数据分析岗位-相关知识
数据分析岗位
- 1.大数据
- 2.业务（朴素理念）
1.大数据
- 数据流向 ：MySQL等传统业务数据（结构、半结构、非结构） → ETL → 数据仓库 / 数据计算 → BI（BI也提供计算能力）
sequenceDiagramMySQL->>+Kafka: 实时数据变更Kafka->>+Snowflake: 批量加载Snowflake->>BI工具（阿里Quick BI）: 分析报表
-
OLTP（Online Transaction Processing在线事务处理）和 OLAP（Online Analytical Processing在线分析处理）是两种主要的数据处理模式
举个例子：MySQL 之类的关系型数据库，MongDB 之类的NoSQL的OLTP。ES之类的算OLAP。 -
数仓建设的星型/雪花模型：优化分析查询性能；事实表+维度表；读操作高效。
关系型数据库范式（123NF）：保证数据一致性，减少冗余；多表关联；读写均衡。
星型模型（Star Schema）
graph TD
A[事实表] --> B[维度表1]
A --> C[维度表2]
A --> D[维度表3]雪花模型（Snowflake Schema）
graph TD
A[事实表] --> B[维度表1]
B --> C[子维度表1]
B --> D[子维度表2]
2.业务（朴素理念）
- 数据本身是客观的，数据分析可以是有视角的（最简单的例子，薪资平均值对外，薪资中位数对内；做图关注加速度和速度，即关注差距还是斜率；朴素数学原理）。
- 数据需要产生业务价值，所以老板想要较深度的数据分析。
- 回归到职业力、业务能力、Manage Up、情绪价值。