数据饕餮

《探索性数据分析（EDA）核心框架与应用实践》摘要： EDA是模型构建前的关键分析阶段，通过可视化与统计技术理解数据结构、发现规律。其四大目标包括：理解数据分布、检测异常值、挖掘变量关联、识别业务模式。方法论涵盖单变量分析（分布/异常检测）、多变量分析（相关性/交互效应）及高维降维技术。行业应用中，EDA能有效支持风控策略优化（如识别信贷U型风险曲线）与精准营销。实施需遵循"业务导向"原则，确保每个分析步骤解决实际业务问题，避免无效可视化。文中结合银行风控案例，展示了EDA与DCMM数据

《数据可视化分析：方法与分类》摘要 数据可视化通过图形化手段揭示数据模式、趋势和异常，结合统计学与设计学支持决策分析。文章系统梳理了可视化方法：①按分析目标分为分布分析（直方图、箱线图）、关系分析（散点图、热力图）、构成分析（饼图、树状图）等8类；②按交互性分为静态报告与动态探索式可视化；③按数据维度分为单变量、多变量分析；④按图表类型分为基础图表与高级特殊图表（如桑基图）。强调可视化设计需遵循清晰性、准确性原则，并指出交互式仪表盘在深度分析中的价值。

描述性统计分析是数据研究的基础环节，主要通过统计指标和可视化方法揭示数据特征。其核心内容包括：集中趋势分析（均值、中位数、众数）、离散程度测量（标准差、四分位距）、分布形态考察（偏度、峰度）以及变量间关系探索（相关系数、散点图）。与推断统计不同，描述性统计仅针对样本自身特征进行呈现，不涉及总体推断。作为数据分析的第一步，它在商业、科研、金融等领域具有广泛应用价值，为后续深入分析奠定基础。规范的描述性统计能有效识别数据模式、发现异常值，是确保数据分析质量的重要前提。

数字化转型是数据化能力建设的目标和价值，作为一个新兴的课题，目前为止并未出现一个统一的数字化转型成熟度模型。不同的企业和机构，根据自身的发展和认知，推出了自己的企业级或者准行业级标准。这些标准具有很强的参考意义，作者收集和整理了相关的标准和规范，整理成集合，命名为《》作为参考。本文是《》第一篇，由中国信通院推出的《企业IT数字化能力和运营效果成熟度模型（IOMM）》。

数字化转型是数据化能力建设的目标和价值，作为一个新兴的课题，目前为止并未出现一个统一的数字化转型成熟度模型。不同的企业和机构，根据自身的发展和认知，推出了自己的企业级或者准行业级标准。这些标准具有很强的参考意义，作者收集和整理了相关的标准和规范，整理成集合，命名为《10大数字化转型能力成熟度模型》作为参考。本文是《10大数字化转型能力成熟度模型》第03篇，由工信部推出的《中小企业数字化水平评测指标（2022年版）》。

一、前言数字化转型落地实践最大的问题是什么？是缺乏可供参考的实践案例。本文为此而生！2020年，数字化转型如何进行，各个企业从迷茫、不知所措到躬身探索、落地实践，迈出了坚定的步伐。2021年3月，国资委发布了《2020年国有企业数字化转型典型案例》，给出了八个大类30个优秀案例和70个典型案例，用于作为各个企业进行数字化转型的探索参考。从官方渠道，目前虽然无法看到完整的、详细的案例介绍，但是通过案例名称和建设单位信息，我们其实也可以获取关于项目的更加详细的信息。本文作为一个系列，首先给出

一、前言 企业数字化进程分成5个阶段：数字化领导者、数字化实践者、数字化评估者、数字化跟随者, 数字化后进者。五个阶段分别代表数字化转型的不同能力层次。DTI 企业数字化转型指数是有Dell公司发布，始于2016年，第二次于2018年发布，今天我们介绍的DTI指数发布于2020年。二、数字化转型进行阶段划分数字化领导者：数字化转型已经以多种形式融入企业DNA；数字化实践者：具有成熟的数字化计划、投资和创新；数字化评估者：谨慎并逐步实现数字化转型，对未来进行规划和投资；...