在我来到这门课之前，我以为这门课学习的是各种数据分析的算法。但是当我来到这门课的时候，我发现这门课比起理科更像是一门哲学课。不同于传统理科，我对于这门课的感受是我只学习到了概念性的理解。这在我之前所上过的所有课程中都是没有出现的。比如让我们写选择一个V或者字母来解释BDA，我在想这明明就是英语课啊。在那个作业中我学到的最显著的内容是，BDA作为服务于商业的一门学问，其过程并非重要。所有人都看中一件事的结果，如果没有结果做任何事情都没用。这已经代入了哲学的思考。我当时的观点是如果其研究成本超过收益那就没有必要进行这个数据的收集和分析，因为数据本身没有任何用处。比起学习到BDA的基础知识我认我我学习到的更多还是一些哲学思维，这非常奇妙。它引入了传统学术与商业化思维违背的理论。当然，在经过几个月的学习后对于BDA本身的了解也加强了，如数据庞大，缭乱等等。
如果我能够上完这门课我会想写Final Project。但是现在还没有完成，所以我想应该是BDA vs Stats的那个海报。我虽然学过AP统计学，但我对BDA的了解非常有限。对于BDA我的所有内容都是网络上搜索得到的。不过在经历了这个项目后我确实对BDA在验证和操作方面有了一些认知。虽然不多。
由于我经历课程的时间实在太短，我没有什么可以写的。抛开正常内容不谈我计划在未来利用我自己使用Obsidian的经验帮助Longlong完成它的关于Obsidian的项目。如果说点实在的我作为班级里为数不多学过统计和微积分的人，帮助也比较有限。唯一能说的可能就是我在medium上发布的文章，或者制作的BDA vs Stats的海报。积极参与课堂应该是我最大的一个贡献。
Perceptive
由于我在之前学习过AP统计学，我对于研究一般都采用统计课程中学习到的理论来进行解决。统计学的经典操作是通过随机或者分组采样后对样本进行研究，随后通过推断统计学来推断整体的数据。这通常使用置信区间。不过学习了BDA后我意识到，在数据足够全面时无需采样。虽然具体操作方法还有待学习，但是它给我提供了一个思维方式。当然在BDA的思维上我也会考虑一些统计中的抽样偏差，比如由于某种和研究目标相关的因素影响了整体，那么抽样会不准确。这在BDA中也有同样的影响。
我实在想不到其它内容，不过我觉得对于我个人来讲BDA最大的作用可能可以用于对我游戏开发的帮助。一年前我就开始制作一款音乐游戏，虽然现在还没有完成开发，不过基础玩法等内容早就确定了。我可以尝试将玩家游玩关卡的数据收集起来，这包括了关卡难度，游玩分数和游玩次数等。并且可以根据这个分布来动态调整更新内容。理论上不同难度的游玩数量应该是正态分布，因为需要确保最高难度关卡不是所有人都能得到高分的。如果大部分人游玩高难关卡的分数过高就说明需要更新更困难的关卡。如果某个关卡的游玩次数明显高则可以推断它足够吸引人且质量足够高（理论上高难关卡会吸引人进行更多的尝试，但如果质量不佳则会导致玩家厌恶该关卡）。值得注意的是数据收集行为可能违反APP Store的政策，这通常需要提前申报。不过理论上来讲这对我提供了一个非常优秀的思维，这在之前我是完全没有想到的。如果在大学申请结束后有机会，我会尝试把它加入到我的游戏中
理论上BDA应该还有更多的使用方式，不过我现在还没有或者没有机会发掘。不过我以后的专业方向是计算机科学，以计算机作为基准平台的话数据收集很容易出现n=all的情况。所以BDA对我之后的专业方向理论上会有非常显著的帮助。并且类似于上述我提到的在游戏中收集数据的情况。由于它是强制的所以不会出现采样偏差。