CDA数据分析师一级经典错题知识点总结（5）

1、数值型缺失值用中位数补充，分类数据用众数补充。

2、偏态系数>1就是高度偏，0.5到1是中度。

3、分布和检验

在 t检验之前进行 F检验的目的是确保 t检验的方差齐性假设成立。如果 F检验结果显示方差不相等，则需要切换到调整后的 t 检验（Welch t检验），以获得更准确的分析结果。

分布类型	常用检验方法	适用场景
正态分布	正态性检验	判断数据分布形式，作为后续分析前提
卡方分布	卡方检验、方差检验	分析分类数据的独立性或分布拟合优度
t分布	t检验	小样本均值比较，数据需服从正态分布
F分布	方差分析（ANOVA）、回归方程的显著性检验	多组数据均值比较，数据需服从正态分布

均值：

t检验是样本均值检验，比较均值差异。

z检验用于大样本（样本量 > 30）或已知总体标准差的情况。例如，比较城市居民的平均收入是否达到全国平均水平。

方差：

F检验，比较两个样本的方差是否相等、是用于判断t检验的前提，所以F在t前。

方差分析检验，用于比较三个及以上组的均值是否相等。例如，不同城市对某商品满意度的差异。

Pearson相关性检验：

• 用于检验两个变量是否呈线性相关，适用于正态分布的数据。

Spearman秩相关性检验：

• 替代Pearson相关性检验，用于非正态分布数据或等级数据。

分布：

卡方分布检验：

用于离散型数据，检验实际分布与理论分布是否一致。例如，检验某调查数据与预期比例的吻合程度。

分类：

卡方检验（Chi-square test）：

• 检验分类变量之间的独立性。例如，分析性别与购物偏好是否相关。

4、箱线图 从小到大排列

Q1代表1/4分位点，Q3代表3/4分位点，Q1<Q3。

中位数在Q1和Q3之间，Q3-Q1=1QR，其中Q1-1.5（1QR） 为下限

Q3+1.5（1QR）为上限。

5、销售一般用目标比和同环比。

6、库销比反应进销存的流转速度，进而反映资金利用率。

7、SPU和SKU

SPU：Standard Product Unit，标准产品单元，可以理解为一个产品型号，比如上面图片看到的iPhone 14 (A2884) 就是一个标准的产品单元，它属于生产制造过程的一个标准品，标准品在缺乏具体规格信息的时候是不能直接售卖的（除非这个产品系列只有一个规格）。

SKU：Stock Keeping Unit，最小库存单元，也就是对应仓库中的一件商品，这个商品的规格信息在入库的时候就已经确定了的，因此是可以直接售卖的。

SPU 和 SKU 的关系：SPU 是一个相对抽象的概念，而SKU 是具象化的 SPU，也就是在 SPU 基础上添加了一个可售卖完整的规格信息，从而能够让顾客明确知道拿到手的商品是什么样。以服装为例，服装的一个款式是一个 SPU，只有加上了尺码、颜色后才能成为一个 SKU。、

8、波士顿矩形，又称为 BCG矩阵（Boston Consulting Group Matrix）。

• 明星（Stars）：
  • 特点：高市场增长率 + 高市场份额。
  • 策略：投资支持，继续扩大市场占有率，但需大量资金投入。
  • 例子：快速增长的主流产品或市场占主导地位的创新业务。
• 金牛（Cash Cows）：
  • 特点：低市场增长率 + 高市场份额。
  • 策略：维持现状，收割利润，支持其他业务发展。
  • 例子：成熟市场中的核心盈利产品。
• 问题（Question Marks）：
  • 特点：高市场增长率 + 低市场份额。
  • 策略：选择性投资，找到有潜力的业务转化为明星，否则放弃。
  • 例子：新兴但竞争激烈的市场业务。
• 瘦狗（Dogs）：
  • 特点：低市场增长率 + 低市场份额。
  • 策略：减少投资甚至退出，避免资源浪费。
  • 例子：市场边缘产品或夕阳产业。

9、统计图表不能用维度字段作为横坐标。

10、BI报表在设计阶段是把业务转为维度和度量的过程。

11、峰度 = 0是正态分布。

12、总订单平均值，要计算非重复订单。

13、AARRR模型：获取、激活、留存、获益（提高客单价付费转化率Revenue）、传播

14、ARPU（Average Revenue Per User） 平均用户收入，总收入/活跃用户数量

、CRM（Customer Relationship Management） 客户关系管理，重点在于提升客户满意度与忠诚度，并最终实现收益增长。

、CVM（Customer Value Management） 客户价值管理，强调通过分析客户的生命周期价值（CLV Customer Lifetime Value ）优化与客户的互动，主要关注客户的长期收益贡献。

15、DML语言

-- 修改字段名
ALTER TABLE table_name
RENAME COLUMN old_column_name TO new_column_name;
-- 添加字段
ALTER TABLE employees
ADD hire_date DATE;
--删除字段
ALTER TABLE table_name
DROP COLUMN column_name;
ALTER TABLE employees
DROP COLUMN hire_date;-- 修改表名
ALTER TABLE employees
RENAME TO staff;-- 添加主键
ALTER TABLE employees
ADD PRIMARY KEY (employee_id);
-- 删除主键
ALTER TABLE employees
DROP PRIMARY KEY;
-- 语句更改字段属性或位置时至少需要指定字段名+字段的数据类型
ALTER TABLE employees
MODIFY salary INT AFTER age;

16、线性相关的强度

r=协方差 / 标准差的乘积

1. 非常强的相关性：
   • r 的绝对值接近 1（即 r 在 0.8 到 1.0 或 -0.8 到 -1.0 之间）表示非常强的线性关系。
2. 强相关性：
   • r 的绝对值在 0.6 到 0.8 之间表示强的线性关系。
3. 中等程度的相关性：
   • r的绝对值在 0.3 到 0.6 之间表示中等程度的线性关系。
4. 弱相关性：
   • r的绝对值在 0.1 到 0.3 之间表示弱的线性关系。
5. 非常弱的相关性或无相关性：
   • r的绝对值小于 0.1 通常被认为是非常弱的相关性或没有线性相关。

17、浏览量PV是对店铺内所有页面的总浏览量，而访问数visit（session数）是用户到达店铺或者平台到离开的一次完整访问，跳失次数表示用户进入首页没有下一步操作就离开的次数。

UV 访客数 是独立访问数

跳失率= 跳失次数/访问数

平均访问深度= 浏览量/访问数

18、ARPU，用户平均收入，Average Revenue Per User = 总收入/总用户数。

19、CAC，用户获取成本，Customer Acquisition Cost 。

20、费用支付核算方式

1. CPM Mille 千次曝光
2. CPS Sales 实际销售
3. CPC Click 点击收费

21、表格结构数据的函数组成部分：操作符、函数表达式、参数、返回值。

22、空值是空白值的简称。

23、漏斗模型需要关注体型、流速、体量。

24、数据驱动业务：以经验为主，经验比数据更加可信。

25、BI报表和业务分析报告的区别主要是：

1. 侧重业务面的完整叙述
2. 动态信息
3. 以表格图表为主
4. 基于多源数据