热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
CDA116563
DAY2
笔记day2.docx图表以及指标（类别，场景指标，及应用）
24.1791
0
0
关注作者
收藏
CDA117556
笔记更新
第一天 岗位介绍及需要掌握技能、数据结构、数据格式、Excel函数、值显示方式、一、岗位分类介绍1、纯数据：数据维护：数据准确性，偏工具，数据库重要；实时生产产生的数据。数据治理：数据架构理解，需要经验。帮业务人快速找到需要的数据。数据梳理。撰写政策。需要对业务理解强。数据分析师：Bi开发工程师：可视化看板BI工具，搭建平台展现出信息，执行数据更新，保证数据能够准确完整呈现，底层逻辑数据开发工
21.4834
0
0
关注作者
收藏
CDA117556
笔记更新
第一天 岗位介绍及需要掌握技能、数据结构、数据格式、Excel函数、值显示方式、一、岗位分类介绍1、纯数据：数据维护：数据准确性，偏工具，数据库重要；实时生产产生的数据。数据治理：数据架构理解，需要经验。帮业务人快速找到需要的数据。数据梳理。撰写政策。需要对业务理解强。数据分析师：Bi开发工程师：可视化看板BI工具，搭建平台展现出信息，执行数据更新，保证数据能够准确完整呈现，底层逻辑数据开发工
21.4834
0
0
关注作者
收藏
CDA117901
前笔记摘要
2021.12.27
43.8862
1
0
关注作者
收藏
CDA113142
2021.12.27课堂学习笔记
2021.12.27主要学习课程内容为同期群分析及日常取数
48.3751
0
0
关注作者
收藏
星星的小橙子
笔记
课堂笔记1227
43.6026
0
0
关注作者
收藏
CDA持证人阿涛哥
从业务场景的角度出发对标签体系如何进行归类？
从业务场景的角度出发对标签体系如何进行归类？通过应用场景对标签进行归类也是常见的标签划分方式。图2-4 画像标签应用场景划分 图2-4展示了具体的画像标签应用场景划分。 从业务场景的角度出发，可以将用户标签体系归为用户属性、用户行为、营销场景、地域细分、偏好细分、用户分层等维度。每个维 度可细分出二级标签、三级标签等。 ·用户属性：包括用户的年龄、性别、设备型号、安装/注册状态、 职业等刻画
38.8651
0
0
关注作者
收藏
CDA持证人阿涛哥
​社交属性维度是什么？
社交属性维度是什么？ 社交属性用于了解用户的家庭成员、社交关系、社交偏好、社交活跃程度等方面，通过这些信息可以更好地为用户提供个性化服务。 表2-5是常用的社交属性维度标签示例。在日常使用社交软件时，我们可以发现社交软件中的信息流广告会结合我们的社交特征进行个性化推送。如图2-2所示，结合我所在城 市、经常活跃地段及近期收藏的电脑相关文章，在微信朋友圈给我推送了相关电脑营销的广告。如图2-3所示，
39.1099
0
0
关注作者
收藏
CDA持证人阿涛哥
风险控制维度是什么？
风险控制维度是什么？ 互联网企业的用户可能会遇到薅羊毛、恶意刷单、借贷欺诈等行为的用户，为了防止这类用户给平台带来损失和风险，互联网公司需要在风险控制维度构建起相关的指标体系，有效监控平台的不良用户。结合公司业务方向，例如可从账号风险、设备风险、借贷风险等维度入手构建风控维度标签体系。下面详细介绍一些常见的风险控制 维度的标签示例，如表2-4所示。
37.5325
0
0
关注作者
收藏
CDA持证人阿涛哥
​用户消费维度如何建设?
用户消费维度如何建设?对于用户消费维度指标体系的建设，可从用户浏览、加购、下单、收藏、搜索商品对应的品类入手，品类越细越精确，给用户推荐或营销商品的准确性越高。如图2-1所示，根据用户相关行为对应商品品类建设指标体系，本案例精确到商品三级品类。 表2-3 用户消费维度标签示例这里通过一个场景来介绍构建用户消费维度的标签的应用。某女装大促活动期间，渠道运营人员需要筛选出平台上的优质用户，并通过短信、
44.6506
0
0
关注作者
收藏
CDA持证人阿涛哥
​用户行为维度是什么?
用户行为维度是什么?用户行为维度是另一种刻画用户的常见维度，通过用户行为可以挖掘其偏好和特征。常见用户行为维度指标（见表2-2）包括：用户订单相关行为、下单/访问行为、用户近30天行为类型指标、用户高频活跃时间段、用户购买品类、点击偏好、营销敏感度等相关行为。 表2-2 用户行为维度标签示例
43.0731
0
0
关注作者
收藏
CDA持证人阿涛哥
常见用户属性有哪些?
