CDA117526

逻辑树分析法

【问】某胡同口的煎饼摊一年能卖出多少个煎饼?使用逻辑树分析方法来拆解。一年卖的煎饼数量=1天卖出的煎饼数量 * 365天。1天卖出的煎饼数量是多少呢?我们可以进一步拆解:1天卖出的煎饼数量=1天的工作时间 / 做一个煎饼的平均时间 现在我们将这个问题拆解为两个子问题了:1)做一个煎饼的平均时间是多少?2)1天的工作时间是多少? 子问题1:做一个煎饼的平均时间是多少?大家都吃过煎饼,我们猜测是1分

0.0000 0 0
  • 关注作者
  • 收藏
CDA103484

数据分析师-Python预习笔记4

因为python是一门很重要的课程,所以预习内容很多,基础点也很多,预习视频也做了相应笔记,需要的同学可以自取哈~~Python预习笔记7.pdfPython预习笔记8.pdfpython综合笔记.pdf

35.9861 7 0
  • 关注作者
  • 收藏
CDA103484

数据分析师-Python预习笔记3

因为python是一门很重要的课程,所以预习内容很多,基础点也很多,预习视频也做了相应笔记,需要的同学可以自取哈~~Python预习笔记5.pdfPython预习笔记6.pdf

35.0746 6 0
  • 关注作者
  • 收藏
CyanLeo

【SQL】使用LEFT JOIN子句求表1与表2的差集

SELECT tbl_1.column_1, tbl_1.column_2, ..., tbl_1.column_k, ..., tbl_1.column_nFROM tbl_1LEFT JOIN tbl_2 ON tbl_1.column_public = tbl_2.column_publicWHERE tbl_2.column_any IS NULL;

60.1491 6 1
  • 关注作者
  • 收藏
维克多阿涛

mysql 和anaconda官方下载地址

https://downloads.mysql.com/archives/workbench/ 官网下载 mysql ,可选Windows版或者苹果MAC版https://www.anaconda.com/products/individual 官网下载anaconda ,,可选Windows版或者苹果MAC版

9.0942 5 0
  • 关注作者
  • 收藏
CDA103484

数据分析师-Python预习笔记2

因为python是一门很重要的课程,所以预习内容很多,基础点也很多,预习视频也做了相应笔记,需要的同学可以自取哈~~Python预习笔记3.pdfPython预习笔记4.pdf

102.9892 7 0
  • 关注作者
  • 收藏
维克多阿涛

Window7电脑安装PowerBI新版本出现报错提示“AS Process PID=12552 has exited with ExitCode=-1073741511”问题如何解决?

1,PowerBI自从2020年11月份开始,后面的版本不再支持WIN7系统,很多window7用户安装新版本时提示不支持,会有这个:“AS Process PID=12552 has exited with ExitCode=-1073741511”的报错提示, 解决这个问题两个方法:方法(1),还是win7 系统,那只能装POWER BI老版本了 ,而且还要把新版本卸载干净才行,或者方法(2)

102.8303 7 0
  • 关注作者
  • 收藏
CDA103484

数据分析师-Python预习笔记

因为python是一门很重要的课程,所以预习内容很多,基础点也很多,预习视频也做了相应笔记,需要的同学可以自取哈~~Python预习笔记1.pdfPython预习笔记2.pdf

26.0198 5 0
  • 关注作者
  • 收藏
维克多阿涛

元数据管理时多使用那种数据库?

元数据管理 Hive适合于大数据量的批处理作业,对于量级较小的元数据, MySQL具有更快的读写速度。Web端产品读写MySQL数据库会有更快的速度,方便标签的定义、管理。对于元数据的录入和查询功能,可将相应的元数据存储在MySQL中实现。这里给出平台标签视图(如图3-11所示)和元数据管理页面(如图3-12所示)。图3-11 平台标签视图 图3-12 标签编辑管理 平台标签视图中的标签元数据可以

2.0519 3 0
  • 关注作者
  • 收藏
维克多阿涛

ID-MAP是什么?

ID-MAP 开发用户标签的时候,有项非常重要的内容——ID-MApping,即把用户不同来源的身份标识通过数据手段识别为同一个主体。用户的属性、行为相关数据分散在不同的数据来源中,通过ID-MApping能够 把用户在不同场景下的行为串联起来,消除数据孤岛。图3-7展示了用 户与设备间的多对多关系。图3-8展示了同一用户在不同平台间的行为 示意图。 图3-7 用户和设备间的多对多关系图3-8 串

0.2449 2 0
  • 关注作者
  • 收藏
维克多阿涛

用户标签的分区存储与汇聚是什么?

