开始你的旅程

选择你的角色，获取量身定制的学习路径。

---

👋 你是谁？

• 业务决策者

  ---

  你是管理者、产品经理或创业者。你需要用数据支撑决策，但不需要亲手写代码。

  核心目标: 学会用决策框架思考，看懂数据报告，避免常见认知偏误。

  开始学习

• 数据分析师

  ---

  你已经有 Python/SQL 基础，需要提升分析深度和建模能力。

  核心目标: 掌握从描述分析到因果推断的完整方法论栈。

  开始学习

• 学习者

  ---

  你从零开始，希望系统学习数据化决策。不急于求成，按部就班。

  核心目标: 建立完整的知识体系，从基础到进阶。

  开始学习

---

💼 业务决策者路径

你的时间宝贵，我们只挑最核心的内容。

第一步：理解决策的本质 (1-2 小时)

大多数管理者的问题不是"不会分析数据"，而是根本不知道自己在做什么决策。

• 洞察 1: 你不是在决策，你是在逃避

  ---

  三种逃避模式：用习惯代替选择、把决策权交给他人、用忙碌逃避真正的问题。

  阅读 · 15 分钟

• 洞察 2: 好决策可能有坏结果

  ---

  结果偏见是管理者最致命的盲区。学会用决策质量而非结果评估判断。

  阅读 · 15 分钟

第二步：学会选框架 (30 分钟)

• 决策框架选择指南

  ---

  5 个问题帮你快速定位：该用 SWOT、决策树、还是蒙特卡洛模拟？

  阅读 · 20 分钟

• 决策工具与模板

  ---

  6 套即用工具：决策质量评分表、事前验尸流程、信息价值评估表……

  阅读 · 30 分钟

第三步：看案例学决策 (1 小时)

• SaaS 收入治理 — 战略决策

  ---

  如何量化收入风险、在多个增长方案中选择最优路径

  阅读

• 营销组合模型 — 预算决策

  ---

  用贝叶斯方法科学分配营销预算，渠道 ROI 提升 35%

  阅读

• 安全控制 ROI — 风险决策

  ---

  在有限预算下，如何量化安全投资的回报并排定优先级

  阅读

• 全部 21 个案例 案例库总览

第四步：避坑指南 (30 分钟)

• 8 大商业失败案例分析

  ---

  诺基亚的锚定效应、柯达的损失厌恶、雷曼的过度自信…… 从别人的失败中学决策。

  阅读

---

📊 数据分析师路径

你已经会写 SQL 和 Python，现在是时候从"取数工具人"升级为"决策科学家"。

第一阶段：补齐决策理论 (2 小时)

• 决策的三重门 索引

  ---

  9 篇洞见，从认知偏误到决策系统。建议先读 1、2、4、7。

  开始

• 决策框架选择指南

  ---

  分析方法论 ≠ 技术栈。学会在拿到需求时先判断"该用什么框架"。

  阅读

第二阶段：从相关性到因果性 (3-4 小时)

这是数据分析师和决策科学家的分水岭。

• A/B 测试与因果推断

  ---

  从 RCT 到双重差分、工具变量、断点回归——完整方法论。

  阅读

• 因果推断专题

  ---

  Rubin 因果模型、Pearl 因果图、DoWhy/EconML 工具链

  阅读

• Causal Inference: What If (中英对照)

  ---

  因果推断领域圣经，完整 25 章翻译对照。

  阅读

第三阶段：建模与优化 (3-4 小时)

• 机器学习与深度学习

  ---

  从 scikit-learn 到 PyTorch，经典算法到前沿框架

  阅读

• 时间序列分析

  ---

  ARIMA、Prophet、LSTM——预测模型全景

  阅读

• 运筹优化工具箱

  ---

  OR-Tools、PuLP、Pyomo——从线性规划到车辆路径优化

  浏览

第四阶段：用案例检验 (2 小时)

• 信用评分卡 — 风控建模

  ---

  WOE 编码 + IV 筛选 + Logistic 回归完整流程

  阅读

• 客户流失预警 — 生存分析

  ---

  Kaplan-Meier + Cox 比例风险模型

  阅读

• 投资组合优化 — 量化决策

  ---

  26 种风险度量 + 层次风险平价

  阅读

• 全部 21 个案例 案例库总览

---

🎓 学习者路径

从零开始，不急。按这个顺序走，6-12 个月形成完整能力。

阶段一：打好基础 (0-3 个月)

• 学习路线图

  ---

  完整的 0-18 个月规划：编程 → 数学 → 工具 → ML → 进阶

  查看

• 数学基础

  ---

  线性代数、微积分、概率统计——数据科学的三大基石

  阅读

• 描述性统计

  ---

  均值、方差、分布——数据分析的第一步

  阅读

• Pandas 实战

  ---

  Python 数据处理核心工具：DataFrame、清洗、聚合……

  阅读

• SQL 与数据库

  ---

  从基础查询到窗口函数

  阅读

阶段二：学方法论 (3-6 个月)

• 理解决策本身

  ---

  决策的三重门前言 + 洞察 1-3：拆掉认知的高墙

  开始

• 机器学习入门

  ---

  分类、回归、聚类——经典算法与实践

  阅读

• A/B 测试基础

  ---

  实验设计、样本量计算、显著性检验

  阅读

阶段三：深入进阶 (6-12 个月)

• 因果推断

  ---

  从相关到因果，数据分析的终极目标

  阅读

• 深度学习

  ---

  CNN、RNN、Transformer——现代 AI 基础

  阅读

• 决策系统思维

  ---

  洞察 7-9：从单次决策到决策系统

  开始

• 全部开源工具

  ---

  71 个精选仓库，按需取用

  浏览

---

不确定从哪里开始？去 决策框架选择指南 让 5 个问题帮你定位。