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

51CTO首頁(yè)

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開(kāi)發(fā)者社區(qū)

WOT技術(shù)大會(huì)

公眾號(hào)矩陣

移動(dòng)端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項(xiàng)目管理免費(fèi)題庫(kù)

在線學(xué)習(xí)

文章資源問(wèn)答課堂專欄直播

51CTO

鴻蒙開(kāi)發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營(yíng)

鴻蒙開(kāi)發(fā)者社區(qū)訂閱號(hào)

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開(kāi)發(fā)者社區(qū)視頻號(hào)

51CTO軟考題庫(kù)

賬號(hào)設(shè)置退出

數(shù)據(jù)分析

1669內(nèi)容??

關(guān)注

涵蓋數(shù)據(jù)分析相關(guān)研究熱點(diǎn)、技術(shù)難點(diǎn)與應(yīng)用場(chǎng)景，讓用戶更好地學(xué)習(xí)、使用數(shù)據(jù)分析的各種工具。

共 1669 條

一文搞懂“預(yù)測(cè)模型”：建模思路，模型分類，應(yīng)用場(chǎng)景

時(shí)間序列法就是模擬過(guò)去的走勢(shì)，然后按過(guò)去的走勢(shì)推演。這種做法和我們用肉眼觀察數(shù)據(jù)走勢(shì)，拍腦袋拍個(gè)數(shù)值沒(méi)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(yù)測(cè)模型建模思路模型分類

九張圖，看懂?dāng)?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(xùn)需要時(shí)間，而且和現(xiàn)有的數(shù)據(jù)對(duì)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(xùn)，提升規(guī)范度。

2025-04-27 01:44:00

數(shù)據(jù)分析指標(biāo)模板

五個(gè)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(jìn)行任何數(shù)據(jù)分析項(xiàng)目的基礎(chǔ)。

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(gè)核心函數(shù)

本文介紹十個(gè)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(guò)掌握這10個(gè)函數(shù)，您能高效完成80%的日常數(shù)據(jù)處理任務(wù)。

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(jìn)一步推動(dòng)了數(shù)據(jù)的價(jià)值提升。人工智能的三要素，其中一項(xiàng)，就是數(shù)據(jù)（另外兩個(gè)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(zhǔn)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(wù)建議

分析方法是相互穿插的。有常見(jiàn)的描述性統(tǒng)計(jì)、對(duì)比分析，也可以結(jié)合預(yù)測(cè)模型，也可以結(jié)合數(shù)據(jù)測(cè)試，判斷方法可行性。做數(shù)據(jù)分析，從來(lái)都不是一條無(wú)敵公式打天下，細(xì)細(xì)梳理業(yè)務(wù)，構(gòu)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(mén)到精通！

如果你想用 Python 進(jìn)行數(shù)據(jù)分析，Pandas 絕對(duì)是首選！今天，我們來(lái)詳細(xì)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(méi)數(shù)據(jù)。大廠用戶畫(huà)像看著光鮮，和他們采集的用戶數(shù)據(jù)多有直接關(guān)系。不管什么企業(yè)，一定有：消費(fèi)數(shù)據(jù)。第一步可以從這里開(kāi)始。從消費(fèi)記錄里，可以區(qū)分出來(lái)：誰(shuí)是高消費(fèi)用戶。這是后續(xù)所有分析的起點(diǎn)。

2025-04-02 02:12:00

用戶分析業(yè)務(wù)數(shù)據(jù)

到底是什么是“數(shù)據(jù)湖倉(cāng)”？

根據(jù)畢馬威的報(bào)告顯示，86%的海外企業(yè)計(jì)劃統(tǒng)一其分析數(shù)據(jù)，以支持AI業(yè)務(wù)的開(kāi)發(fā)。國(guó)內(nèi)也是如此。例如騰訊、B站、小紅書(shū)等頭部互聯(lián)網(wǎng)企業(yè)，都采用了數(shù)據(jù)湖倉(cāng)架構(gòu)，用于不同程度的AI應(yīng)用。

2025-03-28 01:33:00

數(shù)據(jù)湖倉(cāng)AI

六張圖詳解“toB分析”：客戶畫(huà)像、轉(zhuǎn)化路徑、LTC模型

toB的目標(biāo)客戶是相對(duì)固定的。如果你是互聯(lián)網(wǎng)廣告業(yè)務(wù)，目標(biāo)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(biāo)客戶就是連鎖零售、餐飲業(yè)、批發(fā)商販。所以，toB業(yè)務(wù)分析，應(yīng)從清晰畫(huà)像開(kāi)始。

