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

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

WOT技術(shù)大會

公眾號矩陣

移動端

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項目管理免費(fèi)題庫

在線學(xué)習(xí)

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(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)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(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

為什么你做的數(shù)據(jù)復(fù)盤報告，總被人Diss

雖然說只看主指標(biāo)是不夠的，但是不看主指標(biāo)肯定不行。不但要看，而且要第一位看，先明確本次復(fù)盤討論的具體業(yè)務(wù)是啥，考核的主指標(biāo)是啥。

2024-07-16 11:51:54

數(shù)據(jù)復(fù)盤報告

一文帶您了解偽對數(shù)(Pseudo-Log)：可視化傾斜數(shù)據(jù)的黃金方法

經(jīng)典對數(shù)變換不能處理零和負(fù)數(shù)，而偽對數(shù)變換可以應(yīng)對這一問題。偽對數(shù)在所有實數(shù)上都有定義，并能平滑過渡。本文通過比較偽對數(shù)和經(jīng)典對數(shù)變換，展示了偽對數(shù)在處理和可視化偏斜數(shù)據(jù)中的優(yōu)越性。通過實例數(shù)據(jù)，顯示偽對數(shù)變換能夠有效地改善數(shù)據(jù)分布和可視化效果，使得數(shù)據(jù)展示更加清晰。

2024-07-16 10:43:45

偽對數(shù)可視化數(shù)據(jù)

完整的數(shù)據(jù)指標(biāo)體系，大廠是怎么搭建的？

很多新手會習(xí)慣性忽略建立標(biāo)準(zhǔn)環(huán)節(jié)。于是導(dǎo)致了大量鋪陳數(shù)據(jù)，然后不知道下啥結(jié)論的暈頭鴨子問題。如何在無剛性目標(biāo)情況下，建立評價標(biāo)準(zhǔn)，讀懂?dāng)?shù)據(jù)含義，是搭建體系的關(guān)鍵。

2024-07-11 11:52:24

數(shù)據(jù)指標(biāo)體系

數(shù)組探秘：數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)，深入解讀數(shù)組的內(nèi)部機(jī)制！

數(shù)組當(dāng)中的元素在內(nèi)存中是連續(xù)存儲的，且每個元素占用相同的內(nèi)存、數(shù)組是有序的、數(shù)組的長度一旦確定是不可變的、當(dāng)然數(shù)組也可以通過System.arraycopy方法進(jìn)行數(shù)組的替換，簡單理解就是擴(kuò)容。

2024-07-11 11:35:08

數(shù)組結(jié)構(gòu)內(nèi)部機(jī)制

.NET也能玩大數(shù)據(jù)？你學(xué)會了嗎？

.NET不僅在傳統(tǒng)軟件開發(fā)領(lǐng)域占據(jù)一席之地，在大數(shù)據(jù)處理方面同樣表現(xiàn)出色。其豐富的庫和框架、高效的性能、強(qiáng)大的安全性以及易用的開發(fā)工具，使得.NET成為大數(shù)據(jù)處理中不可忽視的力量。隨著技術(shù)的不斷進(jìn)步和應(yīng)用場景的不斷拓展，.NET在大數(shù)據(jù)領(lǐng)域的前景值得期待。

2024-07-11 08:29:57

大數(shù)據(jù).NET 工具

不再堆砌數(shù)據(jù)，這有一份超棒的經(jīng)營分析模板

一提到“經(jīng)營分析報告要增加業(yè)務(wù)指標(biāo)”，很多人就會搬出：業(yè)績=客戶數(shù)*轉(zhuǎn)化率*客單價這一套東西。注意！站在業(yè)務(wù)角度，客戶數(shù)、轉(zhuǎn)化率、客單價這些指標(biāo)，照樣是結(jié)果指標(biāo)。如果只拿這些指標(biāo)進(jìn)來，依然會得出“業(yè)績降是因為客戶少了，所以要搞高”這種無腦結(jié)論。

2024-07-10 12:11:30

數(shù)據(jù)經(jīng)營分析業(yè)務(wù)

做到了！我用數(shù)據(jù)分析提升用戶轉(zhuǎn)化率

常見的質(zhì)疑就是這么來的。這些結(jié)論之所以都是廢話，是因為業(yè)務(wù)看了以后，真的不知道能干啥。業(yè)務(wù)方期望聽到的優(yōu)化建議，是：直播還能不能做！能做的話，做多少場？做啥話題？掛啥鏈接？不能做的話，我要怎么解決銷售問題！這才是有用建議。

