自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

<style id="i9ek6"></style>

<legend id="i9ek6"><abbr id="i9ek6"></abbr></legend>

^{<blockquote id="i9ek6"></blockquote>}

AI.x社區(qū)

軟考社區(qū)

企業(yè)培訓

鴻蒙開發(fā)者社區(qū)

WOT技術大會

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學堂

全部課程軟考華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號

51CTO軟考題庫

賬號設置退出

數(shù)據(jù)分析

1669內(nèi)容??

關注

涵蓋數(shù)據(jù)分析相關研究熱點、技術難點與應用場景，讓用戶更好地學習、使用數(shù)據(jù)分析的各種工具。

共 1669 條

一文搞懂“預測模型”：建模思路，模型分類，應用場景

時間序列法就是模擬過去的走勢，然后按過去的走勢推演。這種做法和我們用肉眼觀察數(shù)據(jù)走勢，拍腦袋拍個數(shù)值沒有思路上的區(qū)別，僅僅是用公式替代了肉眼觀察，增加了精確度而已。

2025-04-29 01:55:00

預測模型建模思路模型分類

九張圖，看懂數(shù)據(jù)分析如何由淺入深

如果平地一聲雷，甩一套新模板出去，不但培訓需要時間，而且和現(xiàn)有的數(shù)據(jù)對不上，很有可能制造新的數(shù)據(jù)垃圾。因此更好的做法是，先基于現(xiàn)有分類，梳理出邏輯，再培訓，提升規(guī)范度。

2025-04-27 01:44:00

數(shù)據(jù)分析指標模板

五個案例快速熟悉 Pandas 常用操作

本文展示了Pandas在日常數(shù)據(jù)處理中最常用的一些功能，熟練掌握這些操作是進行任何數(shù)據(jù)分析項目的基礎。

2025-04-24 10:20:00

Pandas 數(shù)據(jù)分析數(shù)據(jù)處理

高效數(shù)據(jù)分析必備：Pandas 最常用的十個核心函數(shù)

本文介紹十個高頻函數(shù)，結(jié)合代碼示例，幫助您快速掌握核心功能。通過掌握這10個函數(shù)，您能高效完成80%的日常數(shù)據(jù)處理任務。

2025-04-16 08:10:00

Pandas Python 數(shù)據(jù)分析

【小白掃盲】到底什么是數(shù)據(jù)（data）？

最近幾年愈演愈烈的AI浪潮，進一步推動了數(shù)據(jù)的價值提升。人工智能的三要素，其中一項，就是數(shù)據(jù)（另外兩個是算力和算法）。數(shù)據(jù)作為AI的“燃料”，其質(zhì)量和數(shù)量直接決定了AI系統(tǒng)的性能和準確性。

2025-04-14 01:01:52

數(shù)據(jù)data 人工智能

一文看懂“深入的”數(shù)據(jù)分析：分析方法，MECE，業(yè)務建議

分析方法是相互穿插的。有常見的描述性統(tǒng)計、對比分析，也可以結(jié)合預測模型，也可以結(jié)合數(shù)據(jù)測試，判斷方法可行性。做數(shù)據(jù)分析，從來都不是一條無敵公式打天下，細細梳理業(yè)務，構建邏輯，才體現(xiàn)水平。?

2025-04-03 05:10:00

數(shù)據(jù)分析分析方法 MECE

Pandas 數(shù)據(jù)分析全攻略：從入門到精通！

如果你想用 Python 進行數(shù)據(jù)分析，Pandas 絕對是首選！今天，我們來詳細講解 Pandas 的核心功能，助你成為數(shù)據(jù)分析高手！

2025-04-02 09:33:01

Python 數(shù)據(jù)分析 Pandas

這才是真正的用戶分析體系，而不是羅列DAU

做用戶分析，最怕：沒數(shù)據(jù)。大廠用戶畫像看著光鮮，和他們采集的用戶數(shù)據(jù)多有直接關系。不管什么企業(yè)，一定有：消費數(shù)據(jù)。第一步可以從這里開始。從消費記錄里，可以區(qū)分出來：誰是高消費用戶。這是后續(xù)所有分析的起點。