2025-03-27 03:00:00

toB分析客戶畫(huà)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(kù)，從其獨(dú)特特性、便捷的安裝方式，到基礎(chǔ)操作與高級(jí)應(yīng)用技巧，還會(huì)探討它在實(shí)際項(xiàng)目中的廣泛應(yīng)用場(chǎng)景，助力讀者深入掌握并靈活運(yùn)用這一工具，為數(shù)據(jù)處理工作帶來(lái)質(zhì)的飛躍。

2025-03-26 00:07:00

代碼 Polars 技巧

一文搞懂“經(jīng)營(yíng)分析”：模型、策略、業(yè)財(cái)打通

對(duì)于服務(wù)類產(chǎn)品，或者虛擬產(chǎn)品，該訪談同樣有用。比如手機(jī)游戲，為什么游戲產(chǎn)品/運(yùn)營(yíng)部門(mén)會(huì)看一大堆用戶行為指標(biāo)，就是要判斷：到底用戶體驗(yàn)好不好。這才是促成產(chǎn)品選擇的關(guān)鍵。

2025-03-12 02:00:00

經(jīng)營(yíng)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(lái)簡(jiǎn)單，可深入探討的話，需要牽扯的業(yè)務(wù)細(xì)節(jié)非常多。很多同學(xué)做起來(lái)很困擾，都是困擾在：領(lǐng)導(dǎo)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(fèi)

抄作業(yè)！手把手教你搭建運(yùn)營(yíng)分析體系

想要實(shí)現(xiàn)真正的運(yùn)營(yíng)策略分析，首先得把運(yùn)營(yíng)工作，從一個(gè)個(gè)孤立的，單點(diǎn)式活動(dòng)中解放出來(lái)，站在二層樓看問(wèn)題。把各種主動(dòng)動(dòng)作拉通，看清楚圍繞一個(gè)目標(biāo)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(yùn)營(yíng)分析體系運(yùn)營(yíng)策略

ClickHouse BSI與字典服務(wù)在B站商業(yè)化DMP中的應(yīng)用實(shí)踐

DMP（數(shù)據(jù)管理平臺(tái)）為廣告部門(mén)提供B站用戶數(shù)據(jù)的管理。主要功能包括用戶標(biāo)簽收集存儲(chǔ)，標(biāo)簽市場(chǎng)建設(shè)，人群包圈選，人群畫(huà)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(shí)間序列：從頻域視角解析季節(jié)性模式

本文將詳細(xì)介紹一些基礎(chǔ)但重要的概念，這些方法對(duì)于每位研究時(shí)間序列的數(shù)據(jù)科學(xué)家都具有實(shí)用價(jià)值。

2025-02-12 10:28:57

SARIMA 可視化分析 Python

從割裂到閉環(huán)：經(jīng)營(yíng)分析、財(cái)務(wù)分析、數(shù)據(jù)分析的實(shí)戰(zhàn)框架

從2023年開(kāi)始，經(jīng)營(yíng)分析迎來(lái)了一波文藝復(fù)興。企業(yè)經(jīng)營(yíng)壓力加大，便開(kāi)始加強(qiáng)對(duì)業(yè)務(wù)績(jī)效的考核，加強(qiáng)對(duì)成本的控制，強(qiáng)調(diào)投入產(chǎn)出比，而非規(guī)模增長(zhǎng)。

2025-02-11 14:02:11

經(jīng)營(yíng)分析數(shù)據(jù)分析財(cái)務(wù)分析

數(shù)據(jù)分析標(biāo)準(zhǔn)方法之周期性分析法

周期性分析法，即通過(guò)數(shù)據(jù)，找出業(yè)務(wù)周期性。從而達(dá)到理解業(yè)務(wù)規(guī)律、發(fā)現(xiàn)業(yè)務(wù)問(wèn)題、避免誤判的方法。那么，該怎么發(fā)現(xiàn)業(yè)務(wù)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(gè)必學(xué)的Seaborn數(shù)據(jù)可視化技巧

通過(guò)使用pairplot、heatmap、lmplot等函數(shù)，能夠清晰展示數(shù)據(jù)間的關(guān)系和趨勢(shì)，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(yíng)分析的三個(gè)等級(jí)，你到哪一級(jí)了？

很多同學(xué)很郁悶：說(shuō)的是做經(jīng)營(yíng)分析，感覺(jué)就是把收入、利潤(rùn)、費(fèi)用數(shù)據(jù)算個(gè)同比環(huán)比，再寫(xiě)個(gè)“要搞高”而已。到底高級(jí)的經(jīng)營(yíng)分析長(zhǎng)啥樣？今天系統(tǒng)地跟大家解答一下。