2024-07-08 11:33:45

業(yè)務(wù)場景優(yōu)化

”人貨場”模型搞懂沒？數(shù)據(jù)分析大部分場景都能用！

人貨場三個維度之所以經(jīng)常用，是因為這三者與用戶行為有直接關(guān)系，并且商品屬性、賣場屬性、用戶習(xí)慣都有一些天生的規(guī)律可循。因此很適合作為分析的基礎(chǔ)，做深做細(xì)。一方面能對業(yè)務(wù)有更清晰的認(rèn)知；另一方面，想建立更復(fù)雜的模型也有線索了。

2024-07-05 11:50:15

模型數(shù)據(jù)分析場景

使用 Spring Boot 3.x + Flink 處理數(shù)據(jù)流中的延遲與亂序問題

在實時數(shù)據(jù)處理系統(tǒng)中，延遲和亂序是兩個常見且棘手的問題。延遲是指數(shù)據(jù)在傳輸和處理過程中出現(xiàn)的時間滯后，而亂序則是指數(shù)據(jù)到達(dá)的順序與其生成的順序不一致。這些問題會直接影響數(shù)據(jù)處理的準(zhǔn)確性和時效性。

2024-07-05 10:17:08

數(shù)據(jù)流系統(tǒng)CPU

模版+案例 | 數(shù)據(jù)指標(biāo)體系的構(gòu)建方法和流程

很多同學(xué)構(gòu)建數(shù)據(jù)指標(biāo)體系，喜歡堆砌數(shù)據(jù)。放一堆指標(biāo)以顯得豐富?？蓪嶋H上如果不按業(yè)務(wù)流程找子指標(biāo)，指標(biāo)之間邏輯性就很差，看起來經(jīng)常莫名其妙。更不要說，很容易弄出來類似“你幸福嗎”這種稀奇古怪的玩意。

2024-07-04 12:10:50

數(shù)據(jù)指標(biāo)體系

從拍腦袋到數(shù)據(jù)支持決策，這個分析師是怎么做到的？

數(shù)據(jù)驅(qū)動決策需要的是業(yè)務(wù)流程與數(shù)據(jù)緊密配合，領(lǐng)導(dǎo)層參與推動，才能實現(xiàn)的事。數(shù)據(jù)驅(qū)動決策，從來都不是一個神機(jī)妙算的世外高人，拿著數(shù)據(jù)口念咒語：“媽咪媽咪轟”就轟出來一個驚天地泣鬼神的結(jié)論，這是基本常識。

2024-07-03 12:01:36

數(shù)據(jù)驅(qū)動決策

數(shù)據(jù)分析中十種常見的可視化圖例原創(chuàng) 精選

漏斗圖（funnel chart）類似于漏斗的形狀，其中每個部分逐漸變窄。分段垂直排列，以顯示層次結(jié)構(gòu)。在漏斗圖中，每個分段對應(yīng)于順序過程中的一個步驟或階段。它們說明了數(shù)據(jù)點(diǎn)在各個階段中的進(jìn)展。

2024-07-01 08:51:19

可視化數(shù)據(jù)分析漏斗

數(shù)據(jù)分析報告，如何寫出“可執(zhí)行”的建議？

唯獨(dú)數(shù)據(jù)分析能力是可以通過學(xué)習(xí)、訓(xùn)練、實驗、記錄來不斷提升的。所以基于數(shù)據(jù)提可行性建議，可能不會被采納，但只會越來越被重視。?

2024-06-26 01:09:36

數(shù)據(jù)分析訓(xùn)練

談?wù)劺弥鲾?shù)據(jù)改進(jìn)數(shù)據(jù)分析的重要性

在接觸數(shù)據(jù)科學(xué)時，許多人專注于數(shù)據(jù)分析、數(shù)據(jù)可視化和數(shù)據(jù)收集，而忘記了整個數(shù)據(jù)科學(xué)的一個基本組成部分：主數(shù)據(jù)。

2024-06-24 21:18:48

數(shù)據(jù)分析

揭秘打車軟件，如何找到方圓 1km 以內(nèi)的乘客

用geohash那結(jié)果顯然是AB更近，但是實際上A與B的距離比AE、AC、AD都遠(yuǎn)。這其實是一個邊緣性的問題........后續(xù)我會更新如何去避免這種問題的出現(xiàn)。

