电子工业出版社-网上书店

本书作为 CDA 一级认证教材，打破传统的学院派知识整合模式，从 EDIT（探索、诊断、指导和工具）数字化模型的角度进行叙述，在传授知识理念的同时，还讲解了进行商业数据分析时应遵循的整体思维和思考方式，以达到将企业分析模型与数据分析方法相结合、使用科学的方式进行数据分析的教学目标。本教材整体分为三篇，分别是原理篇、技术篇和管理篇。第一篇共 5 章，首先讲解数据分析思维，进而介绍数据分析方法和商业数据分析框架，之后阐述战略数据分析和业务数据分析。第二篇共 5 章，包括描述性统计分析、指标体系构建方法、SQL 语言基础与 MySQL 入门、用户标签体系和用户画像专题、简单时间序列分析方法。第三篇共 3 章，包括数据治理、数据模型与数据建模、指标体系管理。

目录
第一篇	原理篇
第1章　数据分析思维2
1.1VUCA时代的数据分析需求 2
1.1.1　数据分析的归纳方法 .3
1.1.2　数据分析的演绎方法 .4
1.2　流程化企业数据分析需求 4
1.2.1　流程化企业的主要特点 .5
1.2.2　数据分析在流程中的落脚点 .6
1.3　企业数字化转型的进展 8
1.3.1　以客户体验为中心的商业模式 .8
1.3.2　以数据分析为中心的架构模式转型 .9
1.3.3　感知型企业成为众多企业的发展目标 .10
1.4　企业需要的数据应用能力 12
1.4.1　企业数据应用能力概述 .12
1.4.2　企业决策层级和对数据的需求 .13
1.4.3　战略层的数据需求 .14
1.4.4　管理层的数据需求 .15
1.4.5　运营层的数据需求 .15
1.4.6　操作层的数据需求 .16
1.5　数据分析的基本概念 17
1.5.1　对数据的理解 .17
1.5.2　对数据模型的理解 .19
1.5.3　数据分析的分类 .24
1.5.4　商业数据科学应用框架EDIT .27
1.6　本章小结 28
第2章　数据分析方法29
2.1　数据分析的基础范式 29
2.1.1　分类分析 .30
2.1.2　链式分析 .48
2.1.3　相关分析 .57
2.2　由基础分析范式引申出的6种分析方法 58
2.2.1　趋势分析法 .59
2.2.2　对比分析法 .62
2.2.3　构成分析法 .63
2.2.4　分布分析法 .64
2.2.5　关系分析法 .66
2.2.6　流向分析法 .67
2.3　统计制图原理 68
2.3.1　整理数据 .69
2.3.2　明确表达的信息 .69
2.3.3　确定比较的类型 .69
2.3.4　确定图表类型 .70
2.3.5　统计图的补充说明 .72
2.4　本章小结 73
第3章　商业数据分析框架74
3.1　商业数据分析体系构建 74
3.1.1　战略分析 .77
3.1.2　财务视角 .78
3.1.3　客户关系视角 .78
3.1.4　内部流程视角 .78
3.1.5　员工成长与文化建设视角 .79
3.2　商业数据分析总体流程 80
3.2.1　业务角度的商业数据分析的流程 .80
3.2.2　技术角度的商业数据分析的流程 .83
3.3　远景战略分析方法84
3.4　财务视角分析方法.91
3.4.1　企业收入趋势分析示例 92
3.4.2　财务费用趋势分析示例 .97
3.5　客户与市场视角分析法 103
3.5.1　用户细分分析 .104
3.5.2　电商平台的客户个性化营销示例 .105
3.6　内部流程视角分析方法 109
3.6.1　VSM（价值流分析） .110
3.6.2　银行贷款流程优化示例 .111
3.7　本章小结 114
第4章　战略数据分析115
4.1　战略数据分析基础 115
4.1.1　表格结构数据操作说明 .116
4.1.2　输入和资源需求 .119
4.2　战略数据分析关键步骤1：桌面研究 .120
4.2.1　桌面研究概述 .120
4.2.2　行业分析方法和流程 .120
4.2.3　竞品分析方法和流程 .133
4.3　战略数据分析关键步骤2：调查研究 .144
4.3.1　调查研究流程 .144
4.3.2　定性方法和定量方法 .145
4.4　战略数据分析报告呈现 147
4.5　本章小结 148 
第5章　业务数据分析. 149
5.1　业务数据分析基础149
5.1.1　业务数据分析产出物 150
5.1.2　业务数据分析中的关键术语151
5.2　输入和资源需求..158
5.2.1　输入需求 158
5.2.2　资源需求159
5.3　业务数据分析的步骤 159
5.3.1　明确业务关注事项..160
5.3.2　发现问题.161 
5.3.3　归因分析 .162
5.3.4　优化策略 .173
5.3.5　验证想法 .174 
5.4　报告呈现 178
5.5　本章小结 179

