【 数据分析概述与职业操守】——CDA level1

目录

1.1 数据分析

1.2 职业道德&行为准则

1.3 大数据立法、安全、隐私

---

1.1 数据分析

1.EDIT数字化模型

E——exploration探索（是什么）/ˌɛksplə'reʃən/

业务运行探索：探索关注企业各项业务的运行状态、各项指标是否合规以及各项业务的具体数据情况等。

指标体系——目标（O）、策略（S）、指标（M）、预报（趋势外推、预警）

D——diagnosis 诊断（为什么）/ˌdaɪəɡ'nosɪs/（dainosis）

问题根源诊断：当业务指标偏离正常值时，采用定性和定量相结合的方式，在中、微观层面定位和分析问题。

性质分析法——内外部因素，是否可控

数量分析法——趋势维度、抽样调查、用户画像等

I——instruction 指导 （怎么办）/ɪn'strʌkʃən/

业务策略指导——在确定获客群体后，就需要考虑下如何制定业务策略指导。根据知识库、策略库、流程模板可便捷制定优化策略。

知识库——产品知识库、客户标签库、场景标签库、渠道标签库

策略库——产品-客群匹配策略、客群-渠道匹配策略、客群-场景匹配策略

流程模板——执行体系、应用系统、数据系统

T——tool 工具（靠什么）

智能算法工具——算法架构是EDIT数字化模型的发动机，服务于价值经营、客群经营、全面质量管理、全面风险管理等各个方面。

• 数据模型——根据数据应用需求构建关系、维度、复杂网略等数据资产
• 算法模型——决策类、识别类、估计类的机器学习模型
• 优化模型——优化算法、流程挖掘

3.数据分析

data analysis：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。

数据分析由许多关键的阶段性步骤构成：

数据分析的基本步骤包括明确思路，制定计划、数据收集、数据处理、数据分析、数据显示和报告撰写。

制定决策方案是数据分析结果的应用环节，不属于数据分析步骤。

4.数据挖掘

data mining：）（/'maɪnɪŋ/）一个跨学科的计算机科学分支，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。

1.2 职业道德&行为准则

职业道德操守：

将数据产权、用户利益和机构利益置于个人利益之上，保护数据资产的安全性，遵循数据的真实性、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。

保持和加强自身职业道德操守以及同行的操守。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，包括数据资产、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。

行为准则：

如果说数据分析师的职业道德操守告诉了我们什么不应该做，什么应该做。
那么数据分析师的行为准则 告诉了我们怎样去做。

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。

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；对机构业务须进行后期跟进、优化、指导建议等工作。

1.3 大数据立法、安全、隐私

1.隐私与安全

隐私—— 一种个人的权利，即我的个人信息不被盗用，不被他人知道的权力。

安全—— 一种机制，为了确保隐私权得到保护而设立的一种机制。

首先明确个人权利，然后设置机制去保护权利。

2.国外法律：

欧盟的《通用数据保护条例》——GDPR

GDPR（general data protection regulation）——将个人数据保护深度嵌入组织运营，真正将首相的保护理论转化为实在的行为实践。

3.我国的相关法律

答题原则：问题存在，逐步推进解决。