
CDA 数据科学研究院
本书作为 CDA LEVEL Ⅱ考试教材,打破传统的知识整合模式,从 EDIT(探索、诊断、指导和工具)数字化工作模型的角度进行讲解,在介绍知识概念的同时,还讲解了在进行商业策略数据分析时应遵循的整体思维和思考方式,以达到业务宏观分析与用户微观洞察相结合、使用科学的方式进行数据分析的教学目标。 本书分为 5 部分,分别讲解 EDIT 模型、数据处理与可视化、根因分析、业务优化,以及数据治理与数据模型管理。其中第一部分就是第 1 章的内容,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,每章分别针对当前部分的问题进行分析与处理。
此书作为数据分析领域的入门书还是不错的。随着AI的发展,以前业务人员要获取数据分析报告需要进行排期,而时常因为数据的时效性和滞后性而延误业务,但现在AI直接就能够获取数据,数据分析师的就业环境发生巨大转变。 业务人员要懂数据、基层人员要理解数据、数据分析人员则要懂数据背后的数据逻辑和业务形态。这本书可以作为数据分析的大纲,帮助从业人员快速的建立数据分析体系的概念,按图索骥的补充专业知识和技能。
相对体系的一本书,虽然内容不是很深。 从数据处理,到可视化,业务分析,模型,数据治理各大板块 技能的多样能提升职场竞争力 市面上数据分析大致可以划分为: 数据开发,数据仓库 bi报表可视化 业务分析 商业分析(偏向策略应用) 数据挖掘 主要工具技能:Excel(vba),Python,SQL(传统关系型数据库,HIVE,SparkSQL)
说实话这本教材编得有些问题,想面面俱到(不一定),但是很多概念都没讲清楚。而且突然跑出一个偏量化的新概念,没有一点前因后果的。而且后面的题目还会考到这个...
数据曾经是商业的“尾气”,而现在成为世界的“石油”。
我想这本书可以作为一个提纲,来梳理自己所掌握的知识点,补足薄弱知识 完善知识体系。
作为学习还是很够用的,但是要求自己阅读扩展的专业书籍,例如线性代数、运筹、高数、统计学等。
体系化学习数据分析行业的基础知识,内容比较浅显易懂,作为入门类读物,可以放在案头随时翻阅。