
CDA持证人简介:
王明月 ,CDA 数据分析师二级持证人,2年数据产品工作经验,管理学博士在读。
学习入口:https://edu.cda.cn/goods/show/3898?targetId=6856&preview=0
在生活、工作和学习中,我们常常会遇到一些问题,以往熟悉的工具和方法可能不再适用,这就是 “认知困境”。就像爱因斯坦说的,“你无法在制造问题的同一思维层次上去解决这个问题”。随着时代发展,问题变得越来越复杂,我们需要思维模型来帮助我们突破认知局限,以动态、上升的思维去应对不断变化的复杂系统和问题情境。
比如,线性思维无法解释微信群中谣言的爆发式传播,静态分析也难以预测电商平台价格战升级的情况。
在电商价格战中,按照传统经济学的线性需求函数,单边降价应该能增加利润,但实际情况是,当一方降价时,竞争对手也会降价,导致各方利润都降低,这说明我们不能孤立地考虑自身决策,还要考虑对手的策略。
复杂网络是将现实中复杂的系统,如交通网络、物流网络等,抽象为节点和连接。
有人可能会质疑这种抽象是否会使现实失真,其实我们可以把未考虑的因素当作控制变量,只要这些因素对节点和连接影响不大即可。如果影响较大,就需要将其纳入系统。
复杂网络可以揭示系统的宏观特征、隐性关系和涌现特征。比如,它能分析物流网络的整体特征和演化,发现供应链网络中的风险传导,以及解释网络舆情中社群突然极化的现象。
在实际应用中,复杂网络有很多不可替代的价值。例如,识别关键枢纽,在地铁线路规划中,通过考虑多条路径,可以更准确地确定关键站点,这些站点中断可能会对人流量产生重大影响;预测传播路径,像新冠疫情的传播,用网络思维能更好地理解和预测;分析节点失效的影响,判断一个关键节点失效后,哪些节点会受到影响以及影响的概率。
博弈论的本质是策略互动,主要解决个体最优与集体理性的矛盾,以及动态策略的预判。其核心要素包括至少两个玩家、多个策略组成的策略集、收益矩阵和均衡。
以经典的囚徒困境为例,两个玩家面临合作或背叛的选择,从个体理性出发,双方都选择背叛会达到纳什均衡,但此时整体利益并非最优,而双方都合作才是帕累托最优。这体现了个体最优和集体最优的矛盾。
博弈论的类型有很多,常见的有非合作博弈、合作博弈、演化博弈和微分博弈。
非合作博弈:常用于策略选择。以智猪博弈为例,大猪和小猪面临按按钮获取食物还是在食槽等待的策略选择。通过构建收益矩阵可以发现,无论大猪如何选择,小猪选择等待的收益都是最高的,这就是非合作博弈中离散策略的一种均衡情况。在企业决策中,非合作博弈可以用于分析市场竞争中企业的定价策略、投资决策等。
合作博弈:主要解决公平分配问题,在企业和政府部门的资源分配、利润分配等方面应用广泛。例如,资本家和工人合作创造利润,通过考虑边际收益来确定利润分配方式,有核心和下配置等方法来寻找公平稳定的分配方案。
演化博弈:近年来在网络上备受关注,它将博弈论与生物进化中的基因变异、选择和遗传相结合,研究创新选择和扩散。核心要素是复制动态方程和稳定策略的均衡解。
以鹰鸽博弈为例,通过计算鹰和鸽的期望收益,根据复制动态方程得到均衡解,可以分析生物群体中不同策略的变化情况,反映生物界的系统平衡。在企业创新扩散、市场竞争的动态演化等方面,演化博弈可以提供有价值的分析视角。
微分博弈:对数学要求较高,常用于工科领域,如导弹制导、无人机拦截等。
在这类博弈中,会考虑动态方程和时间因素,例如导弹追击飞机时,需要根据双方的运动状态构造目标函数,并通过特定解法求解。在企业管理中,当面临随时间变化的决策问题,如企业的长期战略规划、市场份额的动态变化等,微分博弈可以帮助企业制定更合理的策略。
企业在制定价格策略时,不能只考虑成本和市场需求,还需要考虑竞争对手的价格策略。如果企业单方面降价,可能引发价格战,导致利润下降。
运用博弈论,企业可以构建支付函数,通过求导等数学方法确定最优定价。但实际情况中,企业决策并非完全依赖公式推导,还需考虑市场环境、消费者心理等多种因素。
在企业内部,不同部门或利益相关者之间存在利润分配问题。
合作博弈可以帮助企业制定公平合理的分配方案,考虑各方的贡献和边际收益,避免因分配不均导致内部矛盾,影响企业的稳定发展。
企业在市场竞争中,需要根据竞争对手的行动来调整自己的策略。非合作博弈和演化博弈可以帮助企业分析竞争对手的可能策略,预测市场动态,从而制定更具竞争力的市场进入、产品研发、广告投放等策略。
企业与上下游供应商、经销商之间的合作也涉及博弈。
各方都希望在合作中获得最大利益,但过度追求自身利益可能损害整个供应链的稳定。通过合作博弈和演化博弈,企业可以优化供应链合作模式,建立长期稳定的合作关系,实现共赢。例如,在面对原材料供应短缺时,企业如何与供应商协商价格和供货量,以保障自身生产需求,同时维护供应链的稳定。
以促进数字经济高质量发展为例,为探究政策补贴奖惩机制对企业数字化扩散的推动作用,可以构建企业博弈模型。
首先提出接近现实的假设,构建博弈收益矩阵或支付函数,考虑企业在网络中的上下游联系,设定博弈策略更新规则。由于求解解析解往往比较复杂,通常通过数字模拟来分析,生成网络并根据设定的函数和规则进行重复模拟,从而确定哪些因素对企业数字化扩散有重要影响。
在研究复杂网络和博弈论时,有很多工具可以辅助我们。复杂网络可以通过 Gephi、UCINET 或 Python 的 networkx 等工具进行可视化分析,帮助我们更直观地理解网络结构和特征。
博弈论的可视化工具相对较少,早期我会通过手动计算来分析,后来发现 Python 和 Matlab 有相关的包可以辅助求解,但对于复杂问题,手算结果可能更便于分析和比较。在企业决策中,我们还可以借助博弈论的扩展式表达如决策树和战略式表述(收益矩阵)来进行分析,根据实际情况选择合适的方法。
复杂网络和博弈论等思维模型都是CDA数据分析师认证的重要考点,如果你对这些内容很感兴趣,想了解自己的真实水平,可以在CDA认证小程序中找到模拟题进行测试。
学习入口:https://edu.cda.cn/goods/show/3898?targetId=6856&preview=0
如果大家想听程老师完整版分享视频,可以微信扫码免费学习。
《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
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25