取，一方面是網頁結構比較簡單，二是豆瓣對爬蟲相對比較友好。

掌握基礎的爬蟲之後，你還需要一些高級技巧，比如正則表達式、模擬用戶登錄、使用代理、設置爬取頻率、使用cookie信息等等，來應對不同網站的反爬蟲限制。

除此之外，常用的的電商網站、問答網站、點評網站、二手交易網站、婚戀網站、招聘網站的數據，都是很好的練手方式。這些網站可以獲得很有分析意義的數據，最關鍵的是，有很多成熟的代碼，可以參考。

數據存取：SQL語言

你可能有一個疑惑，為什麼沒有講到Excel。在應對萬以內的數據的時候，Excel對於一般的分析沒有問題，一旦數據量大，就會力不從心，資料庫就能夠很好地解決這個問題。而且大多數的企業，都會以SQL的形式來存儲數據，如果你是一個分析師，也需要懂得SQL的操作，能夠查詢、提取數據。

SQL作為最經典的資料庫工具，為海量數據的存儲與管理提供可能，並且使數據的提取的效率大大提升。你需要掌握以下技能：

提取特定情況下的數據：企業資料庫里的數據一定是大而繁復的，你需要提取你需要的那一部分。比如你可以根據你的需要提取2018年所有的銷售數據、提取今年銷量最大的50件商品的數據、提取上海、廣東地區用戶的消費數據……，SQL可以通過簡單的命令幫你完成這些工作。

資料庫的增、刪、查、改：這些是資料庫最基本的操作，但只要用簡單的命令就能夠實現，所以你只需要記住命令就好。

數據的分組聚合、如何建立多個表之間的聯系：這個部分是SQL的進階操作，多個表之間的關聯，在你處理多維度、多個數據集的時候非常有用，這也讓你可以去處理更復雜的數據。

數據預處理：Python（pandas）

很多時候我們拿到的數據是不幹凈的，數據的重復、缺失、異常值等等，這時候就需要進行數據的清洗，把這些影響分析的數據處理好，才能獲得更加精確地分析結果。

比如空氣質量的數據，其中有很多天的數據由於設備的原因是沒有監測到的，有一些數據是記錄重復的，還有一些數據是設備故障時監測無效的。比如用戶行為數據，有很多無效的操作對分析沒有意義，就需要進行刪除。

那麼我們需要用相應的方法去處理，比如殘缺數據，我們是直接去掉這條數據，還是用臨近的值去補全，這些都是需要考慮的問題。

對於數據預處理，學會 pandas 的用法，應對一般的數據清洗就完全沒問題了。需要掌握的知識點如下：

選擇：數據訪問（標簽、特定值、布爾索引等）

缺失值處理：對缺失數據行進行刪除或填充

重復值處理：重復值的判斷與刪除

空格和異常值處理：清楚不必要的空格和極端、異常數據

相關操作：描述性統計、Apply、直方圖等

合並：符合各種邏輯關系的合並操作

分組：數據劃分、分別執行函數、數據重組

Reshaping：快速生成數據透視表

概率論及統計學知識

數據整體分布是怎樣的？什麼是總體和樣本？中位數、眾數、均值、方差等基本的統計量如何應用？如果有時間維度的話隨著時間的變化是怎樣的？如何在不同的場景中做假設檢驗？數據分析方法大多源於統計學的概念，所以統計學的知識也是必不可少的。需要掌握的知識點如下：

基本統計量：均值、中位數、眾數、百分位數、極值等

其他描述性統計量：偏度、方差、標准差、顯著性等

其他統計知識：總體和樣本、參數和統計量、ErrorBar

概率分布與假設檢驗：各種分布、假設檢驗流程

其他概率論知識：條件概率、貝葉斯等

有了統計學的基本知識，你就可以用這些統計量做基本的分析了。通過可視化的方式來描述數據的指標，其實可以得出很多結論了，比如排名前100的是哪些，平均水平是怎樣的，近幾年的變化趨勢如何……

