一、数据分类
数据可从管理、业务、数据源、时态 4 个视角来分类，日常工作中常从管理视角划分为：主数据、元数据、参考数据、交易数据、统计分析数据。
主数据：描述企业核心业务实体的数据，是具有实际属性的具体"对象"，如客户、产品、员工等
元数据：用来描述数据的数据，如字段数据类型、数据定义、数据关系等
参考数据：用于对其他数据进行分类的数据，常被用作外键约束，通常预定义可选值范围，数据只能从中选择，如信用等级、产品类别等。
交易数据：描述业务运营过程中发生的内部或外部"事件"，即业务、交易不断产生的记录。
统计分析数据：又称指标数据，是经过统计计算得到的数值型数据，如销售额、转化率等。
二、数据模型
主数据、参考数据、交易数据统称为基础数据，使用关系模型来组织和存储。
统计分析数据又称指标数据，使用维度模型来组织和存储。
图1：数据分类视角与数据模型组织方式
三、数据分析
经过模型组织好的数据，进入数据分析的四个阶段：
需求层：确定分析目标、识别四个决策层级（战略层、管理层、运营层、操作层）。
数据层：包括数据获取、数据清洗、数据整理。
分析层：通过维度筛选、度量聚合；调用数据分析模型进行运算：描述、诊断、预测、规范四类分析方法均依赖数据分析模型。
输出层：根据不同决策层级，输出相应的分析成果。
- 战略分析报告---战略层，主要用到描述性分析方法；
- 数据看板和仪表盘---管理层，同样主要用到描述性分析方法；
- 业务归因分析与策略优化报告---运营层，主要用到诊断性分析方法；
- 数据挖掘报告---操作层，此层主要用到预测性分析和规范性分析方法，深度分析用户行为与业务规律，建立模型进行预测，并针对不同情况提供行动建议和决策支持。
图2：数据分析四阶段流程
四、EDIT 数字化模型
EDIT 数字化模型是企业引入数据分析的落地模板，既不是存储的数据模型，也不是计算的分析模型，而是一套分析思考的指导思维，贯穿数据分析全流程。
先探索现状 (E) → 再诊断原因 (D) → 再提出业务改进方案 (I)，用工具 (T) 来实现。所有分析方法均沿着这一思维框架应用。
EDIT 与四阶段对应关系
- 需求层：确定业务问题，已经开始用 EDIT 思维构思分析方向。
- 数据层：进行数据获取与清洗，T（工具）在这里落地。
- 分析层（核心分析阶段）：E、D、I 全部在这里执行。
图3：EDIT 数字化模型与四阶段对应关系
- 输出层：将 E-D-I 整套思考逻辑整理成报告并输出。
五、本节知识脉络总结
图4：本节知识脉络总览