分区存储 如果将用户标签开发成一张大的宽表,在这张宽表下放几十种类型标签,那么每天该用户画像宽表的ETL作业将会花费很长时间,而且不便于向这张宽表中新增标签类型。 要解决这种ETL花费时间较长的问题,可以从以下几个方面着手: ·将数据分区存储,分别执行作业;·标签脚本性能调优;·基于一些标签共同的数据来源开发中间表。 下面介绍一种用户标签分表、分区存储的解决方案。 根据标签指标体系的人口属性、行为

1.9629 3 0
  • 关注作者
  • 收藏
维克多阿涛

用户画像用的Hive数据仓库是什么样的?

建立用户画像首先需要建立数据仓库,用于存储用户标签数据。 Hive是基于Hadoop的数据仓库工具,依赖于HDFS存储数据,提供的 SQL语言可以查询存储在HDFS中的数据。开发时一般使用Hive作为数据仓库,存储标签和用户特征库等相关数据。 “ 数 据 仓 库 之 父 ”W.H.Inmon 在 《 Building the Data Warehouse》一书中定义数据仓库是“一个面向主题的、集成

0.2449 2 0
  • 关注作者
  • 收藏
维克多阿涛

​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,

15.1099 4 0
  • 关注作者
  • 收藏
维克多阿涛

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。

13.3028 3 0
  • 关注作者
  • 收藏
维克多阿涛

​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、

20.6506 4 0
  • 关注作者
  • 收藏
维克多阿涛

​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

18.8435 3 0
  • 关注作者
  • 收藏
维克多阿涛

用户的​自然性别和购物性别分别是什么?

用户性别可细分为自然性别和购物性别两种。 自然性别是指用户的实际性别,一般可通过用户注册信息、填写 调查问卷表单等途径获得。该标签只需要从相应的表中抽取数据即 可,加工起来较为方便。 用户购物性别是指用户购买物品时的性别取向。例如,一位实际 性别为男性的用户,可能经常给妻子购买女性的衣物、包等商品,那 么这位用户的购物性别则是女性

34.6679 3 0
  • 关注作者
  • 收藏
维克多阿涛

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

16.9359 2 0
  • 关注作者
  • 收藏
维克多阿涛

用户画像各阶段的任务排期和关键产出是什么?

用户画像各阶段的任务排 期和关键产出。画像体系的开发分为几个主要阶段,包括前期指标体 系梳理、用户标签开发、ETL调度开发、打通数据服务层、画像产品端 开发、面向业务方推广应用、为业务方提供营销策略的解决方案等, 如表1-1所示。 表1-1 用户画像项目各阶段关键产出·标签开发:根据业务需求和应用场景梳理标签指标体系,调研业 务上定义的数据口径,确认数据来源,开发相应的标签。标签开发在 整个画像项

24.8273 3 0
  • 关注作者
  • 收藏
维克多阿涛

用户画像建设项目流程分哪些阶段?

用户画像建设项目流程第一阶段:目标解读 在建立用户画像前,首先需要明确用户画像服务于企业的对象, 再根据业务方需求,明确未来产品建设目标和用户画像分析之后的预 期效果。 一般而言,用户画像的服务对象包括运营人员和数据分析人员。 不同业务方对用户画像的需求有不同的侧重点,就运营人员来说,他 们需要分析用户的特征、定位用户行为偏好,做商品或内容的个性化 推送以提高点击转化率,所以画像的侧重点就落在了用

24.8273 3 0
  • 关注作者
  • 收藏

热门用户 换一批

本月PGC排行 总奖励
01
维克多阿涛
3032.3840
02
CDA117556
2679.1509
03
ermutuxia
2217.4545
04
Adams小乙
1588.6316
05
申宗康
1120.1250
06
CDA117513
992.2554
07
CDA118057
924.7732
08
CDA117845
795.0511
09
JG-贾老师
510.1148
10
旭旭纸
487.8302
11
M187****7866
406.3357
12
CDA123
388.4171
13
桃花影里飞神剑
316.7335
14
CDA117526
276.8590
15
CDA103484
214.1856
16
CyanLeo
163.1803
17
CDA118433
134.3313
18
CDA117870
128.1095
19
CDA113142
117.4051
20
estherAI
86.5019
21
CDA118839
84.7473
22
CDA118204
74.8806
23
DA弯道超车
62.8842
24
人脉引爆点
62.2090
25
CDA117539
59.8730
26
admin
56.5166
27
201801100215
52.8226
28
CDA116563
43.4219
29
李天爱
42.2107
30
AIU人工智能学院
36.9512
31
闫粤东
34.9470
32
养猪的佩琦
34.0291
33
yueyue92
32.5919
34
CDA117901
30.8282
35
星星的小橙子
30.5446
36
CDA110565
26.6694
37
CDA119047
14.4420
38
wo5656500
11.7603
39
逐梦的太阳
11.5626
40
CDA113606
11.4271
41
CDA116857
9.9058
42
CDA118507
9.3750
43
CDA118217
8.7121
44
136****4585
8.1884
45
小壹壹壹
6.1398
46
唏嘘不已啊
5.9839
47
HXAI105576
5.9252
48
CDA113607
5.9252
49
newbbs
5.8661
50
CDA117286
5.8562