架构师的信仰系列文章，主要介绍我对系统架构的理解，从我的视角描述各种软件应用系统的架构设计思想和实现思路。
从程序员开始，到架构师一路走来，经历过太多的系统和应用。做过手机游戏，写过编程工具；做过大型Web应用系统，写过公司内部CRM；做过SOA的系统集成，写过基于Hadoop的大数据工具；做过外包，做过电商，做过团购，做过支付，做过SNS，也做过移动SNS。以前只用Java，然后学了PHP，现在用R和Javascript。最后跳出IT圈，进入金融圈，研发量化交易软件。
架构设计就是定义一套完整的程序规范，坚持架构师的信仰，做自己想做的东西。
关于作者：
- 张丹，数据分析师/程序员/Quant: R,Java,Nodejs
- blog: http://blog.fens.me
- email: bsspirit@gmail.com
转载请注明出处：
http://blog.fens.me/data-analysis-goal/
前言
数据分析核心要解决业务问题，通过数据发现规律，驱动业务创新发展。那么如何确定一个核心的分析目标就变得尤为重要，如果目标找的不对，那么就会一直原地打转。花费了无数时间，也不过是徒劳。
目录
- 如何设定分析目标
- 目标分解
- 人是最核心的
1. 如何设定分析目标
设定数据分析目标，是为了能让数据能更好的落地。那么在设计目标前，需要先理解数据落地是什么，请参考文章怎么理解数据分析落地。
如何设定分析目标？首先，需要与业务团队紧密合作，了解他们的需求和目标。确保数据分析的目标与实际业务目标紧密相关，以便分析结果能够为业务决策提供有意义的指导。然后，具体定义需要解决的分析问题。问题应具体明确，具备可操作性。
目标，最好是一句话能说明白，到底要做什么，能达到什么样的结果。
在不同场景下，我们定义的分析目标是不一样的。
- 量化投资，通过程序算法可直接变现。
- 电商商品推荐，增加客户购买效率。
- 地图导航：帮助用户规划路线
- 风险识别：精准发现风险问题
- 医疗影像识别：给出辅助诊断结果
- 自动驾驶：帮助用户自动开车
在每个生活的领域中，都已经存在大量的数据分析的案例。
那么，在你做的数据分析的工作，你能用一句话说清楚吗，数据分析到底是为了什么？这个点上，大家通常都是迷茫的。可能是为了发论文，可能是领导布置的工作，可能是照搬之前形成的模板…
所以怎么把思路改变，怎么能让工作变得有意义，就需要从定义一个好的目标开始。然后，命中靶心！
2. 目标分解
目标一定是明确的，通过目标分解，可以把一个宏大目标分解成多少小的目标来执行，最终实现最初的目标。
量化投资，通过程序算法可直接变现，以一个金融市场交易策略来举例。
我们要达成 “通过程序算法可直接变现” 的目标，就需要把目标进行分解，变成可操作的任务。从而把一个大的抽象的目标，变成多个小的更具体的目标。
- 设定目标：在金融市场上，分析关税对于大宗商品的影响，从而进行期货交易实现套利。
- 定义逻辑和输出结果：分析受到关税影响的商品，以及进出口的变化，结合期货市场的价格和持仓，找到合适的交易买卖点，生成交易信号。
- 技术方法：以均线策略和布林线策略为核心，结合基本面的关税数据，通过R语言编写程序，计算出交易信号。
- 回测验证：把交易信号放到回测程序中，通过历史数据验证交易是否赚钱，计算收益率，夏普率，胜率等指标，买卖滑点，资金容量等
- 实盘验证：金融白银的投入到策略中，策略出什么信号，就买什么票，直到实现盈利。
然后，再近一步拆解，拆成更细粒度的，通过数据能体现的。
- 采集国内期货市场数据，取1分钟周期的数据，提取数据字段包括交易时间、开高低收价格、持仓量、交易金额。
- 以跨期交易为核心统计套利思路，叠加关税变化在相同商品，不同合约的影响，找到变化大小的规律。
- 以均线策略和布林线策略为核心，结合基本面的关税数据，计算出交易信号，并考虑手续费、滑点等影响因素。
- 构建回测功能函数，支持按手交易，或者按资金体量交易，能够进行收益率，夏普率，胜率等指标计算。
通过一层一层的分析，在我们梳理业务逻辑并结合数据，就可以把最初的目标，逐步分解成可执行小任务小目标，从而完成整个项目方案。
当然，对于新的数据分析方向来说，你可能不清楚怎么分解更合理，这需求大量来补充行业经验和知识。人的经验很重要。
3. 人是最核心的
数据分析核心要解决业务问题，通过数据发现规律，为业务服务，产生价值，获得收益，从而实现数据落地。
整个一套流程下来人是最核心的。人需要理解业务，人需要发现规律，人需要把业务和数据连接，人需要编写逻辑程序，人需要验证逻辑，人需要验证价值。
大模型虽然可以辅助人来做其中的一部分或者多部分工作，但是还远远达不到人的能力水平。每个都是个性化的个体，有着不是生长环境，不同的工作经历，掌握不同专业技能，因此我们每个看待同一件事情的角度，都是不一样的。这种不一样的东西，才是创新的原动力。
希望每一位数据分析师，都能发挥出自己的聪明才智，实现自己的目标突破，完成数据落地。
