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

<sub id="zxzig"><i id="zxzig"></i></sub>

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

數據分析

1669內容??

關注

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

共 1669 條

我們一起學習Hdfs的異構存儲

在我們實際的開發(fā)過程中，我們的某些數據可能經常使用，但是過了一段時間，這個數據就不怎么使用了，即我們的數據存在一個熱、溫、冷等這些特性。那么針對數據的熱度，我們可以采用不同的策略，存儲到不同的存儲介質上。

2023-03-28 07:32:37

異構存儲 hdfs

經營分析，如何洞察業(yè)務痛點

一提到“洞察痛點”很多人本能就把指標達成率給列出來了，然后寫到“本月A部門銷售嚴重不達標！”還有些人會做拆解（如下圖所示）拆完了說：“因為A部門新用戶不行，建議把新用戶搞多！” 這算是洞察到痛點了吧。

2023-03-27 11:37:29

經營分析業(yè)務銷售

深度揭秘，為什么你做數據分析沒思路？

有些公司環(huán)境就是不好，導致同學們在工作中總是被PUA“你思路不清楚呀”。這時候，大家只要做好自己本職工作，多積累具體問題點上的實操經驗，就有機會跳槽離開這種腦殘公司，找到更合適自己的工作。所以細節(jié)討論是很重要的，不考慮細節(jié)，流于理論或者流于表面，就會像本文開頭一樣出洋相了。?

2023-03-26 19:18:27

數據分析思路

toB和toC業(yè)務，數據分析有何異同？

toB和toC業(yè)務是完全不同兩大場景。toC業(yè)務面對的是個人的衣食住行的需求，離我們的生活很近。經常我們把自己當做消費者思考一下，就能理解toC業(yè)務是做什么的。而toB業(yè)務則是服務企業(yè)生產經營，很多同學不能直觀理解。

2023-03-26 18:56:40

toB toC 業(yè)務

數據分析前置工作指南

通過數據，可以發(fā)現許多深層的問題，從而優(yōu)化產品決策。那么，怎么才能做好一次好的數據分析工作呢？本文詳細闡述了數據分析的前置工作，將由兩個方面詮釋作者對數據分析準備工作的理解。

2023-03-23 15:09:22

數據分析數據收集

大數據產業(yè)狂飆突進，柏睿數據劍指數據智能賽道獨角獸原創(chuàng)

柏睿數據發(fā)布全新數據智能產品矩陣

2023-03-22 14:56:47

大數據柏睿數據數字化轉型

處理缺失值的三個層級的方法總結

缺失值是現實數據集中的常見問題，處理缺失值是數據預處理的關鍵步驟。缺失值可能由于各種原因而發(fā)生，例如數據的結構和質量、數據輸入錯誤、傳輸過程中的數據丟失或不完整的數據收集。

2023-03-16 15:13:41

缺失值據集中數據分析

數據治理實踐 | 網易某業(yè)務線的計算資源治理

對于調度優(yōu)化一開始會無從下手，統(tǒng)計凌晨2-5點區(qū)間下大概600+任務難梳理，同時存在任務依賴，修改起來可能會對下游整體有大的影響，因此我們選擇循序漸進先梳理再改善。

2023-03-15 18:34:26

資源治理數據治理業(yè)務線

這一次，我用數據分析提升了用戶轉化率

某在線教育機構，每周會開免費的直播，所有用戶預約后可以觀看直播。業(yè)務方期望通過直播能提升用戶的付費率。

2023-03-10 11:33:40

用戶轉化率數據分析

天花板！商業(yè)分析模型超強總結

做生意要賺錢！這是商業(yè)基本法則。因此商業(yè)分析模型，大多圍繞利潤（Total Profit，記為TP）、收入（Revnue、記為R）、成本（Cost記為C）展開。利潤=收入-成本，是最基本的公式。

2023-03-09 13:56:00

商業(yè)分析模型 Revnue

淺談AB實驗及其在轉轉B2B報價系統(tǒng)中的應用

P 值是當原假設為真時，所得到的樣本觀察結果或更極端的結果出現的概率。如果 P 值很小，說明這種情況發(fā)生的概率很小，但是在這次試驗中卻出現了，根據小概率原理，我們有理由拒絕原假設，P 值越小，我們拒絕原假設的理由越充分。

2023-03-08 08:31:35

AB實驗報價系統(tǒng)

如何做好一場NPS調研？

我們要學會充分利用這些“珍貴用戶”，大膽的邀請他們加入產品的后續(xù)互動：問題回訪、用戶訪談或者新功能內測體驗等等……他們大概率不會拒絕我們的邀約，而且后續(xù)的互動會更加提升他們的參與感，為產品獲得更多的擁護者。