2024-06-21 08:44:37

打車軟件邊緣性

別當(dāng)布谷鳥！這些方法能拯救你枯燥的數(shù)據(jù)日報

為什么每日指標(biāo)會波動，這個很糾結(jié)的問題，提前準(zhǔn)備了答案。通過打標(biāo)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。

2024-06-17 11:29:49

信息 KPI 標(biāo)簽

數(shù)據(jù)分析思路，總結(jié)了四個好用的模板

如果整體進(jìn)度沒很大問題，各子部門進(jìn)展順利，那么大家不會發(fā)表太多意見，看完后會說“很好，繼續(xù)監(jiān)控”。如果整體進(jìn)度有問題，那么大家的思路會被引導(dǎo)到：“為什么A部門執(zhí)行好，B部門不行？”上邊去，這樣就能做進(jìn)一步的分析。

2024-06-13 11:54:03

數(shù)據(jù)分析模板進(jìn)度

太卷了吧，這份銷售分析報告真是到位

如果發(fā)現(xiàn)問題，最好直接告訴一線：你這么做有用！還是上邊的例子，如果真發(fā)現(xiàn)這個問題，可以先看簽約率高的人做了什么。如果我們發(fā)現(xiàn)展示同行客戶案例有效（提升5%左右），那直接把行業(yè)案例庫作為功能做到產(chǎn)品里去。告訴他們：聊天的時候，點(diǎn)這個按鈕，管用！

2024-06-11 13:57:41

銷售分析數(shù)據(jù)互聯(lián)網(wǎng)

從SQL Boy到管理者：數(shù)據(jù)分析師成長的五個階段

經(jīng)歷了前四個階段，實際上已經(jīng)能在公司里混到數(shù)據(jù)部門領(lǐng)導(dǎo)了，只不過不同公司數(shù)據(jù)團(tuán)隊規(guī)模有差異，因此管轄權(quán)限會有區(qū)別。作為部門管理者，除了專業(yè)能力外，常規(guī)的管理方法也要有一定掌握。這個話題展開就大了，這里先不多說。

2024-06-11 00:11:00

SQL 數(shù)據(jù)分析師數(shù)據(jù)

經(jīng)營分析的三個等級，最厲害的長啥樣？

經(jīng)營活動太多，導(dǎo)致的交叉重疊問題。在中級分析部分，我們已經(jīng)知道：活動之間可能有重疊，新舊產(chǎn)品可能有替代，新老渠道可能有沖突，研發(fā)升級不見得有效果……總之，每件事都會產(chǎn)生成本，但不是每件事都能掙錢。

2024-06-07 15:15:56

經(jīng)營分析決策

關(guān)于 Python 數(shù)據(jù)分析的 15 個 NumPy 應(yīng)用

本文專為那些希望深入了解并掌握NumPy核心功能的數(shù)據(jù)分析新手設(shè)計。我們將通過10個實用的應(yīng)用示例，帶你從基礎(chǔ)操作到一些高級技巧，讓你的數(shù)據(jù)分析之旅更加順暢。

2024-06-06 09:08:14

NumPy Python 數(shù)據(jù)分析

大數(shù)據(jù)實時分析：Flink中的Table API

雖然大多數(shù)基于 Flink SQL 的在線編輯和任務(wù)執(zhí)行引擎都是通過 Table API 實現(xiàn)的，但還有其他方法可以實現(xiàn)類似的功能，包括直接使用 SQL API、Flink SQL CLI、REST API、Flink Dashboard 和 Flink SQL Gateway 等。

2024-06-06 08:58:08

大數(shù)據(jù)SQL API

大數(shù)據(jù)實時分析：Flink Dashboard 任務(wù)運(yùn)維和監(jiān)控

Flink Dashboard 可以與多種開源工具集成，如 Apache Zeppelin、Apache Superset、Airflow、Grafana 和 Prometheus 等。

2024-06-05 09:16:54

開源工具 Airflow

大數(shù)據(jù)實時分析：FlinkSQL中的窗口選取

會話窗口是一種基于活動間隔的窗口。它們沒有固定的大小或滑動間隔，而是根據(jù)一段不活動的時間（間隔）來劃分窗口。當(dāng)超過指定的不活動時間間隔時，窗口會結(jié)束并開始一個新的窗口。

2024-06-04 14:10:00

FlinkSQL 窗口大數(shù)據(jù)

