CDA LevelⅠ→Part 1 数据分析概述与职业操守

PART 1  数据分析概述与职业操守（3%）

a. 数据分析概念、方法论、角色（1%）

【数据分析的基本概念(数据分析、数据挖掘、大数据)，数据分析目的及其意，数据分析方法与流程，数据分析的不同角色与职责】

• 第一类：数据分析
  • 利用数据来理性思考和决策的过程。
  • 以数据为分析对象，以探索数据内的有用信息为主要途径，以解决业务需求为最终目标。数据分为分类数据（定类型如男女；定序型如本科硕士生博士生）和数值数据（定距型如体温血压这种可加减不能乘除；定比型如重量高度有绝对零值，可加减乘除）
• 第二类：数据挖掘
  • 用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程。偏重预测。
• 第三类：大数据
• EDIT 数字化模型
  • 业务运行探索（Exploration）→指标体系 注意！不是Experience
    • 探索关注企业各项业务的运行状态、各项指标是否合规以及各项业务的具体数据情况等等。
  • 问题根原因诊断（Diagnosis）→性质分析法，数量分析法
    • 当业务指标偏离正常值时，采用定性和定量相结合的方式，在中、微观层面定位和分析问题。
  • 业务策略指导（Instruction）→知识库，策略库，流程模板
    • 在确定获客群体后，我们就需要考虑下如何制定业务策略指导。根据知识库、策略库、流程模版可以便捷地制定优化策略。
  • 智能算法工具（Tool）→数据模型，算法模型
    • 算法架构是 EDIT 数字化模型的发动机，服务于价值经营、客群运营、全面质量管理、全面风险管理等各个方面。

b. 数据分析师职业道德与行为准则（1%）

【职业道德操守，专业行为准则】

• 职业道德与行为准则的区别在哪里呢？
  • 职业道德–应该不应该：不宽恕或帮助他人参与违法行为。
  • 行为准则–怎么做
    • 1.全面了解业务背景、痛点、需求，做出分析建议，与团队充分沟通，确定合理的业务指标，获取符合要求的源数据。
    • 2.保持工具与算法的前沿性、适用性、高效性。根据业务需要，选择合理的工具、平台、系统及算法。
    • 3.不断迭代并优化业务指标与数据模型。
    • 4.撰写专业可视化报告，逻辑清晰展示项目成果，并做出具有商业价值的建议。
    • 5.尊重契约，按时按质完整交付工作成果，并对相关数据、代码、结果进行保密。
    • 6.履行后期义务与责任。完整交付结果后，对客户须进行后期解答、咨询、维护等服务；对机构业务须进行后期跟进、优化、指导建议等工作。

c. 大数据立法、安全、隐私（1%）

【国外隐私相关法律要求，国内大数据理发的历程和展望，欧盟《通用数据保护条例》中企业和个人的数据使用权限】

• 隐私是一种个人权利，安全是一种机制。首先明确个人权