2023-03-07 17:53:00

徹底銷毀！這地10億條個人涉疫數據被清理原創(chuàng) 精選

近期，素有“江南勝地”之稱的江蘇無錫，舉辦了一場“特別”的儀式，為這一問題提供了可行答案。

2023-03-07 17:50:03

個人涉疫數據

從0到1，搭建經營分析體系

經營分析最大痛點，在于很多人做的“既不經營，也沒啥分析”，基本就是按：GMV=UV*轉化率*客單價的公式，把KPI一拆，然后開始表演：“本月目標未達成，原因是轉化率低了，要搞高?！辈⑶液芏喙镜慕洜I分析報告是有模板的，美其名曰：“歷史傳承”。于是這個“要搞高”就傳了一代又一代。

2023-03-06 11:35:55

經營分析體系

產品分析，有經驗的人都這樣做

戰(zhàn)略層的分析，理應是最先開始，最先需要明確的分析。因為后續(xù)每一個具體功能，每一項具體設計，每一次迭代優(yōu)化，都是為了達成戰(zhàn)略目的服務的。但是這恰恰是很多產品分析最缺的部分。

2023-03-05 17:40:00

產品分析轉化率活躍率

來說說，什么才是真正的大數據分析

數據是如此重要，以至于歷史上很長一段時間，統(tǒng)計任務歸屬于政府、軍隊、情報機關。我國的第一家調查公司還是在90年代初，在寶潔強烈要求下成立的。

2023-03-04 21:31:57

大數據采集抽樣式

通向優(yōu)秀數據分析師的六個階梯

縱觀整個成長階梯，核心就是：數據分析師要能剝絲抽繭的解決復雜企業(yè)問題，這樣培養(yǎng)能力，才是我們自己安身立命的法寶。

2023-03-02 11:51:00

數據分析師企業(yè)

談談將數據作為戰(zhàn)略資產管理

在任何組織中，領導者的角色都是確定并清楚地傳達組織的愿景、使命和價值主張。以此愿景為基礎，確定短期、中期和長期戰(zhàn)略目標，并將愿景貫徹執(zhí)行。作為戰(zhàn)略舉措的一部分，當業(yè)務環(huán)境發(fā)生意外變化時，應主動制定應急計劃。

2023-02-28 16:07:18

數據資產數據分析

分析指標波動，數據模型得這么建

數據分析需要跑數，但想解讀跑出來的數，需要的是掌握豐富的事實情況，用數據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。

2023-02-26 17:46:03

分析指標波動數據模型

一文快速解鎖：標簽體系全流程

標簽體系做得好，后續(xù)分析才有足夠多素材，才能積累經驗。標簽體系做得差，白費功夫不說，后邊做深入分析的時候還沒有依靠。

2023-02-26 00:00:04

項目標簽體系

數據分析報告，【建議】部分該怎么寫？

當然，這些都建立在一個基本前提上：你得能分清看到的是結果數據還是過程數據。曾經有個同學問陳老師：“老師，我要如何提升策略性思考能力，你看我們現在明明一切做得很好，可轉化率就是上不去，為啥嗯？”

2023-02-26 00:00:03

數據分析數據模型

一文詳解Python數據分析模塊Numpy切片、索引和廣播

ndarray對象的內容可以通過索引或切片來訪問和修改，與 Python 中 list 的切片操作一樣。

2023-02-24 14:40:24

ndarray Python 數據分析

2023年有哪些數據分析和商業(yè)智能發(fā)展趨勢？

隨著2023年的到來，現在是探索數據分析和商業(yè)智能在新的一年發(fā)展趨勢的好時機，本文將介紹數據分析和商業(yè)智能的一些發(fā)展趨勢。

2023-02-22 15:57:41

數據分析商業(yè)智能

騰訊Alluxio（DOP）在金融場景的落地與優(yōu)化實踐

本文將分享騰訊 Alluxio（DOP）在金融場景的落地和優(yōu)化實踐。DOP 全稱為 data orchestration platform，數據編排平臺，是騰訊內部 Alluxio 及其生態(tài)產品組成的一個大的產品。

2023-02-20 13:45:31

數據分析騰訊 Alluxio

大數據分析如何重塑物聯網(IoT)?

