数据思维与行业基础
1.1 数据思维的重要性
- 数据思维的定义与内涵
- 数据思维在银行业中的应用场景
- 实战案例：如何通过数据思维优化客户体验
1.2 数据生命周期与数据思维
- 数据的采集、存储、处理、分析和展示
- 如何在数据生命周期的每个阶段运用数据思维
- 实战案例：银行数据治理中的数据思维应用
1.3 银行业数据分析现状与趋势
- 银行业数据分析的现状分析
- 数据分析在银行风险管理、市场营销、客户服务等方面的应用
- 未来数据分析的发展趋势及对银行业的影响
- 实战案例：某银行利用数据分析优化风险控制的实践
1.4 数据分析方法的选择描述性分析——对数据关系进行估计和描述
- 什么是描述性分析
- 描述性分析适用的场景
- 描述性分析常用指标：总量指标、相对指标、集中程度、分散程度、分布形态
1.5 对比分析——识别事物的基本方法
- 常见分类方法：时间、空间、物理、组织、性能等
- 漏斗分析：找出问题的关键节点
- 逻辑树分析：理清自己的分析思路，找到核心关键点
1.6 分类分析——认知事物的基本方法
- 什么是分类？为什么要分类？分类的方法是什么
- 对数据进行分类的方法
- AB测试方法：寻找更合适的解决方案
1.7 相关性分析——寻找事物之间的因果规律
- 相关性与相关系数分析
- A数据和B数据之间有关系吗？如果有关系，关系是怎样的？
- 如果数据之间有影响，有没有重要程度的差异？
- 我想知道数据之间的对应关系，如何处理？
- 矩阵分析法：进行分类关联分析，找出解决问题的分析方法
1.8 回归分析—考查变量间的伴随关系
- 什么是回归分析
- 回归分析适用的场景
