事实核验：2026-08-12 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

知识库使用完全手册

---

知识库的整体结构

本知识库围绕数据从业者的完整职业生命周期设计，涵盖从入门学习到职业进阶的全部内容。

十个对外模块一览

当前公开产品内容以根目录名称被 【】 包裹为准，共有十个模块：

模块	推荐入口	主要用途
数据分析与数据运营	[[【数据分析与数据运营】/00-数据分析与数据运营导览	模块导览]]
数据开发与数据架构	[[【数据开发与数据架构】/00-数据开发与架构总体导览	模块导览]]
数据治理与数据管理	[[【数据治理与数据管理】/00-数据治理知识库导览	模块导览]]
技术与工具	[[【技术与工具】/00-技术与工具导航	模块导航]]
AI 与大数据	[[【AI 与大数据】/00-AI与大数据导航	模块导航]]
各行业的基础知识	[[【各行业的基础知识】/98-跨行业通用/00-跨行业通用全景解析	跨行业入口]]
学习路线	[[【学习路线】/00-路线图使用指南	路线图使用指南]]
项目实战库	[[【项目实战库】/00-项目实战库总览	项目实战库总览]]
求职就业专题	[[【求职就业专题】/00-岗位导向求职指南	岗位导向求职指南]]
学习方法分享	[[【学习方法分享】/实践驱动学习法	实践驱动学习法]]

下面的关系图按“专业技能—业务知识—职业发展”聚合内容，展示的是使用视角，不等同于物理目录。其中“互联网商业分析”属于“各行业的基础知识”子专题；“个性化咨询服务”是服务触点，不计入十个公开内容目录。

%%{init: {"theme":"base","themeVariables":{"fontFamily":"PingFang SC, -apple-system, Source Han Serif SC, serif","fontSize":"16px","background":"#FDFBF5","primaryColor":"#FDFBF5","primaryTextColor":"#2D2A26","primaryBorderColor":"#6E6A60","secondaryColor":"#E8EFE8","secondaryBorderColor":"#8FA890","secondaryTextColor":"#2D2A26","tertiaryColor":"#FDFBF5","tertiaryBorderColor":"#9A9488","tertiaryTextColor":"#6E6A60","lineColor":"#6E6A60","textColor":"#2D2A26","mainBkg":"#FDFBF5","nodeBorder":"#2D5A3D","clusterBkg":"#F3EEDF","clusterBorder":"#9A9488","edgeLabelBackground":"#FDFBF5"},"flowchart":{"htmlLabels":true,"curve":"basis","padding":20,"nodeSpacing":60,"rankSpacing":70,"useMaxWidth":false},"themeCSS":".node rect, .node polygon, .node circle { stroke-width: 1.5px; } .edgePath .path { stroke-width: 1.5px; } .cluster-label .nodeLabel, .cluster-label foreignObject { color: #2D2A26 !important; } .edgeLabel, .edgeLabel foreignObject { color: #2D2A26 !important; background-color: #FDFBF5; } .edgeLabel rect { fill: #FDFBF5; }"}}%%
mindmap
  root((数据领域全栈知识库))
    专业技能
      数据分析与数据运营
      数据开发与数据架构
      数据治理与数据管理
    技术基础
      技术与工具
      AI与大数据
    业务知识
      各行业的基础知识
      互联网商业分析
    职业发展
      求职就业专题
      学习路线与使用指南
    增值服务
      个性化咨询服务
      学习方法分享

---

横向专题：AI时代数据人

在十个对外模块之上，知识库还提供一个跨模块入口：AI时代数据人成长路线。

它不替代 AI与大数据。二者的区别是：AI 与大数据回答“AI 技术是什么、怎么做”；AI 时代数据人回答“数据岗位如何变化、我应该如何升级、如何做出能证明能力的项目”。

适合优先阅读的人群：

• 担心 AI 改变数据岗位，希望重新判断职业方向的人。
• 已经会 SQL、报表、数仓或治理，但不知道如何补 AI 能力的人。
• 正在求职，希望把 AI 能力表达成作品集和项目经历的人。
• 想从工具执行者升级为问题负责人、数据产品负责人或 AI 数据治理负责人 的人。

