Question

下一步你会怎么做？你拥有很多新技能，并且能够质疑自己的假设和发现的数据。你还有一些 Python 的应用知识，而且很多有用的库触手可及。

如果你对特定的领域或数据集没有热情，你会想要发现新的学习领域，继续你作为一名数据处理者的进程和探索。很多很棒的数据分析师书写了很多激励人心的故事。这里就有一些这样的故事。

· FiveThirtyEight（http://fivethirtyeight.com/），曾是《纽约时报》记者 Nate Silver 的博客，现在是一个拥有众多作家和分析师的站点，研究许多不同的主题。在弗格森大陪审团决定不起诉达伦· 威尔逊后，FiveThirtyEight 发布了一篇文章，显示收入出现了离群现象（https://fivethirtyeight.com/datalab/ferguson-michael-brown-indictment-darren-wilson/）。在一个争议性的话题中，如果有能力展示数据趋势或倾向，将可以帮助我们去除故事中的一些情绪，揭示数据真正想要诉说的东西。

· 《华盛顿邮报》的一项关于收入差距的研究（https://www.washingtonpost.com/news/wonk/wp/2014/11/04/affirmative-action-for-rich-kids-getting-a-job-at-dads-company/?utm_term=.80495391806a）使用税收和人口普查数据得出结论：在择业和初始薪水方面“老同学关系网”（ol'boy network）依然存在，但是在得到第一份工作后，这些关系网通常会弱化或者消失。

· 我们已经研究了非洲雇用童工的组织带来的一些影响，包括挖掘冲突矿产。国际特赦组织（Amnesty International）和全球见证（Global Witness）（http://www.bbc.com/news/business-32403315）近日的一个报道发现，大多数美国公司没有充分检查供应链，来确保没有使用冲突矿产。

这个世界还有数不清的未讲述的故事。如果你有激情或信念，很可能你的观点和数据处理技术可以帮助人们和社区。如果你没有激情，我们鼓励你通过跟进新闻、文档和网络上的数据分析，不断地学习。

无论你的兴趣是什么，都有无限的可能性去深入学习和掌握本书中介绍的概念。任何最能激发你兴趣的事情，就是未来学习的最好途径。我们希望这本书只是你数据处理者生涯的一个起点。