探索性数据分析

• 唯一标识：industry-exploratory-data-analysis
• 显示名称：探索性数据分析
• 能力摘要：在建模或正式统计前系统理解数据的结构、分布、缺失、类别关系、异常与潜在偏差，通过迭代问题清单和图表形成可验证的后续分析假设。

案例素材

1. 接到一份陌生的客户流失数据，先列出字段类型、缺失比例、目标变量分布和时间覆盖，再用箱线图、分组统计和交叉表发现企业客户与个人客户的记录逻辑不同。
2. 模型训练前检查标签分布与训练/测试集切分，发现同一用户跨集合出现造成潜在泄漏，于是改为按客户和时间分割。
3. 运营报表显示某商品退货率突增，通过按仓库、地区、物流商和促销批次切片，定位到一个异常批次，并将其作为需回查业务流程的假设而非直接归咎模型。