如何判断对数据是否敏感

① 如何判断一个人对数据是否敏感

告诉一遍他你的电话号码，过几分钟再问问他，如果他还记得就是敏感

② 面试数据分析师看重哪些方面

1、考察对数据的敏感度

面试的时候，数据部门经理问一些生活中的数据的问题，一个优秀的数据分析师对数据有很强的敏感度，生活中常见的数据，你直观的感受往往能反应出你的资质。

2、数学基本概念和统计学方法

遇到的有排列组合的问题的，还有指数衰减的定义等等。或者直接给一个问题或者数据，问问你打算用什么样的方法怎样去分析。在给你数据的时候，一定要记得说数据预处理!这一点非常重要，这样会让人觉得你的回答逻辑清楚，有条有理。如果想从事与数据科学相关的岗位，需要学习的数据知识可以参考成都加米谷大数据培训机构的：想从事数据科学相关岗位，这些数学基础“必备”。

3、编程能力

你一定要有自己熟练的软件，常问的问题是，你一般用excel干什么，常用的函数有哪些，你是否用过数据透视表，是够用过宏，你平时多久用一次R，你是否用过或了解过并行等等关于软件的问题。在面试小公司时，HR会可能直接给你一个数据进行数据分析，题目一般给的都不太难。

③ 怎么提高敏感度最有效的方法（5招训练你的数据敏感度）

真正的数岩袜据分析大神是怎样的？有人说能轻松玩转各种分析工具，有人说能从海量数据中找到关联，有人说能一眼识别出报告中的数据异常，还有人说能够撰写一份经典的数据分析报告。

其实对于一个数据大神，这些都是必备技能，要想练就这样的十八般武艺，最重要的就是提高自己的数据敏感度。

所谓数据敏感度，就是善于洞察数据和业务间的联系，一个优秀的数据分析师，总能快速洞察出数据背后的问题和对业务的指导意义。

如果这家餐厅也做外卖，那么给他一个复购率的数据，就能很快判断出菜品的竞争力，给他一个订单量的趋势变化图，就能很快判断出门店经营中可能存在的问题。

做到这种程度需要大量的经验积累和可以训练，那么作为一个数据分析师，怎么刻意训练自己的数据敏感度呢？本文提出了5种方法，希望对你有所帮助。

熟悉行业和业务

做数据分析时，洞察数据必须结合业务，提高数据敏感度的基础就是需要对业务有深刻的认识。

从纵向看，需要熟悉自家业务的历史数据和发展趋势，从横向看，需要熟记同行业各指标平均水平和重要竞争对手的重要数据。

注意，这里所说的熟悉不仅仅停留在报表上，还要多深入一线和业务人员多交流，对每一项数据背后的含义加深理解。

做到什么程度呢，比如，拿到公司业务的一个数据，就要迅速判断出是否存在异常，以及在行业中处于的水平，还要衡量提高该项数据的投入产出比。

除了对业务的了解，我们在日常生活中，也应多积累一些重要的数据和规律，比如人才离职率、各区域的地租价格、各行业各地区平均薪资、各行业利润率、各行业的关键指标和基本规律，对于我们更全面分析业务是有价值的。

