×
请登录
账号
密码
登录 Use it
博客
随笔
网盘
建站
资源
标签
毒鸡汤
程序员导航
登录
注册
标签: 数据分析 共 579 个结果.
你是电商数据分析师
电商数据分析师 是一个数学、计算机、经济管理、电子商务于一体的交叉综合性知识 岗位。
star2017
1年前
7742
0
如何快速建立用户模型,辅助产品决策
建立用户模型的目的是:尽量减少主观臆测,走近用户,理解他们真正需要什么,从而知道如何更好的为不同类型用户服务。
star2017
1年前
7162
0
用数据说话:金州勇士队夺冠实非偶然
摘要:金州勇士队赢得了去年 NBA 常规赛和总决赛双料冠军,然而许多人认为他们的成功主要是因为运气好,他们的小球战术只适用于常规赛。 在 Stitch Fix 算法团队中有不少勇士队的忠实粉丝,因此我们打算从数据科学的视角来探索勇士队夺冠的决定因素。我们的分析结果中主要有两个重大的发现,这也是本文想要讨论的主要内容: 金州勇士队去年的成功绝非偶然,而是基于他…
star2017
1年前
8502
0
一个成功的数据分析团队:角色与职责
摘要:多年以来我和数百家企业打过交道,在这个过程中,我领悟了让数据分析项目成功的一些因素,也亲眼看着很多项目失败。 多年以来我和数百家企业打过交道,在这个过程中,我领悟了让数据分析项目成功的一些因素,也亲眼看着很多项目失败。 最常见的失败原因说出来可能会让你惊讶。并非是缺乏数据专业知识或者整合失误,而仅仅是因为企业没有让“利用数据”成为任何人员的职责。太多公…
star2017
1年前
7526
0
个人信用评分模型构建详解——0-1风控信用评分模型建设秘籍
导读:目前我国P2P行业已进入竞争激烈的过程,个人消费贷、小额信贷等也成为P2P行业资产端的竞争,分散型个人客户具备资产集中度低,抵抗宏观经济环境风险、地域金融风险能力强的优势,逐步成为金融业纷纷发力区域。 目前个人信用评分模型来源于传统金融机构信用卡,逐步扩展到个人信贷业务。由于工作主责范围原因,本次分享关于个人信用评分模型建设过程。毕竟专业水平有限,博君…
star2017
1年前
7661
0
不谈技术,谈谈数据分析师从0到1的9个进阶法则
和大家一起交流一下我心中的女数据分析师。 数据分析师发展会有几个层次,初级数据分析师,“表哥、表妹、表姐、表弟”,以统计工作为主。中级数据分析师会涉及到一些图表展现、模型、预测、推导等工作,到了中高级的数据分析师,就会涉及到一些关键指标的设定,以及数据产品或数据体系的规划。进入高级数据分析的阶段之后,就会涉及战略规划层面,比如业务发展方向预判、预算分配等。 …
star2017
1年前
9185
0
数据分析师入门选手经验谈
不管是数据分析师还是数据挖掘工程师,我们的目标都是认识数据,从数据中发现需要的信息。 所需要的技能 做数据分析,统计的知识肯定是需要的,Excel、SPSS、R等是需要掌握的基本技能。 我是做数据挖掘的,所以重点讲一下数据挖掘方面的技能。我本身是学数学专业的,接触数学比较多。数据挖掘要从海量数据中发现规律,这就需要一定的数学知识,最基本的比如线性代数、高等代…
star2017
1年前
9168
0
数据科学家如何玩台球?–技术篇
工作休息时间打打台球可以缓解一下神经,也可以更快的融入团队,但是开始水平太差,输多赢少,作为一个玩“数据”的,能不能通过数据科学优化一下这件事,至少多赢几局? 要赢一场球分为两个部分: 第一是要打的更准,总体来说,打的越准的人赢得概率更高,这个是硬实力; 第二是在准度一定的情况下,每一杆球,根据球形和对手,都要选择不同策略,策略包括击打对象,使用的力度,进攻…
star2017
1年前
5648
0
深入理解SQL大逻辑
1、只要结果不问过程 当我们写出一条SQL语句后,SQL语句是到数据库中去执行的,具体怎么理解和执行SQL是数据库的事,我们关心的事儿就是如何写好SQL语句,别让数据库对我们的SQL产生误解,造成SQL无法执行或者执行错误就好了。 有句古话,叫做“但行好事,莫问前程”,意思是自身要多做义举做好当下,而不要去牵挂往后的发展,这句话套用在SQL上就是“但行好事,…
star2017
1年前
9002
0
浅谈餐饮数据分析
前言 半年来,笔者有强烈危机感。身处互联网革新年代,社会进步的强度和烈度不亚于“第一次工业革命”,未来3-5年重复性的工作将被程序取代、知识获取门槛越来越低、折旧速度越来越快、高端技术或技能被模块化、简单化;“80后”到40岁将再次面临“失业潮”,体力劳动被机器人取代,高级蓝领的专业和技能面临行业限制(行业存在则生、行业灭失则下岗,可是有长青行业吗?)。 “…
star2017
1年前
7415
0
《数据驱动精准化营销在大众点评的实践》读后感
摘要:本文是《数据驱动精准化营销在大众点评的实践》这篇文章的读后感,其中斜体为点评。 精准化营销一直以来都是互联网营销业务在细分市场下快速获取用户和提高转化的利器。在移动互联网爆发的今天,数据量呈指数增长,如何在移动和大数据场景下用数据驱动进行精准营销,从而提高营销效能,成为营销业务部门的主要挑战之一,同时也是大数据应用的一个重要研究方向。本文通过数据体系架…
star2017
1年前
9524
0
运营和数据间的关系最接地气的一篇文章!
