热天

这个夏天晚上开空调的时间,大概是往年的若干倍了。以往跟人闲聊时,说到夏天的热,总是玩笑说经历了武汉顶楼没有空调的那几年,再没有觉得太热的夏天了。

果然人生海海,未知还在前方啊。

每每热到不想出门,看到炎阳下花开正艳的三角梅太阳花,暴晒下不仅努力地活着,还开出绚烂的花。即使吃力如月季蓝盆花,哪怕只能开出小小的几朵,也在尽力绽放。身为它们的主人又有什么理由不努力的呢?

窗台上的一叶莲,每天一到三朵,娇柔地舒展开来,清雅纤美。可惜现在的手机,没法拍出它的美。

说到手机的拍照功能,被惯性思维害惨的人生教训啊。从iPhone一路换上来,谁曾想13的功能反倒不如11呢。

有时候感觉自己需要一段去往远方的旅行来重启当下的生活,却囿于疫情铺天盖地的影响,只能作罢。宫崎骏若干年前的某部电影,有种奇怪的现实感了。

最近瑜伽颇有心得,大概是又更深一层地理解了呼吸的缘故。无论动作难度如何,保持呼吸的节奏,并用呼吸检查和帮助动作一点点地加强——简单又有效。在一呼一吸之间保持,又在一呼一吸之间进步。

联想到另一个领域,大概可以用同样的思路去解决冒出来的急躁。

开始时庆幸自己英文阅读的功底还好,与另一边国内的流程对照着来,框架和细节都饱满又能相辅相成地同时推进两个项目,事倍功半的感觉。当节奏越来越快,需要review的越来越多的时候,心底里忍不住着急地想,要是能够像母语一样地使用英语,应该可以轻松好多。

如同瑜伽的练习一样,期望高阶体式是好的,但必须得根据自己的水平,投入时间在一呼一吸里渐渐提升。

奢望不成,幻想也不成。

书到用时方恨少倒是真的,碎片时间多看书,不要满足于过程,成chunk才是重点。

悲喜

早上打开电脑……Coursera又看不了视频了!之前的流程走了三遍,索性连图片也不显示了……

心底略怅然。倒不是开始自费的缘故。原计划两个半月完成的8个course,艰难了。

幸好最后在备用机上勉强解决,只还是牺牲了一点效率。——这算是万幸的欣喜了。

且珍惜。

chunk这两天如下。

  1. 结构化思维和知识框架非常非常重要:structured thinking、framework
  2. 使用数据对未来的情况做出明智的决策——做出预测
    根据共同特征对数据进行分组——对事物进行分类
    识别与标准不同的数据——发现不寻常的东西
    从分类数据中识别更广泛的概念和趋势——识别主题
    识别不同实体之间的相似挑战,并使用数据和洞察力找到共同的解决方案——发现联系
    使用关于过去发生的事情的历史数据来了解它再次发生的可能性——寻找模式
  3. SMART:specific, measurable, action-oriented, relevant and time-bound
    +fairness
  4. Some common topics for questions:
    • Objectives目标:深潜的目标是什么?本次预计会回答哪些问题?
    • Audience受众:谁是利益相关者?谁对这次的结果感兴趣或担心?展示的观众是谁?
    • Time时间:完成的时间范围是什么?这需要在什么日期之前完成?
    • Resources资源:有哪些资源可用于完成深入研究的目标?
    • Security安全性:谁应该有权访问信息?
  5. 项目何时到期?是否有任何具体的挑战需要牢记?谁是这个项目的主要利益相关者,他们希望这个项目能为他们做什么?将结果呈现给谁?

GDA笔记:数据的生命周期

关于数据生命周期的理论,有很多不同的版本。每个组织或者机构都可以根据自身业务或发展的需要,科学地下定义。

Google Data Analytics的定义是:plan计划、capture获取、manage管理、analyze分析、archive归档和destroy销毁。

学习到这一段时,感觉兜了一圈,又回到了自己大学的major。

计划,实际上发生在开始分析项目之前。在规划期间,企业决定它需要什么样的数据、如何在其整个生命周期中对其进行管理、谁将负责它以及最佳产出。例如,假设一家电力供应商想要深入了解如何为人们节省能源。在规划阶段,他们可能会决定获取客户每年使用多少电量、正在为哪些类型的建筑物供电以及正在为其中的哪些类型的设备供电的信息。电力公司还将决定哪些团队成员将负责收集、存储和共享这些数据。所有这些都发生在规划期间,它有助于设置项目的其余部分。

