Cameron White 是 Fruit of the Loom 数据科学团队的一名分析师，同时也是 DataCamp 的一位XP 百万富翁。他的 LinkedIn 自豪地写道：“完成 200 多门课程、10,000 多道练习、超过一百万 XP，并几乎完成了 DataCamp 上的所有技能路径和职业路径。”
他还是一个有年幼儿子的忙碌单亲父亲，时间对他而言是最宝贵的资源。
借助 DataCamp 精通数据
如今，Cameron 精通 Python 和 R，能够熟练完成从 ETL 到时间序列建模、文本分析等诸多数据科学任务。但五年前并非如此。当时他刚完成数学与统计学学士课程，大学阶段的学习多为理论，只有少数应用统计课程。他在 Fruit of the Loom 获得了实习机会，随后转为新成立的数据科学团队的全职员工。问题在于？他并不知道数据科学家实际会做哪些任务，以及如何完成这些任务。
我清楚地记得收到录用通知时第一次听到“数据科学家”这个词，但当时我根本不知道这究竟意味着什么。
为在 Fruit of the Loom 的角色做准备，Cameron 寻找能快速提升数据科学技能的在线平台。他尝试过我们的某个竞争对手，但发现他们的课程“并不符合[他]作为学生的需求”。他在 2015 年发现了 DataCamp，并几乎立刻被我们“做中学”的方式吸引。
我喜欢在 DataCamp 上可以按照自己的节奏学习。
Cameron 认可 DataCamp 平台的灵活性，它让他在桌面端和移动端都能获得顺畅的学习体验。他可以在日程中出现 30 分钟空档时方便地学习，例如把儿子哄睡之后。他也很喜欢我们的视频内容，觉得它们“很短，但很有用”。
他同样认可我们教学的质量——我们只与数据科学领域的顶尖专家合作，其中一些人正积极创建和维护 Cameron 每天都会用到的工具和包。
很多课程就是由包的作者亲自授课！还有谁能比包的作者更适合当老师呢？
在 DataCamp 学习对业务的影响
Cameron 努力每天抽出一小时在 DataCamp 学习，他也能将所学直接应用到工作中，“很多次都是这样，有时甚至是第二天就用上！”
例如，在学习我们的 R 课程之前，他从未听说过 Tidyverse，而如今，他的团队“几乎每天、几乎在每个项目上”都在使用整洁数据原则。他还在各种价格建模场景中运用了 DataCamp 所教授的多种建模方法。
在学习了用 dplyr 进行 R 数据操作之后，Cameron 的性能得到了巨大提升，无论是在处理大型数据集的时间上，还是在编码时间上。这些技能很容易落地，他也热情地与同事分享所学，帮助在内部推动对 R 和 dplyr 的热情。
他参与的一个重要项目是与 Microsoft 合作的预测分析项目。他们发现，在六天内气温下降 12 华氏度会直接激励大量消费者购买冷天气服装。这些发现使他们能够主动为供应链做好准备，以满足不同地域的需求，并优化 Fruit of the Loom 抓绒等冷天气产品的销售。在这个项目中，Cameron 和团队应用了 DataCamp 课程中关于 SQL、在 R 中导入与清洗数据，以及高级建模的诸多知识。
借助 DataCamp 节省 196 个工作日
DataCamp 对 Cameron 工作的影响是巨大的。让我们看看在 DataCamp 学习四年后，他自述究竟节省了多少时间。
- Cameron 每年工作约 200 天，四年约 800 天。在这 800 天中，他估计大约 20% 的时间用于主动编码，总计 160 个工作日（或 1,280 个工作小时）。
- 在主动编码时间中，他估计大约 40%（即 512 小时）用于探索性数据分析，而这部分因在 DataCamp 学到的 Tidy 概念而加速。在这 512 小时中，他认为采用 Tidy 原则大约节省了一半的时间。
- 在 Cameron 其余 60% 的时间里，大约有 10% 用于帮助他人解答编码问题——自从团队开始使用 DataCamp 以来，这一比例大幅下降。
- Cameron 估计剩下的时间，接近 700 小时，花在更高级的工作上，比如运用我们关于 caret 包课程中的概念进行建模、制作 Shiny 应用，或从网络抓取数据。他特别感谢 Colin Gillespie 的高效 R 代码编写课程，这门课对提升他的运行时效率帮助巨大。
- 基于 Cameron 的粗略估算，他每年在直接编码上获得了675 小时的效率提升。这还不包括在非编码阶段（例如团队首次规划项目时）大幅节省的时间。在这一阶段，DataCamp 上学到的新方法带来了显著提速。他估计自己节省了 70% 的时间，约为896 小时。
总计而言，过去四年里，Cameron 估计节省了1,571 个工作小时，即 196 个工作日！正如本文开头所说，时间是 Cameron 最宝贵的资源——而他非常善于将其最大化利用。
DataCamp 如何促进协作
Cameron 的团队充分利用他们的 DataCamp 订阅，在工作中的空档时间学习新主题。他们颇具竞争性，有时还会在 DataCamp XP 上相互挑战，这有助于“让学习保持趣味”。