大數據和物聯網正在推動科技進步，讓生活變得更快、更智慧。為了收集數據，物聯網可以將任何產生數據的東西連接到互聯網，包括汽車、可穿戴技術、視頻游戲、家用電器和其他物體。

2023-02-17 16:25:58

大數據分析物聯網

數據分析終極一問：多影響因素下，到底咋歸因？！

新入行的數據分析師，認為只要懟幾個數據進線性回歸或者因子分析模型，就能算個參數出來讓每個部門滿意。所以這種來來回回扯皮的事，還會延續(xù)很多很多年，哈哈哈。

2023-02-09 12:15:49

數據分析因素售后

用于文本數據分析的 Pandas：使用 Str 訪問器清理和操作文本數據

Pandas 中的 str 訪問器提供了許多有用的字符串操作，可以應用于 Pandas 系列的每個元素。

2023-02-08 07:44:56

Pandas 數據分析

運營策略分析體系，該如何搭建

數據分析師連發(fā)生了什么都是后知后覺，數據沒有做標記，活動規(guī)則之間相互重疊毫無策略可言，又能做什么分析呢？

2023-02-07 13:27:00

運營策略分析

這次用戶分群模型，終于被評價為【有用】

從本質上看，之所以需要這種組合式分群模型，是因為當分析目標是：“提升業(yè)績”的時候，影響結果因素太多，不細致考慮，很有可能滿盤皆失。

2023-02-06 12:06:33

用戶分群模型

大多數開發(fā)人員都弄錯的Hive與MapReduce小文件合并問題

因為設置上面四個參數，看上去規(guī)定了map結束，MR結束合并文件，如果文件平均小于smallfiles.avgsize啟動一個新的MRj進行文件的二次合并。如果啟動mr合并文件，沒有問題。

2023-01-31 10:22:00

Hive MapReduce 文件合并

剛入門數據分析，領導就丟給我一個大難題

梳理業(yè)務，可以依照：來龍去脈，整體局部的順序進行。搞清楚這個業(yè)務的上游、下游環(huán)節(jié)。從而梳理出最粗框架的業(yè)務流程。

2023-01-26 02:12:23

數據分析梳理業(yè)務框架

在線教育中的大數據分析：每個人都應該知道的方面

在線教育中的大數據分析是一個復雜的過程，學習專業(yè)人員需要遵循這個過程來檢查大數據集。本文解釋了每個人都應該知道的方面及其對在線教育行業(yè)的影響。

2023-01-16 19:07:56

大數據大數據分析

這才是數據分析項目失敗的主要原因

今天我們先不談“為啥每天瞎忙沒項目做”的問題，就談“為啥已經開工的項目會失敗”。因為認真梳理下會發(fā)現，至少四分之三的數據分析項目失敗，和這個事有關。

2023-01-14 17:45:28

數據分析項目

數據分析師 PK 運營，不再被追著要數！

數據分析之所以做了沒屁用，80%是脫離實際，閉門造車的結果。脫離實際，閉門造車的根源，在于做數據的人太沉迷于數據本身，忘了真正要干啥。

2023-01-12 12:50:07

數據分析師運營，場景

大數據和物聯網如何互助

我們已經開始看到數據分析和物聯網在使用專業(yè)技術和技術高效分析大量數據方面的巨大影響。在收集和分析數據方面，物聯網和大數據集成似乎是前進的方向。

2023-01-11 12:29:15

大數據物聯網

這個簡單的行業(yè)分析套路，服了服了

做分析，羅列事實和數字僅僅是第一步。如何基于數字和事實做判斷更重要。做行業(yè)分析，要先清晰對象：一個行業(yè)的新玩家/老玩家，需要關注的是不同的。

2023-01-10 11:29:34

行業(yè)分析套路

大數據架構師一定要弄清楚Fair Scheduler和Capacity Scheduler

如果是中小型集群，上千節(jié)點以內，資源比較緊張，建議使用Fair Scheduler,配置簡單，對資源的使用效率也高。相比Fair Scheduler更加靈活，允許作業(yè)使用群集中未使用的資源。它通過基于定義的權重來給任務的公平搶占和穩(wěn)定提供保證。對于中小型集群，這是一個很好的默認設置。

2023-01-09 08:38:22

大數據架構師 YARN

我搭建了一個強大的數據預警模型

數據預警的錯誤做法，當然是指望一個神威無敵大將軍模型，能把所有指標100%預測準確。實際影響指標的因素太多，且外部環(huán)境壓力，內部主動行為，都很難量化。因此完全把寶賭在靠著極其有限的幾個數預測的模型，完全不靠譜。

2023-01-08 21:05:45

數據預警模型

你見過這樣精準的預測模型嗎？

預售、團購、饑餓營銷、訂金膨脹、缺貨登記……所有的業(yè)務手段，需要的不但是運營能力，更需要系統(tǒng)建設支持。顯然，對業(yè)務來說，比起搞這些系統(tǒng)建設和復雜的運營手段，還是直接甩鍋給“模型預測不準”更輕松。因此你要是直接問業(yè)務預測需求，他們都會傾向于“不高不低剛剛好”的賭命式預測。

