cda数据分析师

数据分析师 数据分析师CDA level1 第一章 part 1 数据分析概述 描述阶段 常用报表 即席查询 多维分析 警报 统计分析 挖掘阶段 预报 预测型模型 优化 数据分析中越高级的阶段使用的挖掘的技巧就越多，方便人为的进行决策 大数据对传统小数据的拓展及其区别与联系 数据上：小数据重抽样，大数据重全体。由于传统小数据分析的本质是基于样本推断总体，因此在分析过程中十分注重抽样的科学性，只有抽样是科学的，其推断结果才具有科学意义，而大数据不一定是总体，但由于在建模方法上已经更偏向于机器学习，因此抽样已经不是必要的手段和方法论了。 方法上：小数据重实证，大数据重优化。传统的小数据在方法上更视实证研究，强调在相关理论的前提下建立假设，收集数据，建立模型并验证假设。而大数据往往更重视方法论中的自我迭代和自我优化过程，可能运算的第一个结果与标准答案相差甚远，但是可以通过与正确答案的不断校准（往往建立损失函数），使得模型的精度不断提高。 目标上：小数据解释，大数据重预测小数据的分析往往注重归因分析，探索变量之间的内部影响机理，例如究竟什么样的生活习惯会提高癌症的发病率。但是大数据往往关心的是对于未知对象的预例如判别某个人是否患有癌症或者患有癌症的概率是多少。 数据分析目标的意义、过程及其本质 可以认为数据分析涉及到公司运营的方方面面，这包括对企业部门经营情况的评估、内部员工的管理