CDA121143
2022-03-22 阅读量: 324
首先需要对业务进行了解,提取需求,理解解业务需求,即找到分析方向,然后进行数据收集,根据业务需求找到需要使用的数据信息,再对找到的数据信息进一步处理,提炼出需要使用的维度字段和度量值,可汇总到事实表,然后对处理过的数据进行分析以及可视化操作,制作出报表,根据报表呈现的信息撰写数据报告。
机器学习挖掘类标签 该类标签通过机器学习挖掘产生,用于对用户的某些属性或某些行为进行预测判断。例如,根据一个用户的行为习惯判断该用户是男性还是女性、根据一个用户的消费习惯判断其对某商品的偏好程度。 该类标签需要通过算法挖掘产生。 在项目工程实践中,一般统计类和规则类的标签即可以满足应用需求,在开发中占有较大比例。机器学习挖掘类标签多用于预测场景,如判断用户性别、用户购买商品偏好、用户流失意向等。一
漏斗模型,对销售行为或用户行为进行分析,找到问题所在。波士顿矩阵模型,用于对产品进行分类,一般按照市场占有率和销售增长率两个维度将产品分为四类:明星产品,现金牛产品,问题产品,弱势产品。使用波士顿矩阵模型可以看出哪些产品值得投入资源发展,那些可以舍弃。RFM模型,R-最近消费距指定时间的间隔天数,F-在指定时间内消费的频次,M-指定时间内消费金额,根据这三类确定的阈值,将用户分为两大类,八小类用户
问题:数据透视表如何进行筛选解答:比如说用数据透视表,求出来各个地区的销售总额,怎么才能在筛选出大于100万的地区呢?运用值筛选,然后在进行筛选就可以了