你可以使用python的包 Seaborn（python包）在做這些可視化的分析，你會輕松地畫出各種可視化圖形，並得出具有指導意義的結果。了解假設檢驗之後，可以對樣本指標與假設的總體指標之間是否存在差別作出判斷，已驗證結果是否在可接受的范圍。

python數據分析

如果你有一些了解的話，就知道目前市面上其實有很多 Python 數據分析的書籍，但每一本都很厚，學習阻力非常大。但其實真正最有用的那部分信息，只是這些書里很少的一部分。比如用 Python 實現不同案例的假設檢驗，其實你就可以對數據進行很好的驗證。

比如掌握回歸分析的方法，通過線性回歸和邏輯回歸，其實你就可以對大多數的數據進行回歸分析，並得出相對精確地結論。比如DataCastle的訓練競賽「房價預測」和「職位預測」，都可以通過回歸分析實現。這部分需要掌握的知識點如下：

回歸分析：線性回歸、邏輯回歸

基本的分類演算法：決策樹、隨機森林……

基本的聚類演算法：k-means……

特徵工程基礎：如何用特徵選擇優化模型

調參方法：如何調節參數優化模型

Python 數據分析包：scipy、numpy、scikit-learn等

在數據分析的這個階段，重點了解回歸分析的方法，大多數的問題可以得以解決，利用描述性的統計分析和回歸分析，你完全可以得到一個不錯的分析結論。

當然，隨著你實踐量的增多，可能會遇到一些復雜的問題，你就可能需要去了解一些更高級的演算法：分類、聚類，然後你會知道面對不同類型的問題的時候更適合用哪種演算法模型，對於模型的優化，你需要去學習如何通過特徵提取、參數調節來提升預測的精度。這就有點數據挖掘和機器學習的味道了，其實一個好的數據分析師，應該算是一個初級的數據挖掘工程師了。

系統實戰

這個時候，你就已經具備了數據分析的基本能力了。但是還要根據不同的案例、不同的業務場景進行實戰。能夠獨立完成分析任務，那麼你就已經打敗市面上大部分的數據分析師了。

如何進行實戰呢？

上面提到的公開數據集，可以找一些自己感興趣的方向的數據，嘗試從不同的角度來分析，看看能夠得到哪些有價值的結論。

另一個角度是，你可以從生活、工作中去發現一些可用於分析的問題，比如上面說到的電商、招聘、社交等平台等方向都有著很多可以挖掘的問題。

開始的時候，你可能考慮的問題不是很周全，但隨著你經驗的積累，慢慢就會找到分析的方向，有哪些一般分析的維度，比如top榜單、平均水平、區域分布、年齡分布、相關性分析、未來趨勢預測等等。隨著經驗的增加，你會有一些自己對於數據的感覺，這就是我們通常說的數據思維了。

你也可以看看行業的分析報告，看看優秀的分析師看待問題的角度和分析問題的維度，其實這並不是一件困難的事情。

在掌握了初級的分析方法之後，也可以嘗試做一些數據分析的競賽，比如 DataCastle 為數據分析師專門定製的三個競賽，提交答案即可獲取評分和排名：

員工離職預測訓練賽

美國King County房價預測訓練賽

北京PM2.5濃度分析訓練賽

種一棵樹最好的時間是十年前，其次是現在。現在就去，找一個數據集開始吧！！

❾ 想進入管理咨詢公司需要具備哪些能力

團隊合作能力
咨詢顧問通常是在一個3-5人的團隊裡面工作，在團隊中，你會承擔非常重要的角色，參與到你的客戶服務中，在咨詢行業裡面，我們更多地是打團戰的方式來進行工作的，更強調的是團隊合作能力以及領導能力。
數據的收集與分析
對於剛剛進入咨詢行業的新人，一般會由你負責數據的收集和整理。比如我剛進中大咨詢上項目的時候搜集了行業裡面所有競爭企業的銷量，需要根據這個銷量的情況來看出這個行業裡面大概有哪些主要的企業，這些主要的企業各自的市場份額是多少，一共占行業多少比例，行業的領先企業大概有幾家，他們一共佔了行業的百分之多少，由此來判斷這個行業的集中度怎樣，憑借集中度可以判斷它的競爭格局怎麼樣。從定量的分析，得出定性的結論，從而推導出商業insight，才是完整的數據分析過程。
語言溝通能力
在工作過程中，溝通能力也非常重要的，不僅是指演講能力，在presentation過程中，要不斷和客戶互動，而你要做的不僅僅是語言流暢，溝通背後的邏輯思維能力、情商等因素也很重要。