热线电话：13121318867

CDA一级知识点汇总手册：第5章业务数据的特征、处理与透视分析

2026-02-23

CDA一级知识点汇总手册

第五章业务数据的特征、处理与透视分析

考点52：业务数据分析基础

业务数据分析聚焦企业决策金字塔的管理层与运营层，支撑“做得如何”“如何做”的决策，核心是依托企业内部数据库，量化绩效、定位问题并优化运营，需衔接IT系统与业务逻辑。

核心定位：服务于管理层（跟踪经营结果） 与运营层（优化运营策略），区别于战略层的宏观分析，属于“敏态数据分析”；
核心产出物：
- 面向管理层：数据看板、仪表盘（直观展示KPIs，支持快速决策，侧重稳态分析）；
- 面向运营层：业务归因分析报告、策略优化报告（诊断问题根源，提供落地建议，侧重敏态分析）；

关键术语：
- 数据库相关：
  - 数据库/数据仓库/数据集市/数据湖：数据存储的不同层级（从业务交易到综合分析）；
  - ETL：数据抽取（Extract）、转换（Transform）、加载（Load），是数据整合的核心流程；
  - 数据字典：描述数据结构的元数据文档，核心是识别主键（唯一标识记录） 与外键（关联表间数据）；

表结构数据特征：以“字段/记录”为基本单位、字段行数一致、含唯一主键（如“用户ID”“订单ID”）；
多维分析与BI工具：
- OLTP（在线事务处理）：支撑日常业务交易（如订单提交）；
- OLAP（联机分析处理）：支持多维度聚合分析（如上钻/下钻）；
- 数据立方体：多维数据模型核心，实现切片、旋转等操作；
- BI工具：Tableau、Power BI（可视化）、SQL（数据提取）、Excel（基础处理）。

考点53：输入和资源需求

明确业务数据分析的知识输入与工具资源，是确保分析落地的前提，需兼顾业务理解与技术支撑。

输入需求（知识/数据）

经营管理知识：企业战略目标、行业竞争环境、市场趋势；
业务流程知识：销售、采购、生产、客服等核心流程的逻辑与关键节点；
专业领域知识：客户行为特征、财务指标含义、产品生命周期规律、CRM/ERP系统逻辑；
数据输入：企业内部业务系统数据（销售、财务、客户）、外部供应商数据、少量第三方补充数据。

资源需求（工具/人力）

软件工具：
- 数据提取：SQL（MySQL等）；
- 数据处理：Excel/WPS表格；
- 可视化：Power BI、Tableau；
- 高级分析（可选）：Python（数据建模）；
人力支持：
- 商业分析师：梳理业务需求、定义目标指标、整合内外部资源；
- 数据分析师：数据提取、监控看板搭建、归因分析、算法支持；
- ITBP：技术栈支持（数据库优化、SQL性能提升）、数据模型维护。

考点54：业务数据分析的核心步骤

业务数据分析遵循“闭环流程+多角色协同”模式，每个步骤环环相扣，不可跳过，核心是从业务问题到策略落地的全链路拆解。

核心流程（教材标准步骤）

明确业务关注事项（商业分析师主导）
- 核心操作：构建业务敏捷看板，明确业务目标、核心指标（如GMV、复购率）、数据回传与归因机制；
- 关键要求：避免“指标错位”（如新业务阶段不盲目追求营收指标），确保指标与业务场景匹配（如拉新阶段关注“获客成本”）。

发现问题（数据分析师主导）
- 核心操作：监控数据看板，识别三类异常：
  - 正向指标下滑（如利润率下降）；
  - 负向指标上升（如获客成本激增）；
  - 波动性指标越界（如某渠道点击量突降）；
- 辅助工具：用“问题事件严重度评估准则（SAC）”判断是否启动归因（如频繁异常需优先处理）。

归因分析（数据分析师主导）
- 核心操作：通过定性+定量方法定位问题根因，核心遵循“二八法则”（80%问题由20%核心原因导致）；
- 辅助工具：帕累托图（聚焦关键根因）、价值树分析（指标拆解）。

优化策略（商业分析师+数据分析师协同）
- 核心方向：
  - 运营策略优化（如从“粗放拓客”转为“AARRR模式”）；
  - 操作流程完善（如缩短售后流程、自动化审核）；
  - 产品参数调整（如降低理财产品起投额度）；
- 关键动作：设计A/B测试方案（拆分测试组与对照组，明确评估指标）。
验证想法（多角色协同）

核心操作：执行A/B测试，跟踪过程指标（提交转化率、有效转化率）与结果指标（整体有效率）；

关键要求：确保测试流量充足（单版本单日≥1000UV），避免样本偏差导致结论失真。

核心角色分工

商业分析师：“业务故事主导者”，整合资源、定义商业化目标、推动策略落地为SOP；
数据分析师：“问题定位者”，监控数据、搭建指标体系、提供归因与算法支持；
ITBP：“技术支撑者”，响应数据提取需求、优化SQL性能、对接内外部技术工具。