第二篇　技术篇
第6章　描述性统计分析.182
6.1　变量度量类型与统计量 182
6.1.1　变量度量类型与分布类型 .182
6.1.2　分类变量的参数（统计量） .185
6.1.3　连续变量的集中趋势参数（统计量） .186
6.1.4　连续变量的离散程度参数（统计量） .188
6.1.5　数据分布的对称与高矮 .189
6.1.6　统计量与报表和统计制图的关系 .190
6.2　总体参数和样本统计量 192
6.3　参数估计方法 194
6.3.1　点估计 .194
6.3.2　区间估计和中心极限定理 .194
6.4　本章小结 197
第7章　指标体系构建方法198
7.1　指标概述 198
7.1.1　指标的基本概念 .198
7.1.2　指标值的计算 .200
7.2　通用指标介绍 201
7.2.1　求和类指标计算方法 .201
7.2.2　计数类指标计算方法 .201
7.2.3　比较类指标计算方法 .202
7.3　场景指标介绍 203
7.3.1　按企业产品类型划分 .204
 7.3.2　按部门职能划分 .204
7.4　指标体系介绍 206
7.4.1　指标技术加工角度分类 .206
7.4.2　指标业务层级角度分类 .208
7.4.3　指标库 .209
7.4.4　维度库 .210
7.5　指标体系自上而下搭建方法 211
7.5.1　设计框架 .211
7.5.2　核心术语和主要技术 .212
7.5.3　设计方法 .215
7.5.4　实践方案 .219
7.6　本章小结 224
第8章　SQL语言基础与MySQL入门.225

8.1　SQL语言概况 .225
8.2　SQL查询语句 .226
8.2.1　简单查询并对数据过滤与排序 .228
8.2.2　创建新列 .232
8.2.3　在查询中实现汇总和分组汇总 .236
8.2.4　表的横向连接 .238
8.2.5　子查询 .248
8.2.6　表纵向合并和集合操作语句 .249
8.3　SQL创建表或视图 .251
8.4　本章小结 253
第9章　用户标签体系与用户画像专题254
9.1　案例：某企业基于用户标签的营销 254
9.2　标签的分类 256
9.21究客体的数据类型角度分类 .256
9.2.2从标签的时态角度分类 .258
9.2.3从标签的加工角度分类 .259
9.3　用户画像 262
9.3.1　用户分群的发展历程 .262 
9.3.2　快速入手用户画像 .263
9.3.3　用户细分的方法 .265 
9.4　案例：用SQL和Excel实现用户画像 .268
9.4.1　制作用户画像的思路 .268
9.4.2　案例数据集介绍 .269
9.4.3　使用SQL进行数据处理 273
9.4.4　使用Excel做用户画像 278
9.5　本章小结 281
第10章　简单时间序列分析方法.282
10.1　认识时间序列 282
10.2　效应分解法时间序列分析 283
10.2.1　效应分解法的直观理解 .283
10.2.2　算法解析 .285
10.2.3　使用Power BI演示效应分解法 287
10.3　案例：时间序列预测 290
10.4　本章小结 294

第三篇　管理篇
第11章　数据治理297 
11.1　数据治理驱动因素 297
11.2　数据治理体系 298 
11.2.1　数据治理域299
11.2.2　数据管理域302
11.2.3　数据应用域306 
11.3　如何开展数据治理 309
11.3.1　准确地定位数据治理309
11.3.2　明确数据应用方向310
11.3.3　多层级全方位进行治理311
11.4　本章小结 311
第12章　数据模型与数据建模312 
12.1　数据分类 312
12.2　数据架构和数据模型 315 
12.2.1　数据架构的基本概念 .315
12.2.2　数据模型基础和数据模型类型 .316
12.2.3　数据建模的层次 .328 
12.3　数据仓库体系和ETL 330
12.4　本章小结 334
第13章　指标体系管理335
13.1　指标管理 335
13.1.1　指标数据元和指标数据标准 .335
13.1.2　指标数据质量评价维度 .338
13.2　企业级指标体系建设方法与步骤 338
13.2.1　指标体系构建方法 .339
13.2.2　企业级指标体系全生命周期建设步骤 .340
13.3　指标体系管理的问题与挑战 342
13.3.1　指标体系管理的常见问题 .342
13.3.2　指标体系管理面临的挑战 .343
13.4　指标体系管理 344
13.4.1　指标体系的生命周期 .344
13.4.2　指标体系的管理体系 .345
13.5　本章小结 348