借助Geemap分析空間地理數(shù)據(jù) 譯文

這個Python庫用于使用Google Earth Engine（谷歌地球引擎）和ipyleaflet創(chuàng)建交互式地圖。

2024-06-04 08:00:00

這才是真正的數(shù)據(jù)分析項目，而不是取數(shù)發(fā)通報

計劃類工作在跳槽的時候也很好用。因為制定計劃涉及整個公司經(jīng)營分析指標(biāo)體系，經(jīng)營方向確認(rèn)，通過計劃類項目，能很好地建立全局認(rèn)知，在面試官面前顯得很有水平。

2024-06-03 14:23:00

數(shù)據(jù)分析項目計劃類

大數(shù)據(jù)分析是什么、它是如何工作的

大數(shù)據(jù)分析描述了在大量原始數(shù)據(jù)中發(fā)現(xiàn)趨勢、模式和相關(guān)性的過程，以幫助做出基于數(shù)據(jù)的決策。這些過程使用熟悉的統(tǒng)計分析技術(shù)，并在更新的工具的幫助下將它們應(yīng)用于更廣泛的數(shù)據(jù)集。

2024-06-03 14:03:35

大數(shù)據(jù)分析大數(shù)據(jù)

總做描述性統(tǒng)計，深入的數(shù)據(jù)分析到底怎么做？

很多同學(xué)做不深入，是因為從2級深度開始，就不能只指望幾個指標(biāo)/維度交叉一下，直接拉出結(jié)論來，就得結(jié)合業(yè)務(wù)場景，轉(zhuǎn)化業(yè)務(wù)假設(shè)，然后搜集證據(jù)。這要求掌握業(yè)務(wù)場景、指標(biāo)、邏輯能力。這些能力需要積累和鍛煉才能提升。

2024-05-31 11:37:20

數(shù)據(jù)分析驗證維度交叉

Gartner發(fā)布2024年數(shù)據(jù)與分析重要趨勢

在近日的Gartner數(shù)據(jù)與分析峰會上，Gartner分析師介紹了IT領(lǐng)導(dǎo)者必須把握并納入其D&A戰(zhàn)略的重要數(shù)據(jù)與分析趨勢。

2024-05-29 13:29:37

數(shù)據(jù) 分析 Gartner

數(shù)據(jù)分析基礎(chǔ) | Python數(shù)據(jù)交叉表，你學(xué)會了嗎？

數(shù)據(jù)交叉表是數(shù)據(jù)分析中非常重要的工具，掌握它可以讓你更加高效地進(jìn)行數(shù)據(jù)處理和可視化呈現(xiàn)。

2024-05-29 12:47:00

Python 數(shù)據(jù)數(shù)據(jù)分析

搭建數(shù)據(jù)指標(biāo)體系，我總結(jié)了標(biāo)準(zhǔn)化全流程

業(yè)務(wù)流程是主要數(shù)據(jù)來源，指標(biāo)體系首要任務(wù)是反饋業(yè)務(wù)流程情況。有了主指標(biāo)以后，要結(jié)合業(yè)務(wù)流程，梳理出過程指標(biāo)。有了過程指標(biāo)，才能解釋主指標(biāo)為什么低，為什么高。

2024-05-29 12:41:33

數(shù)據(jù)指標(biāo)流程

做數(shù)據(jù)分析十年，第一次見到靠譜的歸因模型

從經(jīng)驗上來看：投訴類來電，在業(yè)務(wù)上性質(zhì)特殊，屬于高風(fēng)險行為。別的來電都能用小程序替代，唯獨(dú)怒氣沖沖的客戶，必須用人工來服務(wù)，至少讓人家消消氣。

2024-05-20 13:20:35

數(shù)據(jù)分析業(yè)務(wù)程序

大宗產(chǎn)業(yè)風(fēng)控領(lǐng)域的數(shù)據(jù)探索與實踐

螞蟻?zhàn)鳛榛ヂ?lián)網(wǎng)企業(yè)，數(shù)據(jù)建設(shè)通常是面向互聯(lián)網(wǎng)場景圍繞個人開展，傳統(tǒng)業(yè)務(wù)上的數(shù)據(jù)應(yīng)用構(gòu)建與互聯(lián)網(wǎng)存在著比較大的差異。螞蟻嘗試從大宗領(lǐng)域切入，探索能否基于已有能力去服務(wù)傳統(tǒng)產(chǎn)業(yè)，幫助其實現(xiàn)產(chǎn)業(yè)數(shù)字化升級，并落地相關(guān)的風(fēng)控場景應(yīng)用。

