Hi，欢迎访问我的博客。

在这里分享BI、数据分析等相关的技术内容；个人随笔、感悟。

欢迎和我交流分享。

愿你出走半生，归来仍是少年。

这是一篇吐槽的

最近辞职找工作，有一个很尴尬的问题
上一家十月初辞的，10月份的五险一金是不给交的，不交就不交吧，兴许明天就找到工作了呢
万万没想到，十月份不是一个换工作的好时机，正好赶上秋招，各种校招职位，哎，心累
那就慢慢投，慢慢找，总有眼神不好的公司带走我这棵白菜

找到工作以后呢，得把之前的公积金账号转到新公司，然后问题就来了，之前和上家人事说好了，又事情直接在微信上找他就行

我：”你好，这边帮忙把我的公积金账号转到xxxx吧，谢谢“”
…

人家一直没回复，我想着人事可能比较忙，反正也不是特别急
然后就等了一天，还是没消息，可能真的忙，那就明天再看看
然后还是没回复，也没拉黑呀，难道现在拉黑都不提示了，或者以为我是陌生人…
我又发了消息

我：“你好，我是xxx，刚从公司离职，可以帮我把公积金转到xxx吗，谢谢”
…

然后我的消息就好像发送到了外星球，一去不复返，嘿，难道这是家黑公司，专门骗人的？
难道人事离职了，换微信了？
好尴尬，有点儿懵，喝瓶雪碧压压惊

HR：“为什么从上一家公司辞职？”
我：“。。。”

最近在找工作，投了很多简历，面了很多试，经常被问到这个问题，以至于后来面试官不问我，我都会反问他“你咋不问我为啥离职啊？真是太不专业了，这个公司不行，说着我就走出了阿里园区”（别介意，只是一个梦，希望有机会去这些互联网巨头公司）

面试的时候问还是好的，奇葩的是，经常还会接到电话问：

我：“喂，你好”
来电：“请问是xxx先生吗？”
我：“对，你是？”
来电：“你为什么从上家公司离职啊？”
我：“。。。”

这种电话还真是无语，不知道在哪儿看到我的简历，就打电话来问
问就问呗，起码得告诉我你是干嘛的，要不我还以为是上家公司做电话回访
一问就是什么什么猎头，什么什么公司，真是醉了，我都怀疑他们这样能不能招到人
问之前起码介绍下，什么公司，什么岗位，有的直接就

我：“喂，你好”
来电：“请问是xxx先生吗？”
我：“对，你是？”
来电：“你现在薪资多少？期望多少？”
我：“。。。”

常见图表介绍及实例

本篇为阅读笔记《数据化运营速成手册》

折线图也是我们经常使用的一个图表，它主要是提现趋势变化，所以经常和时间序列一起使用。

怎样观察趋势

• 利用趋势线
  通过趋势线，我们可以观察数据的整体变化趋势，一般使用线性趋势，看线是向上倾斜还是向下倾斜，通过显示趋势线的公式，我们可以来看增长的速率是否满足自身需求

• 折线图的波动情况
  观察折线是剧烈波动，还是平稳的上升（下降），波动越激烈，说明不可控性越强，以活跃用户数为例的话，一定是希望他可以平稳上升，如果总是波动，说明产品对用户的吸引力不够，没有稳定的成熟用户
  而且还要关注波动变化的时间点，比如极值，数据的增长和下降一定都会有原因

• 关注拐点
  比如数据一直上升，突然下降，我们就一定要去找到下降的原因

什么是数据标准化

我们平时分析一个指标的时候，或者对比数据的时候可能都有单位，比如身高（cm）,体重（Kg），如果我们想要对这2个指标进行综合分析的话，就需要让指标脱离单位的限制，这应该就是数据标准化。

• from 互动百科
  数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是0-1标准化和Z标准化。

为什么要进行数据标准化

• from 百度百科
  评价是现代社会各领域的一项经常性的工作，是科学做出管理决策的重要依据。随着人们研究领域的不断扩大，所面临的评价对象日趋复杂，如果仅依据单一指标对事物进行评价往往不尽合理，必须全面地从整体的角度考虑问题，多指标综合评价方法应运而生。所谓多指标综合评价方法，就是把描述评价对象不同方面的多个指标的信息综合起来，并得到一个综合指标，由此对评价对象做一个整体上的评判，并进行横向或纵向比较。
  而在多指标评价体系中，由于各评价指标的性质不同，通常具有不同的量纲和数量级。当各指标间的水平相差很大时，如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。因此，为了保证结果的可靠性，需要对原始指标数据进行标准化处理。

小例子(来源见附录)：
假设对3名新生婴儿体重（5，6，7）和3名成年人的体重（150，151，152）差异的大小进行对比分析，从表面上看，两组人员的平均差异均为1斤，由此便得出两组人员的体重差异程度相同显然是不合适，因为两者的体重水平不在同一等级上，即量纲不同；