考点55：归因分析方法

归因分析是业务数据分析的核心模块，核心是量化“影响因素对结果的贡献度”，分三类方法，一级重点掌握定性与指标归因。

类型	方法	示例	使用场景	优点	缺点
定性归因法(CDA一级内容)	调查研究、头脑风暴	最近基金销售数量明显下滑，可能是我司在产品创新上存在不足，也可能是客户可支配现金流减少导致的	所有归因分析的初期，用于寻找研究方向和思路	大胆猜测，提供新的分析思路	无法提供确定的数据结论；结论的可靠性不易评估
指标归因法(CDA一级内容)	指标树拆解、多维分析	通过杜邦指标体系发现，年营收下降了10%，是因为存货周转率下降了6%导致的	有成熟的指标体系，用于分析业务宏观因素指标间的传导机制和细分维度的影响因素	可解释性最高；计算逻辑易于理解	仅是传导关系，不能代表因果关系
模型归因法(CDA二级内容)	统计建模、机器学习拟合	通过建立线性回归模型发现复购商品价格降低1个百分点，我司产品销量降低6个百分点	研究宏观业务指标之间或者微观个体行为之间的相关性影响	可以综合考虑多种因素；合理的方法可以建立因果关系	可解释性一般；计算效果取决于所选方法

核心方法

定性归因法（头脑风暴）

核心作用：发散思维，寻找潜在原因，适用于归因初期（无明确数据线索时）；
形式：
- 结构化（轮圈式）：参与者轮流提想法，确保平等参与；
- 非结构化（自由轮式）：自由发散，适合创意激发；
应用场景：如“基金销量下滑”，初步推测“产品创新不足”“客户现金流减少”等方向。

指标归因法（核心重点）

核心逻辑：通过指标拆解（价值树）、维度下钻，量化各因素的贡献度，常用加法、乘法、双因素拆解；
关键工具：价值树分析（自上而下拆解目标指标）、多维分析（下钻至区域/产品/渠道维度）；
具体拆解方法（计算公式详见CDA教材或CDA网校）：
- 加法拆解：适用于“总指标=各分指标之和”（如净利润=营收-成本-费用），贡献度=分指标增量/总指标增量；
- 乘法拆解：适用于“总指标=各分指标之积”（如GMV=流量×转化率×客单价），用“替换法”或“LMDI法”计算贡献度；
- 双因素法：适用于比率指标（如转化率），拆解“波动贡献度（指标本身变化）”与“结构贡献度（占比变化）”。

模型归因法（二三级侧重概念）
- 核心逻辑：通过统计建模（线性回归、决策树）量化解释变量影响程度；
- 说明：属于CDA二级内容，一级需掌握“模型归因用于复杂场景（如客户流失预测）”的概念认知。

考点56：业务数据分析报告呈现

报告需聚焦“业务价值”，将分析结果转化为可落地的决策建议，逻辑闭环、可视化突出是核心要求。

核心模块

报告目标和背景：明确分析目的（如“优化营销转化”）、核心KPI（如“点击转化率提升10%”）、分析范围（时间/区域/产品）；
数据源和分析方法：说明数据来源（内部销售系统、客户反馈）、归因方法（定性/指标/模型归因）、工具（SQL+Power BI）；
业务活动分解与结果展现：按“部门/渠道/客户群体”拆分业务活动，对比各维度绩效贡献（如“华东区域贡献60%营收”）；
关键驱动因素分析：提炼核心影响因素（如“某渠道获客成本低但转化率高”“产品定价过高导致流失”）；
优化建议：优先级明确的落地措施（如“优先加大华东区域投放”“下调入门级产品定价”），附潜在效益（如“预计营收提升15%”）。

呈现要求

逻辑：按“问题识别→根因分析→策略建议→效果预估”展开；
形式：多用数据看板、漏斗图、帕累托图可视化核心数据，减少纯文字描述；关键指标对比（如同比/环比）突出显示。

【补充学习资料】本章有部分涉及到EXCEL与BI工具的操作，请参考CDA网校《CDA 一级补充学习资料》https://edu.cda.cn/goods/show/3978?targetId=7070&preview=0 进行学习

本章小结

业务数据分析聚焦企业运营执行层，以“明确需求→发现问题→归因根因→优化验证”为核心闭环，依托SQL、BI工具等技术，通过定性+定量的归因方法，输出针对性策略优化报告。其核心价值是量化绩效、定位运营瓶颈，实现资源最优配置与业务持续迭代，是连接战略目标与落地执行的关键桥梁，需业务、数据、技术多角色协同支撑。