2024-05-17 08:16:08

數(shù)據(jù)建設(shè)風(fēng)控領(lǐng)域數(shù)據(jù)分析

做經(jīng)營分析，只會同比環(huán)比，怎么辦！

所謂策略，就是業(yè)務(wù)開展的前后順序，輕重緩急。比如上文提到的“A產(chǎn)品銷售差3%”達(dá)標(biāo)。如果站在產(chǎn)品策略的角度，就不是這么頭疼醫(yī)頭，腳疼醫(yī)腳地把每一個產(chǎn)品的漲跌列出來。

2024-05-15 11:51:40

經(jīng)營分析業(yè)務(wù)產(chǎn)品

Pandas 處理 CSV 數(shù)據(jù)的十個步驟

今天，我們將一起踏上Python數(shù)據(jù)分析之旅，以處理CSV文件為例，通過十個簡單易懂的步驟，帶你領(lǐng)略Pandas的強(qiáng)大之處。

2024-05-13 11:43:39

Python 數(shù)據(jù)分析 CSV

一文快速解鎖：價格分析模型

價格的敏感性，是可以事先測試的。在事先可以以優(yōu)惠券為杠桿，以抽獎的形式測試用戶的購買率，從而一定程度上推斷漲價/降價多少合適。但是這種方式更適合測降價，漲價的話，用戶本能的反感會比較強(qiáng)烈，所以不太適用。

2024-05-11 08:18:49

解鎖價格模型

這才是真正的商品分析，而不是羅列進(jìn)銷存

一提到商品搭配，很多人腦子里第一時間蹦出來：啤酒與尿布。實際上即使不用數(shù)據(jù)去算，商品之間固定搭配。就像比起啤酒配尿布，啤酒配雞爪，啤酒配花生米，啤酒配小龍蝦更常見一樣。

2024-05-10 12:01:00

商品分析數(shù)據(jù)分析斷貨

用Pyjanitor消除數(shù)據(jù)清洗(Data Cleaning)中的煩惱

數(shù)據(jù)清洗（Data Cleaning）通常被視為數(shù)據(jù)驅(qū)動決策的關(guān)鍵準(zhǔn)備步驟，其目的在于查找并糾正數(shù)據(jù)中的錯誤和不一致，以提高數(shù)據(jù)質(zhì)量。隨著數(shù)據(jù)集的增長，確保數(shù)據(jù)的清潔度和完整性變得越發(fā)具有挑戰(zhàn)性。了解數(shù)據(jù)清洗的重要性以及如何進(jìn)行數(shù)據(jù)清洗變得至關(guān)重要。

2024-05-10 08:31:57

數(shù)據(jù)清洗數(shù)據(jù)驅(qū)動

這才是大廠的經(jīng)營分析報告，而不是“念PPT會”

想要提升效率，把經(jīng)營分析會變成決策會而不是“例行會”“讀ppt會”“甩鍋會”，就得從眾多數(shù)據(jù)中，把關(guān)鍵問題挑出來，幫大家聚焦到核心問題上。這里有5個問題最為關(guān)鍵。

2024-05-08 13:59:38

經(jīng)營分析 PPT

經(jīng)營分析：決策分析模型搭建指南

如果同學(xué)們覺得沒見過數(shù)據(jù)驅(qū)動決策，這也很正常，并非每個公司都這么規(guī)范認(rèn)真，我們要做的是0級~7級的基礎(chǔ)積累，積累越多，我們自己掌握的本事就越大，也越有機(jī)會到真正優(yōu)秀的公司實踐。

2024-05-07 12:00:47

決策分析模型數(shù)據(jù)

基于SpringBoot3.x和Apache Doris構(gòu)建高效大數(shù)據(jù)分析系統(tǒng)

在傳統(tǒng)數(shù)據(jù)處理過程中，我們面臨的數(shù)據(jù)多數(shù)是結(jié)構(gòu)化的，該數(shù)據(jù)保存在預(yù)定義的數(shù)據(jù)模型中，如關(guān)系型數(shù)據(jù)庫的表。然而，隨著科技發(fā)展，尤其是互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和移動設(shè)備的普及，非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖片、音頻、視頻、社交媒體數(shù)據(jù)等）的產(chǎn)生量正在急劇增加，它們共同構(gòu)成了大數(shù)據(jù)的特征--多樣性。

2024-05-07 08:16:17

大數(shù)據(jù)分析系統(tǒng)

數(shù)據(jù)分析，高手只比你多做了這一步

深入分析、建模、提業(yè)務(wù)建議，標(biāo)簽是很重要的一環(huán)。同學(xué)們可以試著多建有業(yè)務(wù)含義的標(biāo)簽，特別是涉及“盲盒”狀態(tài)的業(yè)務(wù)，比如線上廣告投放，線下銷售跟進(jìn)，商品選品等，標(biāo)簽的作用更大。?