2025-02-07 12:29:21

經(jīng)營(yíng)分析等級(jí)數(shù)據(jù)

用戶行為分析，這是我見(jiàn)過(guò)最實(shí)用的指南！

很多同學(xué)會(huì)說(shuō)：直接問(wèn)業(yè)務(wù)不就好了。問(wèn)題是，四個(gè)情況里，除了情況三是很明確的有KPI壓力以外，其他三個(gè)情況都很含糊，最后口頭表達(dá)的需求就是：“做個(gè)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?jǐn)?shù)變換 (Normal Score Transformation，NST)

正態(tài)分?jǐn)?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(biāo)準(zhǔn)正態(tài)分布的方法，主要通過(guò)對(duì)數(shù)據(jù)進(jìn)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?jǐn)?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(yè)）分析非常普遍，也讓很多同學(xué)覺(jué)得很棘手。每次都是列了一堆DAU/MAU、打開(kāi)率、跳失率、轉(zhuǎn)化率數(shù)據(jù)，卻很難得出結(jié)論。然后被領(lǐng)導(dǎo)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(yùn)營(yíng)體系：從“跑數(shù)機(jī)”到“增長(zhǎng)引擎”

運(yùn)營(yíng)是個(gè)大工作，里邊的分支非常多。單獨(dú)看每一類運(yùn)營(yíng)，都有一套自己的指標(biāo)體系。這就是開(kāi)頭說(shuō)的：“運(yùn)營(yíng)已經(jīng)自己有指標(biāo)了，我做了指標(biāo)他們不看”問(wèn)題的本質(zhì)所在。

2025-01-26 09:25:08

數(shù)據(jù)運(yùn)營(yíng)指標(biāo)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?dāng)?shù)據(jù)”是很多基礎(chǔ)同學(xué)痛點(diǎn)。在建立監(jiān)控指標(biāo)以后，應(yīng)首先了解業(yè)務(wù)考核的關(guān)鍵指標(biāo)（比如銷售收入、利潤(rùn)、新用戶數(shù)、活躍用戶數(shù)等）的常規(guī)走勢(shì)。

2025-01-26 00:00:10

數(shù)據(jù)分析 Python SQL

構(gòu)建【業(yè)務(wù)預(yù)測(cè)模型】，這個(gè)方法絕了

業(yè)務(wù)預(yù)測(cè)模型最大的優(yōu)勢(shì)，就是能徹底終結(jié)：“到底是預(yù)測(cè)不準(zhǔn)，導(dǎo)致業(yè)績(jī)不好；還是業(yè)績(jī)不好，導(dǎo)致預(yù)測(cè)不準(zhǔn)”這個(gè)雞生蛋、蛋生雞的問(wèn)題。它明確地告訴大家：就是因?yàn)闃I(yè)務(wù)沒(méi)做好，所以才預(yù)測(cè)不準(zhǔn)！

2025-01-16 08:50:33

業(yè)務(wù)預(yù)測(cè)模型

TAG：定義自然語(yǔ)言查詢的高效解決方案原創(chuàng) 精選

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

2025-01-07 07:00:00

數(shù)據(jù)分析自然語(yǔ)言查詢 TAG 模型

一文看懂：數(shù)據(jù)指標(biāo)體系的四大類型

評(píng)估型指標(biāo)體系的難點(diǎn)，主要是考慮問(wèn)題的全面性和指標(biāo)數(shù)據(jù)采集可行性。這里特別要注意：數(shù)據(jù)指標(biāo)可采集性。很多同學(xué)一提到評(píng)估，就會(huì)隨口說(shuō)：NPS、用戶滿意度、用戶意向之類的指標(biāo)。

2025-01-03 09:30:01

數(shù)據(jù)指標(biāo)體系

五種被低估的非常規(guī)統(tǒng)計(jì)檢驗(yàn)方法：數(shù)學(xué)原理剖析與多領(lǐng)域應(yīng)用價(jià)值研究

本文將詳細(xì)介紹五種具有重要應(yīng)用價(jià)值的統(tǒng)計(jì)檢驗(yàn)方法，并探討它們?cè)诿庖邔W(xué)（TCR/BCR庫(kù)分析）、金融數(shù)據(jù)分析和運(yùn)動(dòng)科學(xué)等領(lǐng)域的具體應(yīng)用。

2025-01-02 15:10:17

數(shù)據(jù)分析 Mood Friedman

后端開(kāi)發(fā)必備：ElasticSearch入門(mén)與進(jìn)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(yīng)用程序。Canvas 可以基于用戶創(chuàng)建動(dòng)態(tài)信息。Elastic Maps 可以對(duì)空間數(shù)據(jù)進(jìn)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(shì)預(yù)測(cè)