常见用户属性 用户属性是刻画用户的基础。常见用户属性指标包括：用户的年龄、性别、安装时间、注册状态、城市、省份、活跃登录地、历史购买状态、历史购买金额等。 用户属性维度的标签建成后可以提供客服电话服务，为运营人员 了解用户基本情况提供帮助。 用户属性标签包含统计类、规则类、机器学习挖掘类等类型。下图表 2-1给出了常用的用户属性维度标签。 表2-1 用户属性维度标签示例表2-1对于相同的一级标签类
41.1655
0
0
关注作者
收藏
CDA持证人阿涛哥
​关于用户画像3种类型的标签的区别。
1.统计类标签 这类标签是最为基础也最为常见的标签类型，例如，对于某个用 户来说，其性别、年龄、城市、星座、近7日活跃时长、近7日活跃天 数、近7日活跃次数等字段可以从用户注册数据、用户访问、消费数据 中统计得出。该类标签构成了用户画像的基础。2.规则类标签 该类标签基于用户行为及确定的规则产生。例如，对平台上“消费活跃”用户这一口径的定义为“近30天交易次数≥2”。在实际开发画像 的过程中，由于
145.4921
0
0
关注作者
收藏
CDA持证人阿涛哥
按不同日期形式汇总求和
按不同日期形式汇总求和 - Jupyter Notebook.pdf1, 读取数据filepath_01 = r"C:\Users\Administrator\Desktop\Excel表格\测试数据.xlsx"df1=pd.read_excel(filepath_01,sheet_name = 'Sheet1')df12,转换数据类型import datetime#df['date'] = p
19.0418
1
0
关注作者
收藏
CDA117539
转行数据分析师学习路线和资料
基础篇(适用于初级数据分析师)1）excel关键知识点：excel基本函数(sumif,countif,left,rand等)、lookup(vlookup/hlookup)，数据透视表学习资源：《Excel高效办公：数据处理与分析》2） sql关键知识点：增删改查，特别是条件查询(where, group by, order by等)学习资源：《SQL基础教程》3）python关键知识点：num
74.0783
0
0
关注作者
收藏
CDA持证人阿涛哥
python给Anaconda的jupyter notebook安装目录插件
安装Jupyter Notebook目录插件命令语句.txt安装Jupyter Notebook目录插件最后勾选截图.png在Anaconda prompt 执行如下语句第一步：更新pip:python -m pip install --upgrade pip第二步：更新Jupyter :pip install --upgrade jupyter第三步：安装 jupyter_contrib_nbe
23.4251
0
0
关注作者
收藏
DA弯道超车
VLOOKUP 函数出现 #N/A 错误的 4 种情况
Excel 中，当函数或公式中存在值不可用时，返回 #N/A 错误，意思是 Not Applicable（不适用，即值不可用）。本文将讨论 VLOOKUP 函数，在精确匹配模式下，为什么出现 #N/A 错误，以及如何解决。当 VLOOKUP 函数返回 #N/A 错误时，在精确匹配模式下（即第四个参数为 FALSE 或 0），说明在查找区域第一列没有找到查找值。通常，VLOOKUP 函数返回 #N/
171.7693
0
0
关注作者
收藏
DA弯道超车
EXCEL页头功能区经常出现一些软件的插件如何去掉
如图所示，非常占用地方。导致数据分析常用的 条件格式相关菜单被压缩，操作不方便。还影响excel文件打开速度。解决方法如下：1、文件——更多——选项（点击）2、选择“加载项”标签，选择“COM加载项”，点击“转到”3、将不想加载的插件前边勾选项去掉，点击确认。4、成功去掉无关插件。
101.4196
2
0
关注作者
收藏
CDA持证人阿涛哥
关于信息熵
信息熵的公式先抛出信息熵公式如下：其中代表随机事件X为的概率，下面来逐步介绍信息熵的公式来源！信息量信息量是对信息的度量，就跟时间的度量是秒一样，当我们考虑一个离散的随机变量x的时候，当我们观察到的这个变量的一个具体值的时候，我们接收到了多少信息呢？多少信息用信息量来衡量，我们接受到的信息量跟具体发生的事件有关。信息的大小跟随机事件的概率有关。越小概率的事情发生了产生的信息量越大，如湖南产生的地震
0.9499
7
0
关注作者
收藏
CDA103484
数据分析师-课堂笔记DAY23
本笔记为本人听课笔记，作为辅助学习及督促自我学习用，有需要的同学可以一起参考学习哟~~MYSQL好难，学了今天的忘了昨天的，哈哈。。学习之路，任重道远啊~~~12-15 笔记.pdf
553.6042
4
0
关注作者
收藏
<1…414243…530>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1