此外，团队每年都有完成一定培训时长的正式目标，他们主要通过 DataCamp 来实现。
从我们在站点上不断发现的新方法、新算法和新流程的数量来看，团队的成长十分明显。
帮助团队规划迈向数据流利的旅程
对 Cameron 而言，开启数据科学职业生涯最困难的部分是知道从哪里开始、将精力聚焦在哪里。他认为 DataCamp 通过我们的技能路径和职业路径在引导学习方面做得非常出色。
数据科学是一条极具吸引力、充满乐趣且回报丰厚的职业道路，而 DataCamp 的平台极大地帮助我在这一领域取得成功。
了解更多 Cameron 的数据流利之旅，并在 LinkedIn 和 Twitter 上与他联系。
若要评估 DataCamp 如何帮助您的团队掌握数据科学与分析，请访问 datacamp.com/business 或预约平台演示。
Cameron White 是 Fruit of the Loom 数据科学团队的一名分析师，同时也是 DataCamp 的一位XP 百万富翁。他的 LinkedIn 自豪地写道：“完成 200 多门课程、10,000 多道练习、超过一百万 XP，并几乎完成了 DataCamp 上的所有技能路径和职业路径。”
他还是一个有年幼儿子的忙碌单亲父亲，时间对他而言是最宝贵的资源。
借助 DataCamp 精通数据
如今，Cameron 精通 Python 和 R，能够熟练完成从 ETL 到时间序列建模、文本分析等诸多数据科学任务。但五年前并非如此。当时他刚完成数学与统计学学士课程，大学阶段的学习多为理论，只有少数应用统计课程。他在 Fruit of the Loom 获得了实习机会，随后转为新成立的数据科学团队的全职员工。问题在于？他并不知道数据科学家实际会做哪些任务，以及如何完成这些任务。
为在 Fruit of the Loom 的角色做准备，Cameron 寻找能快速提升数据科学技能的在线平台。他尝试过我们的某个竞争对手，但发现他们的课程“并不符合[他]作为学生的需求”。他在 2015 年发现了 DataCamp，并几乎立刻被我们“做中学”的方式吸引。
Cameron 认可 DataCamp 平台的灵活性，它让他在桌面端和移动端都能获得顺畅的学习体验。他可以在日程中出现 30 分钟空档时方便地学习，例如把儿子哄睡之后。他也很喜欢我们的视频内容，觉得它们“很短，但很有用”。
他同样认可我们教学的质量——我们只与数据科学领域的顶尖专家合作，其中一些人正积极创建和维护 Cameron 每天都会用到的工具和包。
在 DataCamp 学习对业务的影响
Cameron 努力每天抽出一小时在 DataCamp 学习，他也能将所学直接应用到工作中，“很多次都是这样，有时甚至是第二天就用上！”
例如，在学习我们的 R 课程之前，他从未听说过 Tidyverse，而如今，他的团队“几乎每天、几乎在每个项目上”都在使用整洁数据原则。他还在各种价格建模场景中运用了 DataCamp 所教授的多种建模方法。
在学习了用 dplyr 进行 R 数据操作之后，Cameron 的性能得到了巨大提升，无论是在处理大型数据集的时间上，还是在编码时间上。这些技能很容易落地，他也热情地与同事分享所学，帮助在内部推动对 R 和 dplyr 的热情。
他参与的一个重要项目是与 Microsoft 合作的预测分析项目。他们发现，在六天内气温下降 12 华氏度会直接激励大量消费者购买冷天气服装。这些发现使他们能够主动为供应链做好准备，以满足不同地域的需求，并优化 Fruit of the Loom 抓绒等冷天气产品的销售。在这个项目中，Cameron 和团队应用了 DataCamp 课程中关于 SQL、在 R 中导入与清洗数据，以及高级建模的诸多知识。
借助 DataCamp 节省 196 个工作日
DataCamp 对 Cameron 工作的影响是巨大的。让我们看看在 DataCamp 学习四年后，他自述究竟节省了多少时间。
总计而言，过去四年里，Cameron 估计节省了1,571 个工作小时，即 196 个工作日！正如本文开头所说，时间是 Cameron 最宝贵的资源——而他非常善于将其最大化利用。
DataCamp 如何促进协作
Cameron 的团队充分利用他们的 DataCamp 订阅，在工作中的空档时间学习新主题。他们颇具竞争性，有时还会在 DataCamp XP 上相互挑战，这有助于“让学习保持趣味”。
此外，团队每年都有完成一定培训时长的正式目标，他们主要通过 DataCamp 来实现。
帮助团队规划迈向数据流利的旅程
对 Cameron 而言，开启数据科学职业生涯最困难的部分是知道从哪里开始、将精力聚焦在哪里。他认为 DataCamp 通过我们的技能路径和职业路径在引导学习方面做得非常出色。
了解更多 Cameron 的数据流利之旅，并在 LinkedIn 和 Twitter 上与他联系。
若要评估 DataCamp 如何帮助您的团队掌握数据科学与分析，请访问 datacamp.com/business 或预约平台演示。