世界涌現(xiàn)了各種數(shù)據(jù)庫(kù)及分析模式：數(shù)據(jù)湖、數(shù)據(jù)倉(cāng)庫(kù)、內(nèi)存分析和嵌入式分析。但開(kāi)源編排平臺(tái)開(kāi)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(biāo)準(zhǔn)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(kù)數(shù)據(jù)建模

輕松拿捏！七種數(shù)據(jù)分析報(bào)告寫(xiě)作模板

數(shù)據(jù)分析報(bào)告，首先是一個(gè)報(bào)告，得有清晰的報(bào)告邏輯。至于數(shù)據(jù)，只是讓報(bào)告更可信，更真實(shí)。那做報(bào)告到底有幾種常見(jiàn)邏輯呢？根據(jù)一個(gè)人對(duì)報(bào)告內(nèi)容的熟悉程度來(lái)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(tái)實(shí)踐

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

2024-12-31 08:46:10

數(shù)據(jù)分析 Chat BI 數(shù)據(jù)解讀

基于指標(biāo)+標(biāo)簽的經(jīng)營(yíng)分析 Agent 創(chuàng)新實(shí)踐

本文將分享如何基于大模型能力，疊加指標(biāo)和標(biāo)簽平臺(tái)能力，構(gòu)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(dāng)樣本均值大于總體均值時(shí)，低值部分的數(shù)據(jù)點(diǎn)會(huì)比總體均值更接近樣本均值，依然導(dǎo)致方差的低估。同樣地，由于正態(tài)分布的對(duì)稱性，低估的區(qū)域依然大于高估的區(qū)域，因此我們通過(guò)將偏差除以 n?1 來(lái)修正這種低估，確保樣本方差是總體方差的無(wú)偏估計(jì)。

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(gè)底層邏輯！

當(dāng)一個(gè)不懂區(qū)分的數(shù)據(jù)分析師，遭遇一個(gè)企圖蒙混過(guò)關(guān)的業(yè)務(wù)，就是標(biāo)準(zhǔn)的盲人騎瞎馬了。這才會(huì)出現(xiàn)開(kāi)頭的種種吐槽。更搞笑的是，這時(shí)候懵懂懂的數(shù)據(jù)分析師還沒(méi)發(fā)現(xiàn)問(wèn)題，還會(huì)在網(wǎng)上到處問(wèn)：“哪里有中國(guó)互聯(lián)網(wǎng)數(shù)據(jù)分析統(tǒng)一標(biāo)準(zhǔn)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(kāi)發(fā)的時(shí)候，先做能用基礎(chǔ)標(biāo)簽+現(xiàn)有數(shù)據(jù)指標(biāo)，直接計(jì)算出來(lái)的標(biāo)簽。這種標(biāo)簽也被稱作：規(guī)則標(biāo)簽。即業(yè)務(wù)給到計(jì)算規(guī)則后，可以基于基礎(chǔ)標(biāo)簽+現(xiàn)有指標(biāo)直接計(jì)算。這種標(biāo)簽獲得速度快，也容易驗(yàn)證。

2024-12-26 11:49:14

數(shù)據(jù)分析標(biāo)簽模型

用 Python 實(shí)現(xiàn)量化交易策略回測(cè)

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(duì)目標(biāo)個(gè)股簡(jiǎn)單實(shí)現(xiàn)「均線策略回測(cè)」。

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(biāo)桿分析法

一個(gè)數(shù)據(jù)分析師去跟銷售講怎么賣出業(yè)績(jī)，只會(huì)被人嘲笑“你他媽賣過(guò)1單嗎！你敢教我！”但一個(gè)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(lái)分享，其他銷售會(huì)伸長(zhǎng)了脖子來(lái)聽(tīng)，還生怕聽(tīng)漏了。這就是標(biāo)桿分析法的直觀優(yōu)勢(shì)。

2024-12-09 13:11:22

標(biāo)桿分析法業(yè)績(jī)

這是我見(jiàn)過(guò)最好的用戶增長(zhǎng)分析模型

當(dāng)賽道具體到一個(gè)具體領(lǐng)域后（快消、耐用、零食、服務(wù)……），其目標(biāo)用戶群體的畫(huà)像、消費(fèi)力、人群數(shù)量是可以鎖定的。這里有兩個(gè)要重點(diǎn)關(guān)注的東西：用戶消費(fèi)力分層與用戶復(fù)購(gòu)行為。這兩點(diǎn)，直接決定了增長(zhǎng)打法。