2025-04-02 02:12:00

用戶分析業(yè)務數(shù)據(jù)

到底是什么是“數(shù)據(jù)湖倉”？

根據(jù)畢馬威的報告顯示，86%的海外企業(yè)計劃統(tǒng)一其分析數(shù)據(jù)，以支持AI業(yè)務的開發(fā)。國內(nèi)也是如此。例如騰訊、B站、小紅書等頭部互聯(lián)網(wǎng)企業(yè)，都采用了數(shù)據(jù)湖倉架構，用于不同程度的AI應用。

2025-03-28 01:33:00

數(shù)據(jù)湖倉 AI

六張圖詳解“toB分析”：客戶畫像、轉(zhuǎn)化路徑、LTC模型

toB的目標客戶是相對固定的。如果你是互聯(lián)網(wǎng)廣告業(yè)務，目標客戶就是游戲、電商、互金、汽車、其他互聯(lián)網(wǎng)APP；如果你是賣豬肉的，目標客戶就是連鎖零售、餐飲業(yè)、批發(fā)商販。所以，toB業(yè)務分析，應從清晰畫像開始。

2025-03-27 03:00:00

toB分析客戶畫像 LTC模型

十段代碼讓你掌握Python Polars，高性能數(shù)據(jù)處理和分析工具

本文向讀者全面介紹 Polars 庫，從其獨特特性、便捷的安裝方式，到基礎操作與高級應用技巧，還會探討它在實際項目中的廣泛應用場景，助力讀者深入掌握并靈活運用這一工具，為數(shù)據(jù)處理工作帶來質(zhì)的飛躍。

2025-03-26 00:07:00

代碼 Polars 技巧

一文搞懂“經(jīng)營分析”：模型、策略、業(yè)財打通

對于服務類產(chǎn)品，或者虛擬產(chǎn)品，該訪談同樣有用。比如手機游戲，為什么游戲產(chǎn)品/運營部門會看一大堆用戶行為指標，就是要判斷：到底用戶體驗好不好。這才是促成產(chǎn)品選擇的關鍵。

2025-03-12 02:00:00

經(jīng)營分析模型策略

這才是真正的用戶分層，而不是看平均數(shù)

用戶分層看起來簡單，可深入探討的話，需要牽扯的業(yè)務細節(jié)非常多。很多同學做起來很困擾，都是困擾在：領導讓我分高端用戶，到底是8000算高端，10000算高端，還是12000算高端呢？

2025-03-05 00:01:00

用戶分層平均數(shù)消費

抄作業(yè)！手把手教你搭建運營分析體系

想要實現(xiàn)真正的運營策略分析，首先得把運營工作，從一個個孤立的，單點式活動中解放出來，站在二層樓看問題。把各種主動動作拉通，看清楚圍繞一個目標的策略組合是什么，才能做到策略層面的分析。?

2025-02-26 07:40:25

運營分析體系運營策略

ClickHouse BSI與字典服務在B站商業(yè)化DMP中的應用實踐

DMP（數(shù)據(jù)管理平臺）為廣告部門提供B站用戶數(shù)據(jù)的管理。主要功能包括用戶標簽收集存儲，標簽市場建設，人群包圈選，人群畫像分析，人群/特征定向幾大功能模塊。

2025-02-26 01:17:57

ClickHouse DMP B站

用傅里葉變換解碼時間序列：從頻域視角解析季節(jié)性模式

本文將詳細介紹一些基礎但重要的概念，這些方法對于每位研究時間序列的數(shù)據(jù)科學家都具有實用價值。

2025-02-12 10:28:57

SARIMA 可視化分析 Python

從割裂到閉環(huán)：經(jīng)營分析、財務分析、數(shù)據(jù)分析的實戰(zhàn)框架

從2023年開始，經(jīng)營分析迎來了一波文藝復興。企業(yè)經(jīng)營壓力加大，便開始加強對業(yè)務績效的考核，加強對成本的控制，強調(diào)投入產(chǎn)出比，而非規(guī)模增長。