文章摘要:今天,我们来讲讲另一件可能会贯穿你的运营生涯始终的事情——数据在运营工作中的运用。或者,也可以说是如何用数据来指导你的运营工作。 编者注:本文为【三节课】发起人黄有璨的连载,作者先后任数家互联网公司合伙人和 COO,旨在通过这个连载分享自己关于运营的全部经验和思考。【三节课】是首家互联网产品主题学习社区,免费提供最系统的产品 + 运营课程学习,定期…
star2017
1年前
7649
0
走出只关注PV、UV的误区,数据分析这样做才能解决问题
摘要:本文作者叶玎玎,GrowingIO 的联合创始人,他也是连续创业者,是企业协作工具风车的联合创始人,十多年的工程开发经历和多年的项目管理经验,现在负责核心工程开发和技术实施。本文是他对于互联网创业公司数据采集和分析的一些思索和心得。 过去的六七年我一直在企业服务领域创业,使用过不少分析工具:GA、Mixpanel、Heap 等等,功能很强大,但是总感觉…
star2017
1年前
7210
0
如何基于数据快速构建用户模型(Persona)?
用户模型(Persona)是Alan Cooper在《About Face:交互设计精髓》一书中提到的研究用户的系统化方法。它是产品经理、交互设计师了解用户目标和需求、与开发团队及相关人交流、避免设计陷阱的重要工具。但在现实中,一般只有很少的成熟公司,产品经理、交互设计师或用户研究人员才会花时间构建用户模型,个人认为之所以这样,至少包含两方面原因: 一个主要…
star2017
1年前
6985
0
掌握8项技能让你顺利受雇于4种逼格最高的数据科学岗位
你想找到一份数据科学家的工作吗?如果你有这样的想法的话,那么你就有伴儿了。最近由Thomas Davenport和D.J. Patil在《哈佛商业周刊》上面发表了一篇专栏,文章称“数据科学家”是21世
star2017
1年前
8460
0
数据可视化分析软件怎么采集数据?
数据可视化分析软件能打破数据孤岛,综合线上线下数据,统一数据分析口径,实现高效智能的数据可视化分析。
star2017
1年前
7696
0
手把手带你进入TOP20的商超销售预测
摘要:如果说学习数据科学的最佳途径是什么——就是解决实际问题或亲自参与数据科学项目。因为只有当自己动手解决问题时,你才真正开始学习数据科学。 “商超销售预测”这一题目在一个月前一经提出,已有624名数据科学家报名参加,其中77名提交了答案。不管你是在开始时感到无从下手还是过程中遭遇瓶颈,本文都将带大家体验商超销售预测工作的全过程。 希望本文能够帮助越来越多的…
star2017
1年前
7917
0
App数据分析之旅,如何收集数据?
本次为系列文章《App数据分析之旅》,共两篇:第一篇讲解《App数据分析之旅,如何收集数据》;第二篇讲解《App数据分析之旅,如何分析数据》。那么,我们就开始App数据分析之旅吧。 为什么要针对App收集数据,想必大家能够举出很多理由。大家可以想一下,尽量不要设计到数据后期的分析,不要涉及产品优化,不要设计用户体验,更不要设计运营优化,等等。因为,这些都不是…
star2017
1年前
7828
0
社交媒体语义情感分析:希拉里所面对的性别歧视
摘要:作为女性总统候选人,希拉里被支持者视作政坛女强人,然而在社交媒体上,频现针对希拉里性别的语言攻击。本期大数据与社会为您译制了华盛顿邮报对于该现象的语义情感分析。 图片及原文来自华盛顿邮报 随着民主党总统初选,希拉里 克林顿和伯尼桑德斯之间的支持率越来越接近, 一些评论家认为,克林顿的竞选遭到性别歧视抨击的炮轰 — — 特别是来自桑德斯的支持者。 但基于…
star2017
1年前
7803
0
干货|数据清洗的一些梳理
首先对@MayaG表示感谢,这篇文章是被你提的问题激发出的灵感,非常感谢~ 数据清洗, 是整个数据分析过程中不可缺少的一个环节,其结果质量直接关系到模型效果和最终结论。在实际操作中,数据清洗通常会占据分析过程的50%—80%的时间。国外有些学术机构会专门研究如何做数据清洗,相关的书籍也不少。 (美亚搜data cleaning的结果,可以看到这书还挺贵) 我…
star2017
1年前
7564
0
1
...
20
21
22
...
29
本文目录
热门标签
程序员导航
热门文章
1.
如何学习Python数据科学(2018)
2.
31个与大数据有关的非常不错的资源和文章(附全链接)
3.
这可能是人工智能、机器学习和大数据领域覆盖最全的一份速查表
4.
SpringBoot2实践系列(六):集成监控模块Actuator详解
5.
史上最全的“大数据”学习资源(上)
6.
一篇文章,带你了解美国大数据产业
阿里云新老用户最新优惠
阿里云新老用户最新优惠
最新发布
1.
本地部署MineRu解析pdf、docx、excel等文档
2.
新技术名词
3.
查看mysql数据库中前缀位sys_data_的表,并生成删表语句
4.
centos docker 安装opensearch
5.
centos docker安装redis
6.
Linux使用命令记录:查看端口及开放端口(netstat、iptables)
最新评论
签到
?
签到
签到
签到,学习
签到