PART 0 前导
- 数据分析的价值
- 避免主观谬误（需求分析、AB 测试）、提高判断效率（如：客服提高交接效率）、易推广、易迭代
- 数据分析的要求
- 简明化 、结论化、通用化
- 数据分析的本质–发现和解决问题
- 现状 vs 期望：（过去更好 → 解决已发生风险，现状很好 → 预防潜在风险，通用化判断，理想/未来更好 → 战略性、定性分析）
- 数据分析的四个层次
- 战略规划：内外部数据结合，长期规划，注重方向判断，弱化细节预测。
- 策略分解：根据战略和目标，拆解为可执行的层面，注重 KPI 设定。
- 市场营销：活动和获客驱动，注重成本核算、效果预测和事后评估。
- 业务运营：关注日常数据，注重监控预警和分析发现。
- 数据分析师的分类
- 数据部–数据分析师：数据驱动业务，关注现象背后的原因，对未来预测；独立于业务经验，提供不同视角产出；
- 业务部门–业务分析师：业务为主，数据为辅，更关注业务变化，指标监控，活动效果评估，业务经验很重要。
- 分析师进阶之路
- a.初级分析师 0-1 年：临时性数据支持为主：SQL/Tableau/PPT；
- b.高级分析师 1-3 年：简单的分析需求为主：R/Python/PPT/分析思维；
- c.资深分析师 3-5 年：项目为主：R/Python 的高级应用/沟通技巧；
- d.数据工程师 5 年以上：根据不同发展方向，有所侧重；提升对模型和业务的理解、开拓视野。
习题整理
- 1.以下哪种结构用于 Pandas 的三维数据分析？
- A.Data frame
- B.Panel
- C.Series
- D.Panel 3D
- 答：B。Pandas 提供了三种数据对象，分别为 Series、Dataframe 和 Panel(SDP-一二三)。Series：用于保存一维类的数据，Dataframe 用于保存二维类的数据，Panel 用于保存三维类的数据或可变维度的数据。
- 2.数据质量校验的方式错误的是？
- A.加大内存与 shuffle 的容量，加快计算。
- B.根据数据整体批次比对，查看数据无遗漏
- C.根据数据的某些进行聚合，查看整体数据有无偏差
- D.抽样明细数据比对完整列能否对齐
- 答：A。与数据质量校验无关，也体现不出校验来。
- 3.数据质量的管理不包含？
- A.数据的完整性
- B.数据交付准确性
- C.数据命名规范性
- D.数据计算的性能优化
- 答：D。与质量无关。
- 4.数据正规化（Data Normalization）是在知识挖掘处理（Knowledge Discovery Process）中的哪一个阶段进行？
- A.数据清洗
- B.数据选择
- C.数据编码
- D.数据扩充
- 答：C。错选 A。数据编码包括：数据正规化、数据一般化、数据精简。
- 5.数据的可变性用方差来表示，下列哪项命令能够得到随机变量的方差？
- A.np.mean()
- B.np.var()
- C.np.std()
- D.np.median()
- 答：B。
- 6.关于元数据的描述错误的是？
- A.元数据可以直接提升数据查询性能
- B.元数据是大数据治理的核心
- C.元数据支持企业级别的数据资产管理
- D.元数据能够协助了解企业数据情况，针对数据问题可以快速定位
- 答：A。元数据，简单定义就是描述数据的数据。在企业中，只要有数据存在的地方，就有其对应元数据。只有完整、准确的元数据存在，才能更好地理解数据，充分挖掘数据的价值。
