曾经在社交网络上看到一条动态，是这么写的：



用了两天 Metabase 的感受是：



如果 Excel 是 BI 的冷兵器，mb 就是核武器。绝大部分人连 excel 都不用好，但 mb 比 Excel 门槛低 10 倍，效率却高 100 倍。毫不夸张。



数据分析型的”数据科学家“这个职位岌岌可危，因为现在数据分析的成本是如此的低。



我觉得这段话还是夸张了，因为作者把自己的心态、技能和场景代入了这段话里，给人的感觉是用 Metabase 做出有价值的数据分析非常容易，数据分析型的职位要失业了，人人都能做数据分析了嘛。真的是这样么？



先说一下 Metabase，这是一个免费开源的轻量级数据分析工具，数据分析人员通过建立查询 —— Metabase 定义为 Question —— 提炼数据，然后通过仪表盘展示给目标人员，比如业务人员、产品经理或者自己看。Metabase 的官方定义是：Metabase is the easy, open source way for everyone in your company to ask questions and learn from data.



你看，是不是很简单，这个软件甚至不要求你会写 SQL，对于喜欢学习和钻研的用户来说，简直就是零门槛啊。但是，门槛外的大部分人，会感觉前面就是座山，我 Excel 都用不利索，你让我用 Metabase？还要连数据库。数据库的表和字段我都分不清楚，什么是查询，什么是 Question？Metabase 还需要安装和配置吧，太麻烦了。所以，即便眼前是座金山，大部分都会选择视而不见。



前几天有位用户在部落里抱怨，说以前学完的课程现在遇到某块知识点模糊了，想再看看，却很难找到原来那篇文章了，希望能提供全文搜索的功能。



极客时间的全文搜索提供了多久呢？八个月。App 和 Web 都提供了搜索功能，所以我回复说，你只要记得那个知识点的关键字，使用只搜索已购课程的功能，就能很容易找到相关文章。结果另一个用户说，可以提供全部搜索功能啊，这样我搜到了不能看还有可能买呢。



事实上极客时间的搜索可以搜课程、文章、每日一课和用户，全部搜索是默认功能。不仅如此，为了避免用户为了某个知识点而为整个专栏付费，我们还提供了任意试读几篇的功能。可以这么说，如果不是系统学习，在极客时间搜索到的文章几乎都可以免费阅读。极客时间提供的是个线上图书馆的功能，注册用户可以随时翻阅，也可以付费系统学习。



对于大部分用户来说，这也座金山，但至少这两位用户都没发现。而这样的功能就在最显眼的地方，但凡有一点点探索精神都能找到。当然，我们可以提供更方便的专栏内搜索，文章页内搜索，但那么大的搜索入口都看不到，这样的功能有了，也只是有学习能力的人才会用到吧。



很多人机械到不愿意往前走一步，只看到自己脚下的一亩三分地，即便是这么点地方，也会懒得耕耘。



我知识星球里还有一个用户，属于另外一种类型，他从 2016 年制定了 10000 小时学习计划，准备学学人工智能，现在已经进行到了 4700 小时。他学习了数理统计，随机过程，运筹学，数值分析，复变函数等等。并学了一些博士阶段的数学课程，比如 MIT 的工程数学方法2 18.086这门课。他对学习的总结是：



像线性代数，我以为没什么难度，原来往深处学也能非常难。到后面要理解一些定理是怎么证明的，往往原文一句话要花好几小时。这就有点艰难了。



学数学有点像爬山，一开始复习高中数学时，就好象一开始走的是景区的平地，很轻松。



学高数，线性代数，离散数学，概率统计的时候觉得数学也没什么难的，就好象开始爬坡的台阶山路。



学数学分析，抽象代数，微分方程的时候，觉得不是什么都能弄懂了，但也还行。就好象户外走山上野路。



学到实变函数，数理统计，随机过程，泛函分析这些内容时，觉得这也太难了吧，很多东西一开始学不懂，需要学两三遍才能理解。这就好像要手脚并用爬陡坡，一开始觉得很难爬，爬了也还能接受。



再往下学，感觉就像攀岩一样，几乎是垂直的了。每往上走一步都很费力。经常学一天也没弄懂，让人很烦躁。



这就是一个深度学习者的学习历程，同时他还制定了 2020 年的学习计划。by the way，这位读者还是个文科生。



我给他的建议是尽可能制定一个明确的目标，而不是学学人工智能这么宽泛的指代，并且争取参与到实际的项目中去，否则就有点为了学习而学习。固然朝闻道夕死可矣，但是怀里抱着金山，但不知道怎么用，也是有点可惜。



你的年度学习计划出炉了吗？希望你找到自己的金山。