提高记忆能力

对于常常跟数据打交道的人，记忆各种各样的行业和业务数据是必然要求，但每个人记忆力有好坏之分，这里介绍一些帮助提高记忆能力的小技巧。

1）通过公式记忆。

比如在电商行业，记住一个【收入=流量*转化率*客单价*复购率】的核心公式，就可以间接记住四个最重要的指标。记住关键指标后，再记对应数据。

对于一般的指标我们只需要记住小数点前的部分，甚至可以把零头去掉记住相近的整数即可。

2）常看报表。

无论是自家还是竞争对手的业务数据，以及行业的分析报告，都是常看常新的，每读一遍都会有新的思考。

3）好记性不如烂笔头。

提高心算能力

优秀的数据分析专家，不会让计算成为快速洞察的障碍，通常都精通心算巧枣消。我建议大家在日常生活中尽量少用计算器，提高心算能力。

提高逻辑推理能力

逻辑推理简单来说就是通过已知推断未知，一个出色的数据分析专家，即便进入一个不熟悉的行业，基于常识也能将商业模式和利润率估算得七七八八。

在公司业务上，数据分析大神们总能通过数据关联的蛛丝马迹，从底层逻辑一点点往上推导，思维严密，得出让人信服的结论。

当然，强大的逻辑推理能力也依靠多年的刻意练习。怎么刻意练习？

在我们以后的推导过程中，要注意两点，一是从底层逻辑出发，二是在推导时不断从各个角度反问自己，直到拿出问不倒的结论。

此外，闭门造车是不妥的，最好的也是最笨的方法是，多去复盘大神们做的数据分析报告，模仿他们的分析思路推导过程，自己再重做一遍。

选对工具很关键

提高数据敏感度，重在透过数据看本质。但很多传统的数据分析工具（如Excel、SQL），一上来就让用户直面密密麻麻的数据，既被枯燥的数据打断思路，影响效率，也不利于我们分析思维的养成。

相比之下，一款专业的数据分析，比如我在用的 FineBI ，就有一套自助分析的流程。当孝知我们要分析杂乱无章的数据时，它不会上来就展示这些枯燥的数据，FineBI会在我们开始分析之前，让我们先思考想要什么，明确目标后选择对应的操作，然后选出相关的指标数据，一步步靠近目标。

抽丝剥茧，FineBI可以引导我们一步步找出关键指标。

数据处理时，我们可以在FineBI的帮助下，抽丝剥茧，洞察数据中的关键指标。

数据敏感度的提升，来源于对业务的各个细节和背后的含义的认识，这是一项长跑运动，并非一朝一夕就能习得。在生活中刻意培养上面这些小习惯，能够帮助我们提高数据敏感度，实现数据分析师到商业分析师的进阶。

④ 什么叫对数据敏感

对数据敏感就是能清楚数据异常背后的原因,这需要经验,也需要你的思考和执行力。

数据敏感度是业务理解力、客户理解力、数据理解力三者的综合结果。很多人误以为数据敏感度只是数据能力强。事实上要对数据敏感，业务理解力、客户理解力、数据理解力，3者缺一不可。因为数据只是对商业行为的客观描述，只有真正懂数据背后的意义，才能解读数据，才能挖掘数据背后的含义，才能形成数据敏感。

看到数据后，能马上思考数据本身的商业意义，有人能快速定位数据背后的原因，并找到机会，有人眼里只是一个数字。对数据的解读基于对数据的理解，对数据的理解则基于对业务、客户、数据的理解。

对数据敏感注意事项

数据的分析最重要的一条原则是基于业务的理解作出价值取向，它往往决定了你的分析框架，如果你重视价值投资，你可能会关注现金流，净资产收益率，市场占有率，毛利率，存货周转率等指标。

如果你重视短期投机，你可能回去关注网络热点，微博热点指数，公司公告，成交量，换手率，KDJ等指标。无论如何，你的价值取向决定了你选取的数据范围。有了框架内的相应关键指标，更进一步地去分析这些指标数据的大小和增速。

⑤ 如何说明自己对数据敏感

对数据敏感就是当你看到一大堆杂乱无章的数据时，你会很有耐心的找出其中的规律所在，不厌其烦，并且乐在其中。

⑥ 什么是数据敏感性怎样提高

数据敏感性是指对某些数据具有一定的辨识能力，并且能针对这些数据看到一些别人意识不到的问题，或者别人意识不到的信息。
各个行业都有各自的数据，所以这些敏感性也是对这些不同的数据而言的。
例如：某财务负责人，看到财务的报表就能对企业的大致情况进行了解，知道这个企业是成长型企业，还是衰退型企业，是健康型企业还是非健康企业，是研发型企业还是生产型企业，这就是数据的敏感性。对于没有财务知识的人，是看不到这些的。
当然，这里所说的数据，不单单是数字，也有可能是文字信息，例如：某红砖生产企业，看到政府有相应的环保政策等，就意识到红砖会涨价，于是加大原材料囤货量，加快生产步伐，生产一大批红砖，之后，价格优势和竞争优势都上来了，就能够大赚一笔。
如果这个企业没有长足的眼光，没有剖析政府政策的能力，没有相应的数据敏感性，那么就赚不了这个钱。

应该不难看出，数据敏感性的提高，是需要对自己所属行业知识和衍生知识的理解，不断学习自己所属行业的专业能力。那么自然而然你的敏感度就来了。

希望能对你有所帮助。