联系我们
合集大合集SOP方法论

数据分析专业词百科大全

大合集，约 51 分钟。右侧目录可跳读；全文拆为 6 页。

合集·约 51 分钟·共 6 页·纠错 / 投稿

前言

本文档内容旨在为数据分析领域的初学者、从业者和相关业务人员提供一个全面、清晰的术语参考，理解这些核心概念是有效沟通、精确分析并从数据中提取价值的关键。

这份手册涵盖了从基础概念到前沿战略的近 90 个核心词条，每一个都配有通俗易懂的解释和贴近实际的案例。无论你是刚刚踏入数据领域的新人，还是希望构建完整知识体系的在职分析师，甚至是需要与数据团队沟通的业务人员，都能在这里找到你需要的知识。我建议你不要一次性读完，而是根据你的角色和学习阶段，把它当作一本随时可以查阅的案头工具书。

针对不同学习者的个性化学习路径推荐

对于零基础的入门者或转行者 （e.g。：学生，业务人员）

  • 学习目标： 建立基本的数据认知，理解数据分析的通用语言和核心流程。
  • 推荐策略：“打地基”式学习路径
    • 第一步：核心基础区 （必读）
      • 第一部分：数据基础与类型 - 这是你认识“原材料”的第一课。
      • 第三部分：描述性分析与探索性数据分析 - 学会如何总结数据，看懂“发生了什么”。
      • 第六部分：商业与产品分析指标 - 将数据与商业价值联系起来，理解公司最关心的那些数字。
      • 第十部分：电子表格软件 （Excel） - 从最熟悉的工具开始。
    • 第二步：分析流程区
      • 第二部分：数据收集与处理 - 了解数据分析不只是画图，清理数据是重要一步。
      • 第九部分：数据可视化 - 学会用图表说话，这是最有成就感的部分。
    • 建议： “先把这些最核心的部分读懂，你就能理解 80%的日常数据对话和基础报表了。其他的可以先收藏，遇到不懂的再来查。”

对于初级数据分析师 （0-2 年经验）

  • 学习目标： 巩固基础，深化对核心方法的理解，提升解决实际问题的能力。
  • 推荐策略：“全流程强化”学习路径
    • 第一步：巩固与深化
      • 快速回顾 1-6 部分，确保每个概念都了然于胸。
      • 重点攻坚 4， 5， 8， 12 部分：
        • 第四部分 （推断性分析） &第八部分 （高级分析方法）: 深入理解 A/B 测试、同期群、漏斗分析等，这些是你日常工作的“神兵利器”。
        • 第五部分 （预测建模）: 开始了解回归、分类、聚类的基本思想。
        • 第十二部分 （分析框架）: 学会用 AARRR、HEART 等框架来结构化地思考业务问题。
    • 第二步：工具与技术栈
      • 第七部分 （数据架构） &第十部分 （工具语言）: 熟悉 SQL 和 Python，并理解数据仓库、ETL 这些你每天打交道的东西背后是什么。
    • 建议： “这份手册可以帮你把日常工作中零散的点串成线、连成面。特别是分析方法和框架部分，能极大提升你分析报告的深度和逻辑性。”

对于中高级数据分析师或数据科学家 （3 年以上经验）

  • 学习目标： 拓宽知识边界，提升战略视野，向更高级的因果推断和数据治理领域迈进。
  • 推荐策略：“T 型人才”拓展路径 （在深度基础上拓展广度）
    • 第一步：高级方法论
      • 第十三部分 （高级统计） &第十四、十九部分 （因果推断）: 深入研究统计功效、辛普森悖论、DiD、RDD、IV 等，这些是区分你和普通分析师的关键，能让你在没有 A/B 测试时也能做出严谨的分析。
    • 第二步：技术与架构视野
      • 第十七部分 （大数据技术）: 了解 Spark、流处理等，即使不亲自写代码，也要理解其原理和适用场景。
      • 第十八部分 （数据质量） &第二十一部分 （数据战略）: 从“使用数据”上升到“管理和规划数据”，理解数据血缘、数据网格、数据即产品等概念，这会让你在团队中的价值倍增。
    • 第三步：责任与未来
      • 第十一、二十部分 （数据伦理与治理）: 关注数据偏见、可解释性 AI，这体现了你的专业素养和责任感。
    • 建议： “这份手册的后半部分是为你准备的进阶指南。当你思考的不再是‘如何做一个分析’，而是‘如何设计一个可靠的分析体系’或‘如何评估一个复杂政策的影响’时，这些词条会给你提供强大的理论武器和框架支持。”

