
CDA 數據科學研究院
本書作爲 CDA LEVEL Ⅱ考試教材,打破傳統的知識整合模式,從 EDIT(探索、診斷、指導和工具)數字化工作模型的角度進行講解,在介紹知識概念的同時,還講解了在進行商業策略數據分析時應遵循的整體思維和思考方式,以達到業務宏觀分析與用戶微觀洞察相結合、使用科學的方式進行數據分析的教學目標。 本書分爲 5 部分,分別講解 EDIT 模型、數據處理與可視化、根因分析、業務優化,以及數據治理與數據模型管理。其中第一部分就是第 1 章的內容,第二部分包含第 2 章和第 3 章,第三部分包含第 4~8 章,第四部分包含第 9~11 章,第五部分包含第 12~14 章,每章分別針對當前部分的問題進行分析與處理。
此書作爲數據分析領域的入門書還是不錯的。隨着AI的發展,以前業務人員要獲取數據分析報告需要進行排期,而時常因爲數據的時效性和滯後性而延誤業務,但現在AI直接就能夠獲取數據,數據分析師的就業環境發生巨大轉變。 業務人員要懂數據、基層人員要理解數據、數據分析人員則要懂數據背後的數據邏輯和業務形態。這本書可以作爲數據分析的大綱,幫助從業人員快速的建立數據分析體系的概念,按圖索驥的補充專業知識和技能。
相對體系的一本書,雖然內容不是很深。 從數據處理,到可視化,業務分析,模型,數據治理各大板塊 技能的多樣能提升職場競爭力 市面上數據分析大致可以劃分爲: 數據開發,數據倉庫 bi報表可視化 業務分析 商業分析(偏向策略應用) 數據挖掘 主要工具技能:Excel(vba),Python,SQL(傳統關係型數據庫,HIVE,SparkSQL)
說實話這本教材編得有些問題,想面面俱到(不一定),但是很多概念都沒講清楚。而且突然跑出一個偏量化的新概念,沒有一點前因後果的。而且後面的題目還會考到這個...
數據曾經是商業的“尾氣”,而現在成爲世界的“石油”。
我想這本書可以作爲一個提綱,來梳理自己所掌握的知識點,補足薄弱知識 完善知識體系。
作爲學習還是很夠用的,但是要求自己閱讀擴展的專業書籍,例如線性代數、運籌、高數、統計學等。
體系化學習數據分析行業的基礎知識,內容比較淺顯易懂,作爲入門類讀物,可以放在案頭隨時翻閱。