数据分析方法不是讲究高端大气上档次，而是讲究实用，并且是结合业务背景的实用方法才是最好的。只要实用，即便是最简单的排行榜、二八法则分析也可能是非常好的分析方法。很多刚刚毕业学统计的同学，在刚开始工作的半年甚至一年内往往比较迷茫，其一是自己在大学中学到的那些分析方法在实际工作中往往用不到或用得很少？其二是他们总想挖出一个“啤酒与尿不湿”式的经典案例才叫数据分析…

数据挖掘从入门到进阶，经典图书推荐！

?人们总认为与大数据分析沾点边的技术都要花大价钱才能得到。但事实上，大数据分析的思想才是最贵的，技术可以实现数据批量清洗，处理，呈现地更快、更美。但却不知道要哪些数据算有效，哪些数据才是重点需要分析得出有价值的信息。

本篇介绍的是点击流中的非结构化数据的文本挖掘应用——当然，核心还是如何更好的应用这些非结构化数据。

这里有一份机器学习/AI领域最高质量的资源列表

网络上关于写产品竞品分析的文章很多，做运营类竞品分析的文章比较少，所以今天抛砖引玉和大家分享一下，我在分析竞品运营中的思考和心得。

一个深度学习专家无法与人工智能专家划上等号。

主要围绕Excel常用的图表技巧，以及图表的设计规范展开

对数据的解读能力、问“正确”问题的能力以及解答问题时的灵活性，都是衡量一名数据分析人员是否足够称职的关键。

一个推荐系统的精彩概述，描述了如何向市场提供有效的推荐。

用表格形式来呈现数据是一种比较简便的方式，但是，为了更好的对数据做出解释，我们需要图形化的方式来呈现数据。

最近阿里云发布了《中国企业2020：人工智能应用实践与趋势》白皮书，作为企业2020年应用人工智能的落地指南，并总结了人工智能为企业创造价值的七大模式。

Power BI打造数据分析师Dashboard报表

损失函数是衡量预测模型在预测预期结果方面做得有多好。

一家以色列网站正致力于将以色列－哈马斯战争所涉及的数十亿图片、表格还有一系列数据进行分析，这也被看作是一场信息战。

在本文中，我整理了一些最常见的机器学习面试问题，并给出了相应的答案。有志于机器学习的人，以及有经验的ML专业人士，都可以在面试前利用这一点来完善一下他们的基础知识。

毕竟在数据圈混，技多不压身嘛，这次分享的可是能够打入可视化内部的多层钻取！

虽然线上零售对线下零售造成了很大的冲击，但在零售总额实际比例中，线下零售占比依然高达90％。展望未来，线下零售依然会占领零售行业的重要地位。

不是所有的数据都是完美的

还记得我们小时候在地理书上看过的人口金字塔吗？