Google Data Analytic Certificate 课3June 21, 2026
Differentiate Data Formats and Structures
数据的定性与定量分类
- 定性数据（Qualitative Data）是无法用数字计量的，如电影标题和演员名单，通常表现为名称、类别或描述。
- 定量数据（Quantitative Data）可以用数字计量，如电影的预算和票房收入，表现为具体的数量或范围。
定量数据的细分与定性数据的类型
- 离散数据（Discrete Data）是可计数且值有限的数据，例如电影的预算金额，不能有介于两分钱之间的值。
- 连续数据（Continuous Data）是可测量且值可为小数的数据，如电影的播放时长，可以精确到小数点后多位。
- 名义数据（Nominal Data）是无序的分类数据，如观众是否看过某电影的“是”、“否”、“不确定”回答。
- 序数数据（Ordinal Data）是有顺序的分类数据，如观众对电影的评分排名。
内部数据与外部数据及结构化数据
- 内部数据是企业自身系统中产生和存储的数据，通常更可靠且易于收集。
- 外部数据来源于企业外部，通常用于需要多来源数据的分析。
- 结构化数据是有明确格式（如表格、数据库）的数据，便于搜索和分析。
- 非结构化数据如音频和视频文件，缺乏明确的行列结构，分析处理较复杂。
结构化数据的应用价值
- 结构化数据便于数据库的使用，使分析师能够轻松输入、查询和分析数据。
- 它支持多种数据可视化形式，如图表、热图和仪表盘，方便数据展示和理解。
结构化数据的定义与特点
- 结构化数据是以行和列的格式组织的数据，便于存储和管理。
- 它适合在数据模型中使用，数据模型帮助组织数据元素及其相互关系，保持数据一致性。
非结构化数据特点
- 无法用简单的行列形式组织，数量远多于结构化数据。
- 包括视频、音频、文本文件、网页等多种形式。
公平性问题
- 非结构化数据难以管理和分析，但人工智能和机器学习技术正在改善这一点。
- 需要确保数据集的包容性和无偏性，否则会导致分析结果偏差和不准确。
数据建模的定义与作用
数据建模是创建图示来表示数据如何组织和结构化的过程，类似于建筑蓝图，帮助不同用户理解整体结构。 作为初级数据分析师，通常不会设计数据模型，但会接触到已有的数据模型。
数据建模的层级
概念数据模型提供高层次视图，展示数据在组织中的交互，主要用于定义业务需求，不涉及技术细节。 逻辑数据模型关注数据库的技术细节，如实体、属性和关系，但不包含具体的数据库表名。 物理数据模型描述数据库的具体实现，包括表名、列名和数据类型。
数据建模技术与数据分析的关系
常见的数据建模技术有实体关系图（ERD）和统一建模语言（UML）图，分别用于展示实体关系和系统结构。 数据建模有助于理解数据的高层次细节及其在组织信息系统中的关联，促进团队成员间的理解与协作。