通过这样的分层推荐，学习者可以根据自己的定位快速找到学习重点，避免迷失在信息的海洋中，从而更有信心地开启或深化自己的数据分析之旅。

第一部分：数据基础与类型（6 个）

这部分是数据分析的基石，定义了我们处理的原始材料。

  1. 数据 （Data）
    • 解释： 对事实、数字、文字、观察、测量或描述的集合。
    • 案例： 客户的购买记录、网站的访问日志、用户的问卷调查回复。
  2. 定量数据 （Quantitative Data）
    • 解释： 以数字形式存在，可以进行数学运算的数据，可分为离散型和连续型。
    • 案例：
      • 离散型 （Discrete）: 可数的整数。例如，一个页面的点击次数（150 次），员⼯数量（30 人）。
      • 连续型 （Continuous）: 可在⼀定范围内取任意值。例如，用户身高（175.5cm），产品价格（99.9 元）。
  3. 定性/分类数据 （Qualitative/Categorical Data）
    • 解释： 描述类别或属性的数据，不能进行数学运算。可分为定类型和定序型。
    • 案例：
      • 定类型 （Nominal）: 类别之间没有内在顺序。例如，用户性别（男/女），商品颜色（红/黄/蓝）。
      • 定序型 （Ordinal）: 类别之间有明确的顺序或等级。例如，用户满意度（非常满意 > 满意 > 一般 > 不满意），用户等级（VIP > 普通用户）。
  4. 元数据 （Metadata）
    • 解释： “关于数据的数据”，用于描述数据背景、来源、格式、结构等信息。
    • 案例： 一张照片的元数据可能包括拍摄时间、相机型号、GPS 位置等。一个数据表的元数据可能包括列名、数据类型、创建日期。
  5. 结构化数据 （Structured Data）
    • 解释： 具有固定格式或模型的数据，通常存储在关系型数据库的表格中。
    • 案例： 公司的销售报表，每一行是一个订单，每一列是订单 ID、金额、日期等固定字段。
  6. 非结构化数据 （Unstructured Data）
    • 解释： 没有预定义数据模型或组织方式的数据。
    • 案例： 邮件正文、社交媒体帖子、客服聊天记录、视频、音频文件。

第二部分：数据收集与处理 （5 个）

在分析之前，我们需要获取并清理数据，这是保证分析质量的关键步骤。

  1. 数据清洗 （Data Cleaning/Cleansing）
    • 解释： 识别并纠正（或删除）数据中的错误、不一致、不完整或不准确的部分。
    • 案例： 删除重复的客户记录；将“北京”和“北京市”统一为“北京”；纠正格式错误的日期（如 2023-13-01）。
  2. 缺失值处理 （Missing Value Imputation）
    • 解释： 对数据集中缺失的数据点进行填充的过程。
    • 案例： 某个用户的年龄信息缺失，可以用所有用户的平均年龄或中位数年龄来填充，或者使用更复杂的模型进行预测填充。
  3. 异常值/离群点 （Outlier）
    • 解释： 与数据集中其余观察值差异极大的数据点。
    • 案例： 在一份用户月消费记录中，大多数消费在 100-1000 元之间，但出现了一个 500 万元的记录，这可能是一个异常值（也可能是真实的高价值用户，需要甄别）。
  4. 特征工程 （Feature Engineering）
    • 解释： 从原始数据中创建新的、更有信息量的变量（特征），以提高分析或模型性能。
    • 案例： 从“用户注册日期”和“最后登录日期”两个原始特征，可以创建一个新特征“用户活跃天数”，这个新特征可能对预测用户流失更有帮助。
  5. 数据标准化/归一化 （Standardization/Normalization）
    • 解释： 将不同尺度的数据调整到同一量级，以消除量纲的影响。
    • 案例： 分析用户时，“年龄”（范围 18-60）和“年收入”（范围 5 万 -100 万）的数值差异巨大。通过标准化，可以将它们都转换到均值为 0、标准差为 1 的分布，使得两者在模型中的权重相当。