推荐入口：

• AI时代数据岗位变化总览
• 数据人能力模型升级
• 90天AI时代数据人升级计划
• AI时代数据人作品集路线

---

模块详解：每个模块能帮你解决什么问题

模块一：数据分析与数据运营

解决的核心问题：如何用数据发现问题、驱动决策、支持业务增长？

包含内容：

• 数据思维与分析方法论
• 指标体系设计与搭建
• 用户分析、增长分析、运营分析
• A/B测试与实验设计
• 数据可视化与报告撰写
• 实战案例与项目模板

推荐入口：数据分析与数据运营导览

适合人群：数据分析师、数据运营、产品经理、业务分析师

---

模块二：数据开发与数据架构

解决的核心问题：如何搭建稳定、高效、可扩展的数据基础设施？

包含内容：

• 数据仓库建模理论与实践
• ETL/ELT开发最佳实践
• 实时数据处理架构
• 数据湖与湖仓一体
• 数据中台建设方法论
• 性能优化与故障排查

推荐入口：数据开发与数据架构导览

适合人群：数据工程师、数据架构师、ETL开发、数仓工程师

---

模块三：数据治理与数据管理

解决的核心问题：如何保证数据的质量、安全、合规，让数据真正可用？

包含内容：

• 数据治理框架与体系
• 数据质量管理方法
• 元数据管理实践
• 主数据与参考数据管理
• 数据安全与隐私保护
• 数据资产管理

推荐入口：数据治理与数据管理导览

适合人群：数据治理专家、数据管理者、合规专员、数据架构师

---

模块四：技术与工具

解决的核心问题：数据工作需要掌握哪些技术工具？如何快速上手？

包含内容：

技术类别	主要工具
编程语言	[[【技术与工具】/Python/00-Python学习路线图
数据库	[[【技术与工具】/MySQL/00-MySQL学习路线图
大数据框架	[[【技术与工具】/Spark/00-Spark学习路线图
消息队列	[[【技术与工具】/Kafka/00-Kafka学习路线图
OLAP引擎	[[【技术与工具】/ClickHouse/00-ClickHouse学习路线图
BI工具	Tableau、Power BI、Excel
数据湖	Hudi、Paimon、Iceberg

推荐入口：技术与工具导览

适合人群：所有数据从业者

---

模块五：AI与大数据

解决的核心问题：如何理解和应用机器学习、大模型等AI技术？

包含内容：

• 机器学习基础与进阶
• 深度学习与神经网络
• 大语言模型应用
• Prompt Engineering
• RAG检索增强生成
• AI Agent开发
• MLOps最佳实践

推荐入口：AI与大数据导航

适合人群：数据科学家、算法工程师、AI应用开发者

---

模块六：各行业的基础知识

解决的核心问题：如何快速理解一个行业的业务逻辑和数据特点？

包含内容：

行业	核心主题
[[【各行业的基础知识】/01-金融行业/00-金融行业全景解析	金融行业]]
[[【各行业的基础知识】/02-零售电商/00-零售电商行业全景解析	零售电商]]
[[【各行业的基础知识】/03-制造业/00-制造业行业全景解析	制造业]]
[[【各行业的基础知识】/04-医疗健康/00-医疗健康行业全景解析	医疗健康]]
[[【各行业的基础知识】/06-交通物流/00-交通物流行业全景解析	交通物流]]
[[【各行业的基础知识】/05-教育培训/00-教育培训行业全景解析	教育培训]]
[[【各行业的基础知识】/08-能源电力/00-能源电力行业全景解析	能源电力]]
[[【各行业的基础知识】/11-互联网商业分析/00-互联网商业分析导览	互联网商业分析]]

适合人群：想进入特定行业的求职者、需要理解业务的数据从业者

---

模块七：学习路线

解决的核心问题：面对大量知识，应该根据岗位、阶段和目标按什么顺序学习？

包含内容：

• 数据分析、数据开发、数据架构、数据治理和数据运营分级路线
• AI 时代数据人成长路线
• 入门行动计划与阶段建议
• 知识库使用方法

推荐入口：路线图使用指南

适合人群：需要制定学习计划、转岗计划或能力升级路线的读者

---

模块八：项目实战库

解决的核心问题：如何把知识转化为可以运行、验收、复盘和展示的项目成果？

包含内容：

• 数据分析项目：转化、流失、活动、会员、看板、投放、留存和指标体系
• 数据开发项目：Kafka、Spark、数仓、质量、实时指标、调度、OneID 和语义层
• 最小数据、实现步骤、问题记录、验收清单和简历改写模板

