呆鸟译Py】这位老师的70个问题,100个数据分析师都想不全

简介:

爱因斯坦曾经说过,“提出问题远比解决问题更重要”,问对了问题,才能清楚前进的方向,方向对了,才会事半功倍。否则越努力,离目标就越远。乔布斯为了进军音乐市场,曾问过能不能把1000首歌装到口袋里,结果大家都知道了,iPod迅速崛起,把随身听市场打得七零八落。

同样,数据分析的目的也是为了解决业务问题、助力市场竞争,因此,在寻找答案之前,请先多问自己一些问题,再开始着手行动,下面就请看看达拉斯这所学校的老师在进行数据分析之前都问了什么问题吧,希望能给各位数据分析师带来启发。

77d4aceba293f203bf87cd803d09944d259a5268

提出问题

通过本次数据分析想知道什么?
要评测和监控哪些内容?
关于数据,有哪些要问的问题?
预期的分析结果是什么样?
为什么这样的数据分析结果很重要?
当前教学大纲的核心关注点是什么?

目前,教学与课程有哪些需要改进的地方?

54d81bcf5b635bc9722b38ae2e89aa11ce958758

组织对话

要回答这些问题需要哪些人配合?
是不是所有参与者都充分理解了本次数据分析的意图?
怎样实现有问有答的数据沟通氛围?
搭建数据决策型教学团队的流程是什么?
数据沟通有哪几种类型?
数据分析流程分几个步骤?
要使用什么样的工具才能让老师专注于数据沟通?
怎样才能让数据沟通的气氛更活跃?
要为老师提供什么样的工具,才能让他们使用数据制定教学方案?

81c08313d92ead90d9e5861df5b400f47c8a1b41
采集数据 需要哪些数据源?
为了更好地完成本次数据分析工作,还需要其它资源吗?
为了监控与评测教学技能与理念,需要采集哪些数据?
这些数据源是否可靠?

还可以从哪里获得更多的数据?

分析数据

怎样汇总和拆分数据?
怎么分析优势和阻碍?
分析的优先级是什么?
哪些反馈与众不同?
哪些问题的反馈正确率很高?
还有什么事情没想到?
通过核查学生数据能够解决哪些关于学生思想和理解力的问题?
采集的数据能否说明学生掌握了哪些技能、知识和理念?哪些没有掌握?
分析学生数据得出的观测与推断是否能被多个数据点和数据源验证?

根据这些数据还能分析出更多有关学生思想和理解力的信息吗?

9b70c958989442200a3a246d48d2eb10a22c595a

解读数据 这些数据都说明了什么问题?
学生最感兴趣的学习需求是什么?
学生觉得哪些问题最难?
哪些教学理念需要特别关注和指导?
能否在沟通反馈中挑出一个能代表特别学有所成的例子?
怎么理解学有所成这个词的概念?
大家是否对学有所成的概念达成了共识?
达到学有所成的程度是什么样子?
如何评定某个学生是否学有所成?
利用数据集能做出怎样的推断和解释?
能做出什么样的初步结论?
哪些重点结论看上去与众不同?
是否能从中找出模式或趋势?
都发现了哪些学习小组的表现?
这些表现给你带来了哪些启发?
这些证据的力度有多强?
数据分析里的数字到底代表什么意思?

学生不能充分理解学习内容的原因有哪些?

采取措施

需要对识别出来的学习需求采取哪些措施?
设定目标:设定目标,评估目标,修正目标
设定的目标是否符合SMART(目标清晰,易于监测,可行性高,相关性高,时效性强)原则
目标清晰:都有哪些学生,分几个小组,学习内容、学习对象及学生期望是什么?
易于监测:是否能使用评估手段进行监测?
可行性高:设定的目标一定要在力所能及的范围之内。
相关性高:所有学习的技能和理念要与课程相关。
时效性强:能持续监测学习过程,能够让老师及时了解各阶段的进展。
为了证实数据分析的结果,还需要探究哪些额外的数据?
老师还需要做什么才能提高学生对课程的掌握程度?

还需要了解其它的内容吗?

d524d4d6fdcd9475af2e78c08808b0e507288302

监控结果

如何监控所采取的措施是否有效?
所有的老师都认同需要帮助学生达成学习目标这一理念吗?
有哪些事情阻碍了学生完成学习目标?
研究结果是否能证明数据分析设定的目标是有效的?
怎么才能证明学生努力学习是因为采取了相应的措施而产生的结果?
如何观测采取措施后10天乃至20天内学生的反应?
如何监控落实改进措施的过程?
数据分析目标的哪些内容与学习直接相关?
怎样才能说服所有老师齐心合力地实现本次数据分析的战略意图?
如果学生的学习效果有所改善,怎么才能知道这是改进措施的成果?
什么时候适合评估学生的学习效果?
若要改进教学还需采集哪些数据?
通过本次数据分析,对于学生的学习问题还有什么新见解?

怎么才能知道改进了的教学大纲对学习产生了积极的效果?


原文发布时间为:2018-10-13

本文作者:呆鸟

本文来自云栖社区合作伙伴“Python爱好者社区”,了解相关信息可以关注“Python爱好者社区”。

相关文章
|
2月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
59 2
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
150 4
|
2月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
72 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
18天前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
20 2
|
1月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
53 5
|
2月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
109 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
65 1
|
2月前
|
数据采集 机器学习/深度学习 搜索推荐
【2023钉钉杯复赛】A题 智能手机用户监测数据分析 Python代码分析
本文介绍了2023钉钉杯复赛A题的智能手机用户监测数据分析,包括数据预处理、特征提取、推荐模型建立与评价的Python代码实现,旨在通过用户使用记录预测APP使用情况并建立推荐系统。
65 0
【2023钉钉杯复赛】A题 智能手机用户监测数据分析 Python代码分析
|
2月前
|
机器学习/深度学习 算法 数据挖掘
【2023 年第二届钉钉杯大学生大数据挑战赛初赛】 初赛 A:智能手机用户监测数据分析 问题一Python代码分析
本文提供了2023年第二届钉钉杯大学生大数据挑战赛初赛A题"智能手机用户监测数据分析"的Python代码分析,包括数据预处理、特征工程、聚类分析等步骤,以及如何使用不同聚类算法进行用户行为分析。
60 0
【2023 年第二届钉钉杯大学生大数据挑战赛初赛】 初赛 A:智能手机用户监测数据分析 问题一Python代码分析

热门文章

最新文章