CDA level１ 学习笔记1

数据分析基本概念

数据分析（Data Analysis）：是以数据为分析对象，以探索数据内的有用信息为主要途径，以解决业务需求为最终目标

数据挖掘（Data Mining）：是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程

大数据（Big Data）：无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大量、高速、多样、低价值密度、真实性

数据分析目的：利用数据理性思考和决策，解决业务需求

数据分析意义

1、避免主观谬误

2、提高判断效率，易推广易迭代

3、有简明结论，方法/流程通用化（今后可快捷解决同类型问题）

数据分析方法与流程

结构化分析：事实+前提+逻辑=观点

1、事实的提炼：现实的抽象化（数据语言

2、逻辑的推进：金字塔原理，主次分明，总结概括

3、矩阵分析：陌生问题；分解式思考：定位与寻因

4、结论的表达：听众想听什么

数据分析的不同角色与职责

1、战略规划（理想）：内外部数据相结合，长期规划的过程。注重方向判断，弱化细节预测

2、策略分解（落地）：根据战略和目标，拆解为可以执行的层面。注重KPI设定

3、市场营销（场景）：活动和获客驱动。注重成本核算、效果预测、事后评估

4、业务运营（场景）：关注日常数据。注重监控预警和分析发现EDIT数字化模型

职业道德操守（告诉我们什么不应该做，什么应该做）

1、用户和机构利益置于个人利益之上，保护数据资产的安全性、真实性、可靠性，禁止技术欺诈、数据造假、非法交易，损害用户和机构利益

2、不参与任何违法行为，包括但不限于：偷窃、欺骗、腐败、挪用或贿赂，不使用或滥用他人的产权，包括数据产品和知识产权，不参与诽谤和侮辱，不宽恕或帮助他人参与违法行为

专业行为准则（告诉我们怎样去做）

1、全面了解业务背景、痛点、需求，做出分析建议，与团队充分沟通，确定合理的业务指标，获取符合要求的源数据

2、保持工具和算法的前沿性、适用性、高效性。根据业务需要，选择合理的工具、平台、系统和算法

3、不断迭代并优化业务指标与数据模型

4、撰写专业可视化报告，逻辑清晰展示项目成果，并做出具有商业价值的建议

5、尊重契约，按时按质完整交付工作成果，并对相关数据、代码、结果进行保密

6、履行后期义务与责任，完整交付结果后，对客户须进行后期解答、咨询、维护等服务，对机构义务须进行后期跟进、优化、指导建议等工作

隐私与安全

1、隐私是一种个人的权力，即我的个人信息不被滥用，不被他人知道的 权力。

2、安全是一种机制，即为了确保隐私权得到保护而设立的一种机制。

3、首先明确个人权利，然后设置机制去保护权力

国外隐私法律相关要求

欧盟GDPR《通用数据保护条例》：将个人数据保护深度嵌入组织运营，将抽象的保护理论转为实在的行为实践

1、企业收集用户信息前需说明：将收集用户的哪些信息、收集到的信息将如何进行存储、存储的信息会如何使用、企业的联系方式

2、用户享有的权利有：数据访问权（用户有权查看所用信息），被遗忘权（用户有权要求删除用户信息），限制处理权（用户有限制使用用户信息的权力），数据携带权（用户有权拿走属于自己的数据）

国内大数据法律发展

《刑法》：保护公民个人数据信息安全

《中华人民共和国网络安全法》

1、网络运营者收集、使用个人信息必须符合合法、正当、必要原则

2、网络运营者收集、使用公民信息的目的明确原则和知情同意原则

3、公民个人信息的删除权和更正权制度

《中华人民共和国数据安全法》初次审议