2024-12-03 12:05:57

增長(zhǎng)分析模型用戶消費(fèi)

如何搭建一個(gè)高效的運(yùn)營(yíng)分析體系？

數(shù)據(jù)本身不說(shuō)明問(wèn)題，數(shù)據(jù)+標(biāo)準(zhǔn)才說(shuō)明問(wèn)題。標(biāo)準(zhǔn)從哪里來(lái)？當(dāng)然從業(yè)務(wù)目標(biāo)里來(lái)，能達(dá)到目標(biāo)就是做得好。

2024-11-29 12:51:18

運(yùn)營(yíng)分析體系

還在糾結(jié)每天的波動(dòng)？用戶活躍分析這么做！

在講用戶流失分析的時(shí)候，我們說(shuō)過(guò)：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(shí)候，道理類似：做活躍分析，不是為了逼用戶天天來(lái)戳一下，而是為付費(fèi)、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(wèn)：指標(biāo)波動(dòng)有多大，才算是大！

硬指標(biāo)和軟指標(biāo)的區(qū)分，不是一成不變的。比如很多互聯(lián)網(wǎng)公司會(huì)考察“用戶增長(zhǎng)”，這時(shí)候注冊(cè)用戶數(shù)就是個(gè)硬指標(biāo)，逼著推廣部門(mén)完成。因此區(qū)分硬指標(biāo)和軟指標(biāo)，要看部門(mén)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(shù)實(shí)踐：智能數(shù)據(jù)分析的前沿探索與應(yīng)用

滴滴團(tuán)隊(duì)在 23 年初就堅(jiān)定地投身于大模型，致力于數(shù)據(jù)產(chǎn)品的升級(jí)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(jìn)與實(shí)踐

今天分享的主題是火山引擎 DataWind ChatBI 基于大模型的演進(jìn)與實(shí)踐。DataWind 是火山引擎推出的 BI 平臺(tái)。在建設(shè)初始階段，DataWind 主要聚焦于 MVP 產(chǎn)品路徑的構(gòu)建，致力于滿足研發(fā)者、分析師、一線業(yè)務(wù)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(gòu)解析：供應(yīng)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(yīng)用。我們的目標(biāo)是將傳統(tǒng)數(shù)據(jù)處理方式升級(jí)至指標(biāo)中臺(tái)模式，旨在革新數(shù)據(jù)計(jì)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(gòu)

四個(gè)方法，拯救你枯燥的數(shù)據(jù)日?qǐng)?bào)

為什么每日指標(biāo)會(huì)波動(dòng)，這個(gè)很糾結(jié)的問(wèn)題，提前準(zhǔn)備了答案。通過(guò)打標(biāo)簽、梳理事件、定KPI，充分暴露波動(dòng)背后的問(wèn)題，引發(fā)深入思考。

2024-11-20 12:21:37

數(shù)據(jù)波動(dòng)標(biāo)簽

分析指標(biāo)波動(dòng)，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(lái)的數(shù)，需要的是掌握豐富的事實(shí)情況，用數(shù)據(jù)量化評(píng)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(lái)越接近真相。

2024-11-15 11:43:21

指標(biāo)波動(dòng)數(shù)據(jù)模型

什么是頂級(jí)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(xué)感覺(jué)自己沒(méi)用上方法呢？因?yàn)槊糠N方法是和業(yè)務(wù)場(chǎng)景、領(lǐng)導(dǎo)風(fēng)格、數(shù)據(jù)質(zhì)量、息息相關(guān)的。

2024-11-08 12:36:35

數(shù)據(jù)分析業(yè)務(wù)場(chǎng)景時(shí)間序列法

Python 統(tǒng)計(jì)分析常用的 30 個(gè)經(jīng)典腳本

本文介紹了使用 Python 對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的 30 個(gè)經(jīng)典操作，涵蓋了從基本的描述性統(tǒng)計(jì)到更高級(jí)的統(tǒng)計(jì)度量。每個(gè)操作都附有代碼實(shí)現(xiàn)和輸出結(jié)果，以便讀者方便地在實(shí)際應(yīng)用中使用這些方法。

2024-11-07 11:10:34

Python 腳本統(tǒng)計(jì)分析

1 2 3 4 5 6 ··· 34 下一頁(yè)

點(diǎn)贊

51CTO技術(shù)棧公眾號(hào)

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開(kāi)發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營(yíng)

<style id="8qqhi"></style>

<center id="8qqhi"><i id="8qqhi"></i></center>

<sub id="8qqhi"><p id="8qqhi"></p></sub>