2025-02-11 14:02:11

經(jīng)營分析數(shù)據(jù)分析財務分析

數(shù)據(jù)分析標準方法之周期性分析法

周期性分析法，即通過數(shù)據(jù)，找出業(yè)務周期性。從而達到理解業(yè)務規(guī)律、發(fā)現(xiàn)業(yè)務問題、避免誤判的方法。那么，該怎么發(fā)現(xiàn)業(yè)務周期性呢？

2025-02-10 05:00:00

數(shù)據(jù)分析數(shù)據(jù)周期性

14個必學的Seaborn數(shù)據(jù)可視化技巧

通過使用pairplot、heatmap、lmplot等函數(shù)，能夠清晰展示數(shù)據(jù)間的關系和趨勢，幫助深入洞察數(shù)據(jù)背后的規(guī)律。

2025-02-10 00:45:00

pairplot heatmap lmplot

經(jīng)營分析的三個等級，你到哪一級了？

很多同學很郁悶：說的是做經(jīng)營分析，感覺就是把收入、利潤、費用數(shù)據(jù)算個同比環(huán)比，再寫個“要搞高”而已。到底高級的經(jīng)營分析長啥樣？今天系統(tǒng)地跟大家解答一下。

2025-02-07 12:29:21

經(jīng)營分析等級數(shù)據(jù)

用戶行為分析，這是我見過最實用的指南！

很多同學會說：直接問業(yè)務不就好了。問題是，四個情況里，除了情況三是很明確的有KPI壓力以外，其他三個情況都很含糊，最后口頭表達的需求就是：“做個用戶行為分析看看”。

2025-02-06 11:52:44

行為分析 ID 交易訂單

一文帶您理解正態(tài)分數(shù)變換 (Normal Score Transformation，NST)

正態(tài)分數(shù)變換（NST）是一種將非正態(tài)分布數(shù)據(jù)轉(zhuǎn)化為接近標準正態(tài)分布的方法，主要通過對數(shù)據(jù)進行排序并根據(jù)秩值轉(zhuǎn)換為正態(tài)分布分位數(shù)。

2025-02-05 12:06:15

正態(tài)分數(shù)變換 NST

互聯(lián)網(wǎng)產(chǎn)品分析的三大核心模型

?互聯(lián)網(wǎng)產(chǎn)品（APP、小程序、H5、網(wǎng)頁）分析非常普遍，也讓很多同學覺得很棘手。每次都是列了一堆DAU/MAU、打開率、跳失率、轉(zhuǎn)化率數(shù)據(jù)，卻很難得出結(jié)論。然后被領導批為：“分析不夠深入”。

2025-02-04 18:36:12

互聯(lián)網(wǎng)核心模型

搭建數(shù)據(jù)運營體系：從“跑數(shù)機”到“增長引擎”

運營是個大工作，里邊的分支非常多。單獨看每一類運營，都有一套自己的指標體系。這就是開頭說的：“運營已經(jīng)自己有指標了，我做了指標他們不看”問題的本質(zhì)所在。

2025-01-26 09:25:08

數(shù)據(jù)運營指標體系

如何快速提升數(shù)據(jù)分析能力

“做數(shù)據(jù)的，看不懂數(shù)據(jù)”是很多基礎同學痛點。在建立監(jiān)控指標以后，應首先了解業(yè)務考核的關鍵指標（比如銷售收入、利潤、新用戶數(shù)、活躍用戶數(shù)等）的常規(guī)走勢。