推荐入口：项目实战库总览

适合人群：需要跟做练习、补充项目经历或沉淀工作方法的读者

---

模块九：求职就业专题

解决的核心问题：如何准备面试、写好简历、顺利拿到心仪的offer？

包含内容：

子模块	说明
[[【求职就业专题】/00-岗位导向求职指南	岗位导向指南]]
[[【求职就业专题】/01-数据分析师求职全攻略/00-数据分析师求职导览	数据分析师攻略]]
[[【求职就业专题】/02-数据科学家求职全攻略/00-数据科学家求职导览	数据科学家攻略]]
[[【求职就业专题】/03-数据工程师求职全攻略/00-数据工程师求职导览	数据工程师攻略]]
[[【求职就业专题】/98-实用面试题库/01-数据分析师高频面试真题	数据分析师面试题]]、[[【求职就业专题】/98-实用面试题库/03-数据工程师高频面试真题
[[【求职就业专题】/96-简历模板库/00-AI简历模板库导览	AI 简历模板库]]
[[【求职就业专题】/95-面试实战演练/01-面试场景化实战演练	面试场景化实战演练]]

适合人群：所有正在或即将求职的数据从业者

---

模块十：学习方法分享

解决的核心问题：如何更高效地学习，避免低效努力？

包含内容：

• 实践驱动学习法
• 如何学习一门新技术
• 如何了解一个新行业
• 知识地图构建方法
• 写作促进学习

推荐入口：实践驱动学习法、数据人的知识管理系统搭建指南

适合人群：希望提升学习效率的所有人

---

三种典型使用场景

场景一：我是新手，想系统入门

推荐路径：

1. 首先，阅读 给不同阶段学习者的真诚建议，找到与你情况最匹配的建议
2. 然后，根据你选择的方向：
   • 数据分析方向 → 新手入门指南 → 数据分析师L1
   • 数据开发方向 → 数据开发L1
3. 同步，学习必备技术工具：SQL基础
4. 最后，选一个行业深入了解

---

场景二：我正在求职，需要快速准备

推荐路径：

1. 确定目标岗位：岗位导向求职指南
2. 针对性准备：
   • 数据分析师 → 数据分析师求职攻略
   • 数据工程师 → 数据工程师求职攻略
   • 数据科学家 → 数据科学家求职攻略
3. 刷题准备：从 数据分析师面试题 或 数据工程师面试题 进入
4. 简历优化：AI 简历模板库

---

场景三：我已经工作，想提升进阶

推荐路径：

1. 评估当前位置：你处于L几？参考学习路线图中的阶段描述
2. 选择进阶方向：
   • 技术深度 → 架构演进 / 数据治理
   • 业务深度 → 高级专家 + 行业知识
   • 管理方向 → 领域领航
3. 补充行业知识：深入研究你所在行业的知识文档
4. 建立影响力：用项目成果证明自己的价值

---

高效使用知识库的五个技巧

技巧一：用双链快速跳转

知识库中的 *双链* 可以快速跳转到相关文档。当你看到一个不熟悉的概念时，点击链接就能深入了解。

技巧二：善用搜索功能

如果你有明确的问题，直接搜索关键词往往比浏览目录更高效。比如搜索"RFM模型"、"Flink状态管理"等。

技巧三：先看导览再深入

每个大模块都有一个"导览"或"导航"文档（通常以00-开头），先看导览了解全貌，再根据需要深入具体章节。

技巧四：结合实践学习

不要只是阅读，要边学边练。遇到技术内容时，打开对应的工具实际操作；遇到分析方法时，找数据集练习应用。

技巧五：定期回顾和更新

知识需要反复巩固。建议每周花一点时间回顾本周学过的内容，并在实际工作中尝试应用。

---

常见问题解答

Q：内容这么多，我该从哪里开始？

A：这取决于你的情况。如果你不确定，请先阅读 给不同阶段学习者的真诚建议，找到与你最匹配的路径。

Q：我需要把所有内容都学完吗？

A：不需要，也不建议这样做。知识库是"参考书"而不是"教科书"，根据你的目标选择性学习，需要时查阅即可。

Q：发现内容有错误或想提建议怎么办？

A：欢迎通过 咨询服务 联系我们，你的反馈将帮助我们持续改进。

Q：如何获得一对一的指导？

A：我们提供 个性化咨询服务，包括职业规划、技能提升、求职辅导等。

---

写在最后

这个知识库是我们多年经验的沉淀，希望它能成为你数据职业道路上的有力助手。

但请记住，知识库只是工具，真正的成长来自于你的思考和实践。读完一篇文档不重要，能在工作中用出来才重要；收藏一百个技巧不重要，真正内化成自己的能力才重要。

祝你在数据的道路上越走越远。

---

快速导航

• 返回路线图总览
• 不同阶段学习者的建议
• 十个对外模块一览
• 项目实战库总览
• 岗位导向求职指南