CDA一级《精益业务数据分析》读书笔记

CDA一级《精益业务数据分析》读书笔记

第一章 表结构
第二章 数据库
第三章 描述性统计分析
第四章 多维数透分析
第五章 业务分析方法
第六章 业务分析报告与BI可视化
第七章 职业发展

前言

随着AI大模型的发展，越来越多基础性、重复性的劳动都能交给机器人了，表哥表姐急需转行数据分析师。本文可以解决新手小白转行数分的困惑，以及如何高效利用AI完成数据分析、提升决策效率。

---

一、数据分析师要了解什么？

应用领域：
金融：风险评估、信用评级、投资决策
医疗：疾病诊断、治疗效果评估、药物研发
电商：精准营销、用户行为分析、商品推荐
教育：教学质量评估、学生学习情况分析

二、数分流程

数据采集

来源：内部数据库、外部数据提供商、网络爬虫、传感器等
方法：API 接口获取、数据库查询、网络抓取工具

数据清洗

处理缺失值：删除、填充（均值、中位数、众数等）
处理异常值：识别与修正错误数据，平滑噪声数据
处理重复值：删除重复记录

数据探索

描述性统计：计算均值、中位数、标准差等
数据可视化：绘制直方图、折线图、散点图等

数据建模

选择合适的模型：回归分析、分类算法、聚类算法等
模型训练与优化：调整参数，提高模型性能

结果评估

评估指标：准确率、召回率、F1 值、均方误差等
模型比较：选择最优模型

结果呈现

撰写分析报告：清晰阐述分析目的、方法、结果与建议
可视化展示：使用图表、仪表盘等直观呈现结果

三、数据安全与立法

数据安全

数据存储安全：加密存储、定期备份
数据传输安全：使用安全协议，防止数据泄露
访问控制：设置权限，限制数据访问范围

相关立法

立法目的：规范数据处理活动，保护个人、组织的合法权益
国内：《网络安全法》《数据安全法》《个人信息保护法》
国外：欧盟《通用数据保护条例》（GDPR）

四、总结

以上就是转行数据分析师需要了解的基础，明天进入表结构。