2024-05-06 09:02:57

數(shù)據(jù)分析標(biāo)簽模型

時空圖神經(jīng)網(wǎng)絡(luò)原理及Pytorch實現(xiàn)

在我們生活的這個充滿聯(lián)系的世界中，從微觀的分子結(jié)構(gòu)到宏觀的社交網(wǎng)絡(luò)，再到復(fù)雜的城市設(shè)計結(jié)構(gòu)，都隱藏著一張張相互關(guān)聯(lián)的圖數(shù)據(jù)。這些圖數(shù)據(jù)仿佛一張張神秘的網(wǎng)，將世界萬物緊密相連。

2024-04-30 14:54:10

Pytorch 時空圖神經(jīng)網(wǎng)絡(luò)

深入解析數(shù)倉維度建模中的維度

對于橋接維度可能就更加好理解了，就是兩個維度表之間通過第三張維度表進(jìn)行關(guān)聯(lián)，其中存儲另外兩個維度表的關(guān)系。如圖9-6所示，維度表A與維度表B之間某個字段的屬性存在多對多關(guān)系，基于這種多對多關(guān)系設(shè)計維度表C，用來存儲這兩個屬性的關(guān)系。

2024-04-30 00:00:00

數(shù)倉維度建模

解讀數(shù)據(jù)，我發(fā)現(xiàn)了超好用的七步標(biāo)準(zhǔn)法

數(shù)據(jù)分析師想要加強(qiáng)數(shù)據(jù)洞察能力，就得多積累分析經(jīng)驗，針對具體業(yè)務(wù)問題，收集業(yè)務(wù)動作，多復(fù)盤，這樣才能認(rèn)識得越來越深入。每次具體問題來了，才有豐富的彈藥庫可用。

2024-04-28 12:47:03

數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)

輕松處理CSV文件，csvkit助你高效數(shù)據(jù)分析！

在本文中，我們將介紹csvkit庫的基本用法，并通過一個實際的案例來演示如何使用csvkit進(jìn)行數(shù)據(jù)分析。

2024-04-28 11:39:17

紹csvkit 數(shù)據(jù)分析

常用的時間序列分析方法總結(jié)和代碼示例

時間序列是最流行的數(shù)據(jù)類型之一。視頻，圖像，像素，信號，任何有時間成分的東西都可以轉(zhuǎn)化為時間序列。

2024-04-26 12:29:36

時間序列數(shù)據(jù)分析

放大招，數(shù)據(jù)運(yùn)營全流程SOP

用戶需求是客觀存在的，最大難題是如何收集數(shù)據(jù)，了解到用戶需求。有些人會說：這還不簡單，直接讓用戶填問卷不就好了。問題是，你自己去買東西的時候會填問卷嗎，填個屁。用戶都是不想被過度打擾的，因此設(shè)計顧客旅程，分步驟引導(dǎo)用戶留下數(shù)據(jù)，很重要。

2024-04-26 12:28:32

數(shù)據(jù)運(yùn)營 SOP

學(xué)數(shù)據(jù)分析的八大誤區(qū)，你中招了嗎？

在設(shè)定學(xué)習(xí)目標(biāo)的時候，到底是想提升目前崗位/行業(yè)的適應(yīng)能力，還是提高自己在人才市場的競爭能力，是兩個根本方向性問題。

2024-04-26 00:15:51

數(shù)據(jù)分析能力

一文帶您了解權(quán)重證據(jù)(WoE)與信息價值(IV)：數(shù)據(jù)分析的重要利器

WOE和IV是數(shù)據(jù)分析和建模中的重要工具，它們能夠幫助我們發(fā)現(xiàn)特征與目標(biāo)變量之間的關(guān)系，并指導(dǎo)我們做出更好的決策。通過深入理解這些技術(shù)的原理和應(yīng)用，我們可以更好地優(yōu)化模型，提高預(yù)測準(zhǔn)確性，從而實現(xiàn)更好的業(yè)務(wù)結(jié)果。?

2024-04-17 08:46:17

數(shù)據(jù)分析工具 WoE

上一頁 1 2 3 4 5 6 ··· 34 下一頁

點(diǎn)贊

51CTO技術(shù)棧公眾號

業(yè)務(wù)
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(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營

<mark id="koaph"></mark>

<ruby id="koaph"><samp id="koaph"></samp></ruby>