CDA，数智人才的身份认证
数据曾经被视为商业“尾气”，如今却已成为世界的“石油”。借助合适的模
型、算法、技术，我们可以从数据中挖掘巨大的商业价值。数据分析极大地促进了
现代服务业、制造业差异化竞争格局的形成，将来更会成为各行业获得竞争优势的
助推力。
数据分析的主要目标之一就是满足组织的业务运营需求，为业务服务。大部分
组织经历了从以产品为中心到以客户为中心的转变，其数据分析的重点也从关注组
织经营结果转向进行全方位的组织运营和客户洞察，分析方法也从以管理报表为主，
到对微观个体进行行为洞察和预测。另外，IT 技术的发展使得组织能够以更低的成
本存储和处理大量数据，从而推动分析视角从宏观的业务层面逐步深入到个体微观
层面。分析中的数据范畴也从基本属性和时点状态数据逐步扩展到行为数据，分析
技术从传统的统计分析逐步向机器学习和深度学习过渡。
满足业务运营需求更本质的目标，是通过数据分析改变决策方式，从依靠经验
转向依靠数据。在当前，数据分析是学习型组织的重要表现形式。学习型组织的能
力建设有两个主要阶段，分别是隐性知识显性化阶段和显性知识算法化阶段。前者
是概念明晰和逐渐量化的过程，后者是提取知识形成算法并固化在业务流程系统中
的过程。组织的核心能力从“以人为核心”转变到“以算法为核心”。通过数据分
析进行科学决策、自主决策，从而实现业务价值，使数据分析在决策过程中不可或缺，
逐渐成为组织的核心竞争力。
CDA 数据科学研究院经过多年在数据分析领域的深耕，建立了CDA 数据分析
师认证体系，为企业实现宏观与微观相结合的数字化转型提供有力支持，并为企业
提供了坚实的数字化人才保障。
CDA 数据分析师认证体系与企业管理工具“平衡计分卡”相得益彰，涵盖绩
效分析、客户分析、流程分析、智能学习，助力企业实现宏观与微观相结合的数字
化战略中心组织。在平衡计分卡中，前面的分析为后面的工作指明方向，后面的活
动为前面目标的实现提供能力支持。而CDA 体系把“平衡计分卡”中最基础的“员
工学习”活动与“机器学习”相融合，强调如何将业务知识以算法的形式固化在系
统中，以更适合数字化时代的诉求。
基于先进企业的实践，CDA 数据科学研究院提出了企业数字化需要具备的数
据人才能力的模型。企业中的数据分析任务分为业务现状描述、问题归因分析、个
体行为预测，这就要求数据人才具备描述现状、分析原因、预测行为的能力。数据
人才的范围也不限于数据分析师和数据挖掘工程师，还包括经营决策人员和业务
骨干。
业务问题归因分析和策略优化是企业中数据分析任务的核心，对上游的现状描
述提出建立完备的指标体系和报表可视化的需求，对下游的预测分析提供算法模型
的应用场景。CDA 数据分析师认证体系根据归因分析和策略优化的应用深度，以
及从宏观业务分析到微观个体预测的技术难度，设计了CDA 认证教材一级至三级
的学习内容，并对各类分析工具的掌握提出了相应的要求，通过分级课程来帮助数
据人才全面掌握从业务问题归因到策略优化的能力。
CDA 一级认证教材主要讲解商业分析所涉及的指标体系构建方法、用户标签
体系和用户画像专题、描述性统计分析等技术；CDA 二级认证教材主要讲解客户
运营、流程分析和策略优化所涉及的用户高级标签的构建、模型归因分析、预测模
型等业务宏观分析与客户微观洞察相融合的技术；CDA 三级认证教材主要讲解企
业数据挖掘体系的构建，在机器学习运营（MLOps）的框架下设计、开发、落地数
据挖掘模型，包括机器学习经典算法及案例、算法模型管理等技术。CDA 认证教
材在工具实现上选择企业中应用最为广泛的数据库语言SQL和编程语言Python 等。
很多企业将CDA 证书作为企业内部数据分析人才的评定标准和招聘要求。这
套教材旨在帮助读者形成体系化、专业化的数据分析思维，通过CDA 认证，为其
职业发展提供更多可能性。
无论读者是否参加认证考试，这套教材都是理解和应用数据分析的宝贵资源。
常读常新，体会数据分析之美，灵活运用教材中的分析方法和案例，让数据分析和
实证研究相得益彰，让数据分析和业务经验优势互补。这套教材将在数据分析行业
中产生影响，如春风化雨般滋养各个领域中孜孜不倦的数据分析学习者和从业者，
在数据分析的新理念、理论、方法、技术及工具等方面，为他们提供知识支持与启发。
CDA 数据科学研究院
2025 年3 月

CDA 数据科学研究院是全球率先成立的专注于数据科学领域的专业研究团队机构，汇集国内外数据行业专家，团队具有专业的学术素养、精湛的研究水平、扎实的企业实战经验、丰富的行业资源，通过对各类企业、社会组织等进行全面、系统、深入的调查和访问，获得紧跟技术发展的经验与数据，并结合数据行业的未来发展方向进行系统的研究，不断研发创新的知识体系和技术应用。近十年来，CDA 数据科学研究院秉持“专业性、前沿性、科学性”的定位，深耕数据分析、大数据、人工智能等核心领域，持续推进数据科学的行业发展和数字化人才标准体系的建立。未来，CDA 数据科学研究院也将顺应数字化时代浪潮，持续开拓创新，继续加大数据科学领域的内容建设，推进人才数字化赋能，助力企业数字化转型。

本书配套资源下载

对不起，暂无音视频资源！

CDA一级认证教材:商业数据分析（第4版）