捕获数据,是从各种不同来源收集数据并将其带入组织。一种常见的是从外部资源获取数据。例如,如果你正在对天气模式进行数据分析,可能会从国家气候数据中心等公开可用的数据集中获取数据;另一种获取数据的方法是从公司自己的文档和文件中获取数据,这些文档和文件通常存储在数据库中。数据库是存储在计算机系统中的数据集合。以我们的电力供应商为例,该企业可能会在其拥有的数据库中衡量其客户之间的数据使用情况。维护客户信息数据库时,确保数据完整性、可信度和隐私都是重要的问题。

在这里谈论的管理是如何关心我们的数据、数据的存储方式和存储位置、用于确保数据安全的工具以及为确保数据得到正确维护而采取的措施。这个阶段对数据清理非常重要。

接下来是分析数据。这就是数据分析师真正闪耀的地方。在此阶段,数据用于解决问题、做出重大决策和支持业务目标。例如,我们电力公司的目标之一可能是找到帮助客户节约能源的方法。

存档意味着将数据存储在仍然可用但可能不会再次使用的地方。在分析过程中,分析师处理大量数据。你能想象如果我们必须对所有可用的数据进行分类,即使它不再有用并且与我们的工作相关吗?将其存档比保留它更有意义。

最后,数据生命周期的最后一步,销毁阶段。回到电力供应商示例。他们会将数据存储在多个硬盘上。为了销毁它,该公司将使用安全的数据擦除软件。如果有任何纸质文件,它们也会被粉碎。这对于保护公司的私人信息以及有关其客户的私人数据非常重要。

Chunk的习惯

前段时间整理工作电脑,深感自己在工作和学习中缺乏组块的习惯。

Barbara Oakley老师在教如何学习的时候说,学习要形成组块,Chunks are pieces of information。

整理自己的工作文档,发现这五年的时间里,有很多的想法和实践,组块和提炼的却很少。

真的要沉下去做事情,浮上来看世界啊!好多的方法论都是相通的。

就像练书法,颜真卿的《多宝塔》,也要把诸多的竖笔画,chunk成垂露、悬针和短中三种,记住了三种起笔和用力形态,就记住了每一个竖笔的写法。

所有的经验,形成了组块,才能成为继续往上进步的阶梯啊。

时间不应该是问题,就像海绵里的水,挤一下总会有的。

从周chunk+月chunk开始,PDCA。

加油。

CFE复习笔记

(依然被封闭的此刻,希望将来有机会到巴塞罗那去实地参观下IESE)

Corporate Finance Essentials开篇讲风险和汇报,因为其本质就是公司和投资者之间的关系。

arithmetic mean return ≥ geometric mean return(GEOMEAN函数,Ctrl+Shift+Enter)

税盾效应TAX SHIELD,即债务成本(利息)在税前支付,而股权成本(利润)在税后支付,因此企业如果要向股东支付和债权人相同的回报,实际需要生产更多的利润。比如,企业所得税率30%,利率10%。企业为向债权人支付100元利息,由于利息在税前支付,则企业只需产生100元税前利润即可 (若企业完全是贷款投资);但如果要向股东支付100元投资回报,则需产生100/(1一30%)=143元的税前利润 (若企业完全为股权投资)。因此“税盾作用”使企业贷款融资相比股权融资更为便宜。

EBIT:Earnings Before Interest and Tax息税前利润

无风险收益率(Risk-free rate of return) 是指把资金投资于一个没有任何风险的投资对象所能得到的收益率。 在国际上,一般采用短期国债收益率来作为市场无风险收益率。

MRP:市场风险溢价Market Risk Premium,又称为股权风险溢价或者市场风险回报率,指市场投资组合的收益率与无风险收益率的差额,用来衡量投资者由于承担风险而获得的报酬率。

贝塔系数:基金投资组合净值的波动大于全体市场的波动幅度,则β系数大于1,β系数越大代表波动越激烈,风险越高。无需计算,直接财经数据库取值。

WACC :Weighted Average Cost of Capital加权平均资本成本=Xd(1-T)*Rd+Xe*Re

NPV :The Net Present Value净现值,excel直接算

IRR :The Internal Rate of Return内部收益率,excel直接算

有空再继续……