数据分析师创建自动化数据目录

数据分析师可以为数据编制索引提供业务使用，数据分析师相关的地方出现技术元数据，机器学习可以使用模式与技术细节，让自动化数据更加方便可靠，数据分析师要跟上的科技发展与机器学习、人工智能相结合才能大大的提高工作效率，用科学的方法对数据分析工作进而做到准确的分析判断。

更好的查看您的数据

所有数据资产和数据知识的完整存储库，了解您的数据，对数据进行采样并监控使用情况，以确保用户对数据准确性有准确的了解。这包括通过目录活动、资料取样、互动血统。工作中数据分析师要做到与数据协作，如何从原始数据创建和共享知识提供了深刻的见解，用户模式，表和列的普及共享的联接，过滤器和查询。

在数据中取得了多少进展

为了能够程度的发挥作用，我们应该怎样确定数据分析工作的优先级，分析数据管理作为一个数据分析师可能是一项非常艰巨的责任，数据分析师在对数据管理时工作通常比较乏味，并且很难跟踪，衡量甚至知道它是否有作作为，但是这里教给你怎样使用数据分析管理工具设置数据管理可以优先确定先要整理的数据，应用策略、衡量策划进度并确保分析人员在其自然的工作流程中看到有序的数据管理方法。

机器学习算法可以为数据分析师在分析数据时提供更加便利的方法

机器学习算法可学习您的业务词典，这意味着它从技术术语中提取了自然语言的含义，而且使每个人都更容易理解，甚至会根据所使用的情况数据自动建议新的业务词。

数据分析中基于行为的见解

CPDA数据分析师通过提取和解析生态系统的查询日志可以了解围绕数据的用户行为，这样有助于确定的数据，常使用的链接和过滤器，数据的血统是什么，顶级用户是谁，并有助于确定数据管理员。

洞察力与基础数据有着很好的联系

交互式沿袭图表显示了表格的原始数据与BI报表之间的关系，一直到列级，如果不赞成使用数据对象，则会标记所有受影响的下游资产。

从社会网络中吸取灵感

对于社会网络来说含有有关数据的知识点很多，并将其采集整理到企业中为企业提供外部数据的支持，寻找外部可信赖性、精准的数据信息突出数据的准确性、是否有利用价值的数据。