2025-01-26 00:00:10

數(shù)據(jù)分析 Python SQL

構建【業(yè)務預測模型】，這個方法絕了

業(yè)務預測模型最大的優(yōu)勢，就是能徹底終結(jié)：“到底是預測不準，導致業(yè)績不好；還是業(yè)績不好，導致預測不準”這個雞生蛋、蛋生雞的問題。它明確地告訴大家：就是因為業(yè)務沒做好，所以才預測不準！

2025-01-16 08:50:33

業(yè)務預測模型

TAG：定義自然語言查詢的高效解決方案原創(chuàng) 精選

TAG 模型的出現(xiàn)填補了傳統(tǒng)數(shù)據(jù)查詢技術與現(xiàn)代語義推理需求之間的空白。通過結(jié)合 SQL 查詢和大語言模型，TAG 在復雜查詢、推理和結(jié)果生成方面展現(xiàn)了強大的能力。

2025-01-07 07:00:00

數(shù)據(jù)分析自然語言查詢 TAG 模型

一文看懂：數(shù)據(jù)指標體系的四大類型

評估型指標體系的難點，主要是考慮問題的全面性和指標數(shù)據(jù)采集可行性。這里特別要注意：數(shù)據(jù)指標可采集性。很多同學一提到評估，就會隨口說：NPS、用戶滿意度、用戶意向之類的指標。

2025-01-03 09:30:01

數(shù)據(jù)指標體系

五種被低估的非常規(guī)統(tǒng)計檢驗方法：數(shù)學原理剖析與多領域應用價值研究

本文將詳細介紹五種具有重要應用價值的統(tǒng)計檢驗方法，并探討它們在免疫學（TCR/BCR庫分析）、金融數(shù)據(jù)分析和運動科學等領域的具體應用。

2025-01-02 15:10:17

數(shù)據(jù)分析 Mood Friedman

后端開發(fā)必備：ElasticSearch入門與進階

Kibana 是一款 ES 的數(shù)據(jù)可視化和管理工具，可以提供直方圖，線形圖，餅狀圖，地圖。Kibana 還包含 Canvas 和 Elastic Maps 等應用程序。Canvas 可以基于用戶創(chuàng)建動態(tài)信息。Elastic Maps 可以對空間數(shù)據(jù)進行可視化處理。

2025-01-02 10:58:27

數(shù)據(jù)可視化工具

2025年數(shù)據(jù)分析趨勢預測

世界涌現(xiàn)了各種數(shù)據(jù)庫及分析模式：數(shù)據(jù)湖、數(shù)據(jù)倉庫、內(nèi)存分析和嵌入式分析。但開源編排平臺開發(fā)商Kestra的首席執(zhí)行官兼聯(lián)合創(chuàng)始人Emmanuel Darras表示，到2025年，分析的標準將是數(shù)據(jù)湖屋（lakehouse）。

2024-12-31 15:18:56

數(shù)據(jù)分析數(shù)據(jù)庫數(shù)據(jù)建模

輕松拿捏！七種數(shù)據(jù)分析報告寫作模板

數(shù)據(jù)分析報告，首先是一個報告，得有清晰的報告邏輯。至于數(shù)據(jù)，只是讓報告更可信，更真實。那做報告到底有幾種常見邏輯呢？根據(jù)一個人對報告內(nèi)容的熟悉程度來分，有7種類型介紹如下。

2024-12-31 12:09:31

數(shù)據(jù)分析模板數(shù)據(jù)

SuperSonic：Chat BI 與 Headless BI 新一代數(shù)據(jù)分析平臺實踐

我們?nèi)诤?Chat BI 與 Headless BI，構建了新一代數(shù)據(jù)分析平臺，為用戶提供了更高效、更智能的數(shù)據(jù)分析服務和體驗。

