

很多新人学完Python、SQL，拿到一张Excel表还是不知从何下手。
其实，90%的商业分析问题，都藏在表格的结构里。

”

引言：为什么你总在“取数”，却做不出分析？

小李刚转行做数据分析师，第一天就收到需求：“分析一下近半年用户流失情况。”他熟练地跑SQL，导出用户表、订单表、行为日志表……几百万行数据堆在面前，却突然卡住了：该看哪几列？怎么清洗？哪些是维度？哪些是指标？

这不是小李一个人的困境。许多初级分析师把大部分时间花在写代码上，却忽略了最基础也最核心的一步：理解你所面对的“表格结构数据”。

简单说，表格结构数据（结构化数据）就是行代表一条记录，列代表一个字段。但你真的知道如何从这些行列中提取业务洞察吗？

本文就从CDA数据分析师认证的知识体系出发，帮你拆解表格结构数据的4个核心特征，并给出一个可直接落地的分析框架。

一、认识表格的“骨架”：行与列的真正含义

1. 行——每一条“事实”

每一行代表一个最小业务单位。

• 在订单表里，一行就是一笔订单。
• 在用户表里，一行就是一个用户。
• 在日志表里，一行就是一次点击。

常见错误：没有搞清楚行的粒度就计算。比如把用户表和订单表直接合并，导致用户信息重复计算。

✅ CDA建议：拿到任何一张表，先问自己三个问题：



① 这一行代表什么业务事件？
② 这个粒度能满足我的分析目标吗？
③ 如果需要聚合或拆分，应该基于哪一列？

”

2. 列——每一个“属性”

列分为两大类，这是很多自学者忽略的：

关键点：只有数值型指标才能做汇总（求和、平均），维度列通常用来分组（GROUP BY）。

案例片段



某电商想看“各城市GMV”。
正确做法：城市（维度）→ 按城市分组，对订单金额（指标）求和。
错误做法：把“城市”当成数值去平均，毫无意义。

”

二、表格的“隐形特征”：数据类型与质量

1. 数据类型——决定了你能做什么操作

常见数据类型及其“陷阱”：

• 数值型（整数、浮点） → 可加减、求比例。
  ⚠️ 注意：ID编号虽然是数字，但应视为字符串（不能求和）。
• 日期时间型 → 可计算间隔、提取星期/月份。
  ⚠️ 常被存为文本，导致无法排序或绘图。
• 文本型 → 可分组、去重、模糊匹配。
  ⚠️ 注意空格、大小写、错别字（如“北京”和“北京市”被视为两个维度）。

✅ CDA实操建议：用Python的dtypes或Excel的=TYPE()先检查每一列的真实数据类型。将日期从文本转换后，才能做出趋势图。

2. 数据质量——表格的“隐形杀手”

一张“脏表”会让所有分析结果失效。重点关注四类问题：



一个小故事：某分析师发现销售额突然暴增300%，兴奋汇报。结果发现是“订单金额”列里混入了测试订单（金额为999999）。——数据清洗永远在分析之前。

”

三、多表关联：从“一张表”到“一个数据模型”

现实工作中，你几乎不会只面对一张完美的表。你需要理解表与表之间如何通过键连接。

常见表关系

• 一对一：一个用户对应一个身份证号 → 可直接合并。
• 一对多：一个用户有多个订单 → 用用户ID关联时，注意用户信息会重复。
• 多对多：学生选课，课程选学生 → 需要中间表。

CDA认证中的经典模型：星型模型

• 事实表（中间大表）：记录业务事件，如订单表（每行一笔订单，包含用户ID、商品ID、金额、时间）。
• 维度表（周围小表）：描述实体属性，如用户维度表（用户ID、性别、城市）、商品维度表（商品ID、品类、价格）。

分析时：通过用户ID关联订单表和用户维度表，就可以分析“不同城市的购买力”。

✅ 一句话总结：表格结构数据不只是“行和列”，而是可以建模的业务世界。CDA Level Ⅰ 考试中，表连接和模型设计占了近20%的考点。

四、实战：用一张“用户行为表”找出流失原因

背景

你有一张 user_activity 表，字段如下：

分析任务：找出“低留存用户”的特征。

步骤（应用上面讲的特征）：

1. 确认行粒度：一行代表一个用户在某一天的活动记录。
2. 区分维度与指标

   • 维度：user_id, activity_date
   • 指标：login_duration_min, page_views, is_return_next_day
3. 检查数据质量

   • is_return_next_day 是否有空值？
   • login_duration_min 是否存在负值？
4. 分析（示例SQL逻辑）

sql
SELECT 
    CASE WHEN login_duration_min < 5 THEN '<5分钟'
         WHEN login_duration_min BETWEEN 5 AND 20 THEN '5-20分钟'
         ELSE '>20分钟' END AS 时长分组,
    AVG(is_return_next_day) AS 次日留存率
FROM user_activity
GROUP BY 时长分组
ORDER BY 次日留存率 DESC;

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0