梁韵莹

Python基础 Xmind

自己整理了这周Python基础的Xmind,分享一下:

梁韵莹

2020-07-18

40.7377 2 1
  • 关注作者
  • 收藏

Python基础 Xmind

自己整理了这周Python基础的Xmind,分享一下:

梁韵莹

2020-07-18

40.7377 2 3
  • 关注作者
  • 收藏

纪念下过去4天每天都写作业写到这个钟数的一周

统!计!学! 22:36分终于提交完第四个作业了!上传下新鲜出炉的Xmind,明天开始到阶段测试就按着这个思路痛并快乐着地复习吧。。。

梁韵莹

2020-07-09

18.9808 6 3
  • 关注作者
  • 收藏

关于《女士品茶》-- 统计学方面的趣味读物

《女士品茶》的全名是《The Lady Tasting Tea--How Statistics Revolutionized Science in the Twentieth Century 》《女士品茶--20世纪统计学怎样变革了科学》,是美国统计学家萨尔斯伯格以"女士品茶问题"为切入点所著的一部关于统计学历史与变革的书,这是一本介绍统计学的通俗易懂的趣味读物,除了统计学名人和相关名词外,已无涉

梁韵莹

2020-07-06

55.4788 3 2
  • 关注作者
  • 收藏

SQL日期时间函数温习

在学习PB的2周抽了碎片时间复盘了进阶SQL的50题,感觉开头和结尾的题目难度高,中间的题目相对基础些。考核日期时间函数的题目主要集中在结尾的47-50一共4题,今天收尾也顺便温习了对应的函数知识,笔记整理如下:知识点:A. 格式转换型1. Date(‘20200101’)=2020-01-01 返回指定表达式的日期部分或将文本转为日期格式2. Date_Format(date, format)

梁韵莹

2020-07-03

22.0006 4 3
  • 关注作者
  • 收藏

参加培训的目的是什么?

一级:学习工具应用二级:学习业务逻辑方法论三级:找到同属性的人脉资源

梁韵莹

2020-07-01

22.8849 2 2
  • 关注作者
  • 收藏

Power BI新知识 月份的新建组 & 蝴蝶图

月份的新建组 适用场景:原始数据中已有日期/时间的列,且已经从PP界面,可以通过右击字段 ··· --> 新建组 提取日期中的月份,操作如下:2. 蝴蝶图source代表右侧维度values代表中间值distination代表左侧维度

梁韵莹

2020-06-30

19.1817 1 1
  • 关注作者
  • 收藏

Power BI 餐饮案例关键指标

针对指标的思考: 一般翻台率高于上座率,因为一张台坐不满如果翻台率很高但上座率很低说明桌子配置和消费群体不匹配如果单均消费高人均消费低:一单很多人吃,成本和利润比就低菜品应销售金额和销量占比相似,如果都低,可能是不符合当地消费者口味了

梁韵莹

2020-06-29

19.1457 3 3
  • 关注作者
  • 收藏

Power BI中折线及簇状柱形图的父子集

如果在折现及簇状柱形图的共享轴中添加超过1项的维度,那么在图标即会生成几个箭头标签。那么“国家”即是“地区”的父级,“地区”作为子级。在展示方式上,有子级到父级的上卷,也有父级到子级的下钻。标签解释:↑:子级到父级上卷↓: 选中父级到子级下钻,例如选中了中国,那么下钻的子级只会有对应中国的城市。↓↓:忽略选中父级,直接下钻所有国家维度的城市 : 虽然下钻后会展示所有国家下的所有城市,但是标签里会

梁韵莹

2020-06-28

24.6545 1 0
  • 关注作者
  • 收藏

闲聊指标 - 先见性数据指标 vs. 后见性数据指标

今早上Power BI课程的时候,在临近下课时老师有提到关于业务指标和财务指标的定义,有说到财务指标的滞后性。然后想起最近看的关于先进性数据指标和后见性数据指标的内容,分享给大家。无论是先见性数据指标还是后见性数据指标都是有意义的,只不过解决的问题不同。什么是先见性数据指标?顾名思义,就是可以预测未来的先见性指示剂。比如,通过“销售漏斗”中现有潜在的客户数,你能大致预测将来所能获得的新客户数。如果

梁韵莹

2020-06-24

29.9038 4 1
  • 关注作者
  • 收藏

Power Query的结构化数据:列表、记录、表

虽然在Power BI中通过高级编辑器从头到尾创建源的业务情况不多,但是熟练结构化数据中的列表、记录、表对于理解Power Query的基本操作还是有帮助的,而且也对后续的Python学习有帮助喔。列表 List 定义:数组,没有字段名,用序号来识别不同元素运算符:{}举例: {123,true,"A"}{0} -- 数组内取序号为0的数值 {[customerID=1,

