今天给大家推荐一位在BAT任职的数据大神

木东居士

资深数据挖掘工程师

在大数据、数据仓库和数据挖掘领域有很深的造诣

居士从13年开始就坚持原创技术文章，目前已创建了个人公众号木东居士，跟读者分享他对数据的理解以及工作中的经验和想法，尤为不易的是公众号文章皆为原创，且能够做到每周稳定更新。至今已有100多篇原创文章，内容以数据科学为主，包含大数据、数据仓库、数据挖掘等多个系列，很多文章被各大公众号转载！

居士也会定期组织各种数据科学学习小组，带着大家一起进步和成长，目前已经组织了6期，大家可以关注居士，获取学习小组的信息。

下面取自一些文章当中的内容：

《数据分析师做成了提数工程师，该如何破局？》

除了数据分析师之外，数据仓库和数据开发同学都会面临类似的困境，在很多分工不明确的公司中，提数需求是可以落在任意的数据同学身上，不同的是各个角色解决该问题的角度是不同的。简单来讲：

1. 数据分析师：更多地要去深入到业务的需求中去，帮助产品、运营或者老板思考，通过更多的思考来帮助需求方设计更好的分析思路

2.数据仓库工程师：数仓同学的侧重点更多地在数据模型的设计，设计出更灵活的数据模型来支持多样性的分析提取需求

3.数据开发工程师：开发同学则可以更多地侧重于工具的建设，比如OLAP系统的建设，自助分析工具的建设等等（剩余精彩内容可直接戳公众号原文阅读）

还有更多精彩内容：

数据埋点系列：

《七天数据埋点之旅》指引篇

《七天数据埋点之旅》第一天：初识埋点

《七天数据埋点之旅》第二天：埋点之前

《七天数据埋点之旅》第三天 埋点设计（上）

《七天数据埋点之旅》第四天 埋点设计（下）

《七天数据埋点之旅》第五天 埋点注意事项

《七天数据埋点之旅》第六天 埋点管理和验收

《七天数据埋点之旅》第七天 埋点实战

数据仓库系列：

数据质量监控

漫谈数据仓库和范式

一种通用的数据仓库分层方法

闲聊数据库和数据仓库的区别

如何设计可落地执行表命名规范

数据仓库实践之业务数据矩阵的设计

警惕，导致数据仓库失败的六大原因！你占了几条？

数据挖掘系列：

数据挖掘面试题之：朴素贝叶斯

数据挖掘面试题之：生成模型 VS 判别模型

数据挖掘知识点串烧：SVM

特征工程系列：数据清洗

特征工程系列：特征筛选的原理与实现（上）

特征工程系列：特征筛选的原理与实现（下）

特征工程系列：特征预处理（上）

特征工程系列：特征预处理（下）

数据可视化系列：

《七天数据可视化之旅》第一天 数据可视化过程

《七天数据可视化之旅》第二天：数据图表的选择(上)

《七天数据可视化之旅》第三天：数据图表的选择(中)

《七天数据可视化之旅》第四天：数据图表的选择(下)

《七天数据可视化之旅》第五天：常用图表对比

《七天数据可视化之旅》第六天：提升可视化效果的Tips

数据思考系列：

数据团队思考：数据人的通用技能要求

数据团队思考：数据驱动业务，比技术更重要的是思维的转变

算法工程师应该具备哪些工程能力

当我们谈“业务”的时候，我们在谈些什么

数据分析师做成了提数工程师，该如何破局？

数据分析没前途？该不该转运营？

数据科学家学习小组系列

这些学习小组都是围绕数据科学领域，以带着大家学习为出发点，组织大家一起学习、总结和成长，后续会逐步组织：深度学习、Python、Sql、项目管理等一系列的小组，也欢迎大家关注和参加。如下是数据科学全景图，以及在进行的学习小组说明。

【数据科学家学习小组】统计学（第一期）

【数据科学家学习小组】统计学（第二期）

【数据科学家学习小组】机器学习（第一期）

【数据科学家学习小组】数据可视化（第一期）

【数据科学家学习小组】数据埋点（第一期）

【数据科学家学习小组】论文阅读（第一期）：https://github.com/dantezhao/paper-notes

现在关注他

还有机会添加他的个人微信号

进行一对一的交流！

坑位有限(微信号有5千人的限制)，大家抓紧啦！

话不多说，戳关注大佬！