2024-12-31 08:46:10

數(shù)據(jù)分析 Chat BI 數(shù)據(jù)解讀

基于指標+標簽的經(jīng)營分析 Agent 創(chuàng)新實踐

本文將分享如何基于大模型能力，疊加指標和標簽平臺能力，構建企業(yè)內(nèi)智能數(shù)據(jù)分析產(chǎn)品。

2024-12-30 08:45:09

大模型智能數(shù)據(jù)分析 AI Agent

一文解讀貝塞爾修正：樣本方差為何用 n?1而非n？

當樣本均值大于總體均值時，低值部分的數(shù)據(jù)點會比總體均值更接近樣本均值，依然導致方差的低估。同樣地，由于正態(tài)分布的對稱性，低估的區(qū)域依然大于高估的區(qū)域，因此我們通過將偏差除以 n?1 來修正這種低估，確保樣本方差是總體方差的無偏估計。

2024-12-30 00:00:02

貝塞爾數(shù)據(jù)低值

做數(shù)據(jù)分析，牢記這個底層邏輯！

當一個不懂區(qū)分的數(shù)據(jù)分析師，遭遇一個企圖蒙混過關的業(yè)務，就是標準的盲人騎瞎馬了。這才會出現(xiàn)開頭的種種吐槽。更搞笑的是，這時候懵懂懂的數(shù)據(jù)分析師還沒發(fā)現(xiàn)問題，還會在網(wǎng)上到處問：“哪里有中國互聯(lián)網(wǎng)數(shù)據(jù)分析統(tǒng)一標準定義？”

2024-12-29 19:36:04

數(shù)據(jù)分析分類型數(shù)據(jù)

你 VS 數(shù)據(jù)分析高手，最大的差異竟是……

在開發(fā)的時候，先做能用基礎標簽+現(xiàn)有數(shù)據(jù)指標，直接計算出來的標簽。這種標簽也被稱作：規(guī)則標簽。即業(yè)務給到計算規(guī)則后，可以基于基礎標簽+現(xiàn)有指標直接計算。這種標簽獲得速度快，也容易驗證。

2024-12-26 11:49:14

數(shù)據(jù)分析標簽模型

用 Python 實現(xiàn)量化交易策略回測

今天要給大家分享的例子，就展示了如何基于Python中常用的numpy、pandas等常用數(shù)據(jù)分析處理框架，針對目標個股簡單實現(xiàn)「均線策略回測」。

2024-12-23 07:20:00

Python numpy 數(shù)據(jù)分析

高手的數(shù)據(jù)分析方法：標桿分析法

一個數(shù)據(jù)分析師去跟銷售講怎么賣出業(yè)績，只會被人嘲笑“你他媽賣過1單嗎！你敢教我！”但一個數(shù)據(jù)分析師去把銷售大神們的祖?zhèn)髅胤娇偨Y(jié)出來分享，其他銷售會伸長了脖子來聽，還生怕聽漏了。這就是標桿分析法的直觀優(yōu)勢。

2024-12-09 13:11:22

標桿分析法業(yè)績

這是我見過最好的用戶增長分析模型

當賽道具體到一個具體領域后（快消、耐用、零食、服務……），其目標用戶群體的畫像、消費力、人群數(shù)量是可以鎖定的。這里有兩個要重點關注的東西：用戶消費力分層與用戶復購行為。這兩點，直接決定了增長打法。

2024-12-03 12:05:57

增長分析模型用戶消費

如何搭建一個高效的運營分析體系？

數(shù)據(jù)本身不說明問題，數(shù)據(jù)+標準才說明問題。標準從哪里來？當然從業(yè)務目標里來，能達到目標就是做得好。

2024-11-29 12:51:18

運營分析體系

還在糾結(jié)每天的波動？用戶活躍分析這么做！

在講用戶流失分析的時候，我們說過：流失分析的目的不是消滅流失率，而是把流失控制在可控范圍內(nèi)。在用戶活躍分析的時候，道理類似：做活躍分析，不是為了逼用戶天天來戳一下，而是為付費、轉(zhuǎn)介紹提供穩(wěn)定的支持。

