数据化决策知识库¶
从直觉到数据,从数据到决策 —— 一套方法论 + 技术 + 实践的完整体系
graph LR
A["1·理解决策"] --> B["2·案例与实践"]
B --> C["3·分析数据"]
C --> D["4·建模与推断"]
D --> E["5·优化决策"]
E --> F["6·参考资源"]
F -.->|循环迭代| A
style A fill:#1565c0,color:#fff
style B fill:#2e7d32,color:#fff
style C fill:#0288d1,color:#fff
style D fill:#6a1b9a,color:#fff
style E fill:#e65100,color:#fff
style F fill:#37474f,color:#fff
**决策工作流六步循环** · 每一步可独立进入 · 了解架构 →
👋 我是…¶
🗺️ 决策工作流¶
一个完整的数据化决策循环:理解决策本质 → 借鉴行业案例 → 分析数据 → 建模推断 → 优化决策 → 复盘迭代。
一、理解决策¶
为什么大多数人活在"伪决策"里?认知偏误如何劫持你的判断?
二、案例与实践¶
21个真实行业案例,从金融风控到营销增长,决策框架 + 代码实现:
| 领域 | 案例 |
|---|---|
| 🏦 金融 | 信用评分卡 / 投资组合优化 / 欺诈检测 / 客户流失预警 |
| 📈 营销 | 营销组合模型 / 客户生命周期价值 / 客户细分 / 定价策略 |
| 🚚 运营 | 需求预测与补货 / 车辆路径优化 / 生产计划优化 / 动态定价 |
| 🎯 战略 | 多准则决策分析 / SaaS收入治理 / 产品增长策略 |
| 🔒 风险 | 安全控制ROI / 贝叶斯风险评估 / 价值信息决策 |
三、分析数据¶
从数据基础到工程栈,把原始数据变成可分析的资产:
四、建模与推断¶
从相关性到因果性,从描述到预测:
- 方法指南: A/B测试实操 / 因果推断实操 / 预测建模实战
- 资源索引: 机器学习与深度学习 / NLP资源 / 时间序列
- 概念笔记: 因果推断方法阵营 / 关联不等于因果 / 博弈论基础 / 贝叶斯与频率学派分歧 / 机器学习失败金字塔 ……
- 桥接笔记: 贝叶斯决策理论 / 因果推断诊断检验 / 信用分配 / 预测因果决策三层
五、优化决策¶
理解了问题、分析了数据、建好了模型——如何做出最优选择?
六、参考资源¶
经典教材翻译、开源项目索引、Wikipedia概念集——深度学习的弹药库:
- 经典教材译丛: Causal Inference (全25章) / ESL关键概念
- HuggingFace NLP课程: Module 1-5
- Wikipedia概念集: 决策科学 / 统计学 / 贝叶斯统计 / 深度学习 / 强化学习 / 图神经网络 / 生成模型 / 元学习迁移学习 / 优化正则化 / 集成学习聚类
- Scikit-learn指南
📝 Zettelkasten 笔记系统¶
知识库的核心是 178 篇原子化笔记,采用 Zettelkasten 方法 + 双向链接组织。每篇笔记回答一个核心问题,通过链接形成知识网络。
笔记按类型分为三类: - 概念笔记 (12篇) — 跨文献综合形成的知识原子 - 桥接笔记 (4篇) — 连接不同概念,揭示跨领域关系 - 实践笔记 (24篇) — 工具链、方法论、实战流程
💡 笔记已归入上述各工作流步骤中,也可通过 Zettelkasten 总览页 浏览全部。
🏗 项目架构¶
本仓库采用 三层知识加工流水线 组织:
1-sources/ ← 135篇原始文献笔记(阅读时的第一遍记录)
2-notes/ ← 加工后的结构化笔记(Zettelkasten原子笔记)
3-products/ ← 最终产出(案例代码、翻译文档、教程)
site/docs/ ← MkDocs站点源文件(你正在浏览的)
详细说明见 关于本库。
📌 快速入口¶
| 入口 | 说明 |
|---|---|
| 🧭 开始你的旅程 | 按角色选择学习路径 |
| 🔍 标签搜索 | 按标签浏览全部内容 |
| 🗺 知识图谱 | 可视化知识关联 |
| 📦 开源项目索引 | 70+精选GitHub仓库 |