梁韵莹

2020-06-23

37.7353 4 5
  • 关注作者
  • 收藏

Power Query中的纵向合并与横向合并

由于数据表间存在一定的关联度,所以在power bi中可以通过纵向合并(可以理解为SQL中的Union语法)和横向合并(可以理解为SQL的Join语法)来进行数据表的整合。数据例子:销售数据表,表中含销售一表,销售二表,产品表。 销售一表和销售二表进行纵向合并为一张销售表。 进入到PQ页面: “主页”-“转换数据”-“转换数据” 在查询里,先选中“销售一表”,然后点击"主页“里的“追加查询”右边向

梁韵莹

2020-06-22

25.3892 5 1
  • 关注作者
  • 收藏

#拍一拍# 这是一则SQL作业讨论贴

目的:写的语法虽然答案出来了,但是总感觉语法重复点很多太冗余,看看各位大神有没有更简便的语法?题目:求2018年2-5月份,不同费率的放款笔数、放款金额、30天以上金额逾期率(剩余本金/放款金额)数据样式:我写的很长很长...的语法:鉴于这个题目是周一晚才公布参考答案,那讨论的截至日期就放到周日晚吧。

梁韵莹

2020-06-19

22.7130 3 8
  • 关注作者
  • 收藏

#0607期DAY4# MySQL语法每日复盘盘盘

进入SQL学习的倒数第二天了! 周四的学习,早上围绕 开窗函数 下午围绕 QL知识点的 进阶应用 开展🙌 1. 开窗函数 开窗函数本质是聚合函数 select *, (字段名) over ( [partition by 分组字段] [order by 排序字段 desc] [滑动窗口]) from table; -- 开窗函数基础语法 - over()中没有指定分区/排序/滑动窗口 : 默

梁韵莹

2020-06-18

17.1541 2 0
  • 关注作者
  • 收藏

#0607期DAY3# MySQL语法每日复盘起来!

不知不觉又来到了周中,周一和周二的知识点都记牢了么?课堂上写的语法下课后都过了一遍了吗? 那么来看看周三的知识点整理吧~🙌 今天主要围绕 子查询 和 常用函数 进行学习: DQL数据查询语言 (接上昨天未讲完的知识点 1. 不等值连接: t1.key1 比较 t2.key2 (vs. 等值连接:t1.key1=t2.key2) select * from table 1eft join t

梁韵莹

2020-06-17

24.8986 3 1
  • 关注作者
  • 收藏

#0607期DAY2# MySQL语法每日复盘起来!

如老师的建议,学习SQL最重要的就是学习它的语法! 那么今天继续复盘第二天的知识点吧🙌 一、DQL数据查询语言 - 单表查询(续Day1 select 字段 from 表名 where 查询条件; -- 条件查询 select 字段 from 表名 where 字段 is [Not] Null; -- 空值查询 select 字段 from 表名 where 字段 [No

梁韵莹

2020-06-16

29.8181 5 6
  • 关注作者
  • 收藏

#0607期DAY1# MySQL语法每日复盘起来!

MySQL快捷键 Ctrl+回车 执行代码 Ctrl+/ 注释 Tab/Shift+Tab 缩进 Ctrl+H 查找转换 DDL数据定义语言 1) 数据库增删选查 show databases; 查看系统中数据库 create database 数据库命名; 创建数据库 use 数据库命名; 选择使用数据

梁韵莹

2020-06-15

18.6729 4 1
  • 关注作者
  • 收藏

0607期 Excel课程 思维导图整理

ps. 粉色部分个人认为是高频点或难点,请按个人不同情况来查阅即可

梁韵莹

2020-06-14

20.4123 5 1
  • 关注作者
  • 收藏

希望补充商业模型、指标的应用知识,周末推荐你入手这本书喔

书名:《精益数据分析》 适读人群:希望从事数据分析师或已经是数据分析师的你 亮点: 1. 如果你在知乎中搜“数据分析师”推荐阅读书籍,它会在且可能是第一位喔 2. 探讨了六种典型的商业模式 (里面有指出指标甚至是第一关键指标)且有应用实践 PS.已入手并在读了~ 😉 封面: 部分内容截图:

梁韵莹

2020-06-12

11.6174 2 2
  • 关注作者
  • 收藏

面试官给你一堆原始数据,该如何快速切入进行数据分析和业务问题定位?(业务分析方法论)

方法论1:3步式方法论 适用场景:日常取数及业务问题普遍适用 Step 1:确认数据范围 (时间/维度/每一行的数据代表什么) Step 2: 确认分析维度 (以商铺为基本维度?以品类为基本维度?) Step 3: 输出数据指标(销售额税前税后?订单编号是否需要查重操作?销售占比的计算公式?) 方法论2:帕累托分析 (又名二八法则) 适用场景:找出目前品类中的核心品类 或 找出项

梁韵莹

2020-06-11

16.4999 6 2
  • 关注作者
  • 收藏
12>