2024-11-27 11:44:08

用戶分析流失率

數(shù)據(jù)分析終極一問：指標波動有多大，才算是大！

硬指標和軟指標的區(qū)分，不是一成不變的。比如很多互聯(lián)網(wǎng)公司會考察“用戶增長”，這時候注冊用戶數(shù)就是個硬指標，逼著推廣部門完成。因此區(qū)分硬指標和軟指標，要看部門具體KPI要求。

2024-11-26 14:45:29

數(shù)據(jù)分析互聯(lián)網(wǎng)KPI

滴滴ChatBI技術實踐：智能數(shù)據(jù)分析的前沿探索與應用

滴滴團隊在 23 年初就堅定地投身于大模型，致力于數(shù)據(jù)產(chǎn)品的升級與探索，截至目前，我們已經(jīng)取得了一些階段性的成果并成功落地。

2024-11-25 08:50:24

大模型智能數(shù)據(jù)分析 AI

火山引擎基于大模型 ChatBI 的演進與實踐

今天分享的主題是火山引擎 DataWind ChatBI 基于大模型的演進與實踐。DataWind 是火山引擎推出的 BI 平臺。在建設初始階段，DataWind 主要聚焦于 MVP 產(chǎn)品路徑的構建，致力于滿足研發(fā)者、分析師、一線業(yè)務及日常協(xié)同辦公等多方面的需求。

2024-11-25 08:20:22

大模型 DataWind 數(shù)據(jù)分析

京東數(shù)據(jù)架構解析：供應鏈效率提升與決策優(yōu)化策略

本文介紹了數(shù)據(jù)編織在數(shù)據(jù)分析與治理中的應用。我們的目標是將傳統(tǒng)數(shù)據(jù)處理方式升級至指標中臺模式，旨在革新數(shù)據(jù)計算與加工流程。

2024-11-21 08:33:29

數(shù)據(jù)編織數(shù)據(jù)分析數(shù)據(jù)架構

四個方法，拯救你枯燥的數(shù)據(jù)日報

為什么每日指標會波動，這個很糾結(jié)的問題，提前準備了答案。通過打標簽、梳理事件、定KPI，充分暴露波動背后的問題，引發(fā)深入思考。

2024-11-20 12:21:37

數(shù)據(jù)波動標簽

分析指標波動，數(shù)據(jù)模型得這么建

數(shù)據(jù)分析需要跑數(shù)，但想解讀跑出來的數(shù)，需要的是掌握豐富的事實情況，用數(shù)據(jù)量化評估其中可量化的部分，監(jiān)控其中持續(xù)發(fā)展的部分，拆解其中模糊部分，從而越來越接近真相。

2024-11-15 11:43:21

指標波動數(shù)據(jù)模型

什么是頂級的數(shù)據(jù)分析方法？

數(shù)據(jù)分析的方法是非常多的。但為什么很多同學感覺自己沒用上方法呢？因為每種方法是和業(yè)務場景、領導風格、數(shù)據(jù)質(zhì)量、息息相關的。

2024-11-08 12:36:35

數(shù)據(jù)分析業(yè)務場景時間序列法

Python 統(tǒng)計分析常用的 30 個經(jīng)典腳本

本文介紹了使用 Python 對數(shù)據(jù)進行統(tǒng)計分析的 30 個經(jīng)典操作，涵蓋了從基本的描述性統(tǒng)計到更高級的統(tǒng)計度量。每個操作都附有代碼實現(xiàn)和輸出結(jié)果，以便讀者方便地在實際應用中使用這些方法。

2024-11-07 11:10:34

Python 腳本統(tǒng)計分析

1 2 3 4 5 6 ··· 34 下一頁

51CTO技術棧公眾號

業(yè)務
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學堂精培企業(yè)培訓 CTO訓練營

<s id="v0f6i"></s>