2023-01-04 11:35:21

預測模型預售

數據又雙叒叕波動了？五步法，準確識別數據異常波動

“對數據進行監(jiān)控，分析指標異動原因”是數據分析常見工作內容。這個需求看似簡單，可實際做起來卻讓很多同學很困惑：到底指標波動多大算大？為啥有時候看起來沒多大波動，業(yè)務卻很緊張問原因，有時候波動很大業(yè)務又不著急呢？

2023-01-03 11:34:08

數據異常波動

Pandas處理大數據的性能優(yōu)化技巧

Pandas是Python中最著名的數據分析工具。在處理數據集時，每個人都會使用到它。但是隨著數據大小的增加，執(zhí)行某些操作的某些方法會比其他方法花費更長的時間。

2022-12-30 15:29:35

數據分析工具 Pandas

人貨匹配模型搞懂沒？大家都在討論它

所謂電子商務，還是商務，本質上運作的邏輯是一樣的。不同的是，互聯網上用戶行為能留下充分的數據記錄，因此能進行相對準確的分析。再也不用像傳統(tǒng)門店那樣，靠研究人員現場肉眼觀察消費動線了。

2022-12-29 11:45:52

人貨匹配模型電子商務

我不建議你抄大廠的用戶畫像，為什么？

從本質上看，對非互聯網大廠而言，想靠一己之力收集全量用戶信息是不可能的，也不能吃透這些互聯網平臺的廣告規(guī)則與收費機制。因此對抗外部信息不足的辦法，是做好內部管控，在內部對自己家的產品/內容/運營能力做好盤點，從而有充足的準備應對外部挑戰(zhàn)。

2022-12-28 11:44:19

用戶畫像互聯網用戶信息

從數據到見解：商業(yè)智能(BI)如何改變醫(yī)療服務？

數據分析為醫(yī)療保健業(yè)務帶來了巨大的好處，包括降低治療成本、預測疾病爆發(fā)和提高患者生活質量的能力。

2022-12-26 15:48:41

數據分析醫(yī)療保健

求職數據分析，項目經驗該怎么寫

首先得正本清源：什么是項目？答：項目是在特定時間內，集合特定資源，為達成特定目標所做的工作。簡而言之一句話：項目不是臨時性工作，是特事特辦。

2022-12-26 00:00:03

求職數據分析項目

在OKR中，我看到了數據驅動業(yè)務的未來

數字化時代，新商業(yè)模式、新技術應用，都需要大量技術手段運營，需要試點，不再是拉橫幅、喊口號、打雞血能解決問題的了。因此可以期待，在未來，OKR方法能更深入地使用，能真正帶來數據驅動。?

2022-12-26 00:00:02

數據驅動業(yè)務

2023展望：新的一年將給大數據分析領域帶來什么？

數據倉庫一直很受歡迎，尤其是在云端。但SAS執(zhí)行副總裁兼首席信息官Jay Upchurch表示，預計2023年將有更多客戶從傳統(tǒng)數據倉庫轉向實時數據存儲和分析。

2022-12-25 15:33:36

數據分析數據倉庫數據存儲

Denodo預測2023年數據管理和分析的未來

我們可以看到，在與數據管理基礎設施和架構相關的領域內出現了很多創(chuàng)新。以下是Denodo認為將在 2023 年產生最大影響的五大趨勢，這些趨勢與數據和分析有關。

2022-12-14 15:53:22

數據管理數據分析

七步走！做出高質量的數據分析項目

數據分析項目特別需要儀式感！因為數據分析成果很少能成為白花花的銀子，等年底做總結的時候可能大家都忘得差不多了。因此一定要做足儀式。比如項目啟動時和合作方一起開個會，開到中午大家一起大圓桌搓一頓。項目結束匯報時專門約上大老板，匯報完合影留念。

2022-12-14 14:13:01

數據分析項目

Arctic的湖倉一體踐行之路

簡單說，我們可以把數據湖當做一個存儲各類結構化、半結構化和非結構化數據的池子，這個池子可以是私有化的 hadoop 集群，也可以是云端的對象存儲，因為我們要存儲體量非常大的原始數據和明細數據，這個池子的成本必須足夠低，開啟 EC 的 HDFS 或對象存儲無疑是最佳選擇。這個大需要多大？

2022-12-13 17:42:47

Arctic 存儲湖倉

上一頁 1 ··· 7 8 9 10 11 ··· 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

<sub id="urib6"></sub>

<sub id="urib6"><p id="urib6"></p></sub><sub id="urib6"></sub>

<cite id="urib6"><rp id="urib6"><pre id="urib6"></pre></rp></cite>