【实例】数据科学家所需的技能和素质 对数据科学家的关注，源于大家逐步认识到，Google、Amazon、Facebook等公司成功的背后，存在着这样的一批专业人才。这些互联网公司对于大量数据不是仅进行存储而已，而是将 ...
2016-09-21
如何做个有能力、懂业务、擅工具的数据分析师 经常有网友我问“如何做一个数据分析师？”，将数据分析师分成初级、高级、数据挖掘工程师三个层次来阐述，大家正好可以对号入座。 1、数据分析师的能力体系 ...
2016-09-20
R与并行计算 本文首先介绍了并行计算的基本概念，然后简要阐述了R和并行计算的关系。之后作者从R语言用户的使用角度讨论了隐式和显示两种并行计算模式，并给出了相应的案例。隐式并行计算模式不仅提供了简单清 ...
2016-09-20
机器学习算法复习--随机森林 决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）等。但是同时， 单决策树又有一些不好的 ...
2016-09-20
大数据分析之—基于模型的复杂数据多维聚类分析 随着现实和虚拟世界的数据产生速度越来越迅猛，人们开始关注如何从这些数据中获取信息，知识，以及对于决策的支持。这样的任务通常被称作大数据分析（BigData An ...
2016-09-20
数据分析/数据挖掘 入门级选手建议 1.数据分析和数据挖掘联系和区别 联系：都是搞数据的 区别：数据分析偏统计，可视化，出报表和报告，需要较强的表达能力。数据挖掘偏算法，重模型，需要很深的 ...
2016-09-20
常规商业问题分析的角度 统计分析给您以先机，分析报告给您后见之明，数据挖掘给您以洞察,数据挖掘--市场调研--统计分析构成企业日常商业分析的完美循环。 1、多维度分析：从多个不同的角度及其组合去分析 ...
2016-09-20数据分析的一些误区 1.忽略沉默的数据 二战时英国空军为了降低飞机的损失，决定给飞机的机身进行装甲加固。由于当时条件所限，只能用装甲加固飞机上的少数部位。他们对执行完轰炸任务返航的飞机进行仔细的观 ...
2016-09-19【经验】数据挖掘七步走 Step1.商业理解 就是商业问题的理解了，那么如何更好的理解“老大”提出的商业问题困惑呢？我觉得思维导图倒是个不错的选择，当然自己要想更好的理解“老大”的意思还需要进一步的沟 ...
2016-09-19
面对数据工程师,你有7个问题可以问 运用数据进行管理不是什么新鲜事,但是大数据还是个新概念, 有相关的风险、挑战和机会。高级管理者需要具备一定的认识,以备他们的数据专家提出新观点时,自己有所准备。下列这 ...
2016-09-19
排名前20位的大数据职位及其职责,你能胜任么 大数据在全球范围内的IT就业市场占有越来越重要的影响。根据Gartner公司提供的数据，截至到2015年将有440万的IT工作来支持大数据，仅美国就会有190万的IT工作产生。 ...
2016-09-19
数据分析师：数据分析到底适合于哪些人才 到底哪些人适合于进行数据分析呢?毕竟数据分析不仅仅是写数据报表或者整理数据，而是需要对数据进行分析。对于互联网公司而言，其又需要招募怎样的人才作为数据分析师 ...
2016-09-19
大数据之有指导数据挖掘方法模型 数据挖掘的目的，就是从数据中找到更多的优质用户。 什么是有指导的数据挖掘方法模型，以及数据挖掘如何构建模型。在构建一个有指导的数据挖掘模型，首先要理解和定义一些模型 ...
2016-09-19
用R语言对混合型数据进行聚类分析 利用聚类分析，我们可以很容易地看清数据集中样本的分布情况。以往介绍聚类分析的文章中通常只介绍如何处理连续型变量，这些文字并没有过多地介绍如何处理混合型数据（如同时 ...
2016-09-18
有关文本挖掘的14个概念 我们所处的信息时代以急速增长的数据信息收集、储存和转换成电子格式为特征。大量的商业数据以杂乱无章的文本形式储存。 据美林公司（Merrill Lynch）和高德纳公司（Gartner）联合进 ...
2016-09-18
数据分析，如何生成你需要的基础数据 想要将数据分析、数据挖掘的作用最大化，数据的完整性总是必不可少的，因此，掌握一些生成基础数据的方法也非常重要。本期文章，我们以医疗场景为例，手把手教你生成 ...
2016-09-18
SAS市场研究应用介绍:多维偏好分析 多维偏好分析（multidimensional preference analysis）介绍 在联合分析中，被访者需要描述他们对产品的偏好情况，这些产品有若干实验者事先决定的属性。但有时候，这些属 ...
2016-09-18
SAS市场研究应用介绍:离散选择分析 一、离散选择分析（discrete choice analysis）介绍 联合分析是用来发掘消费者的偏好，指出了消费者将选择购买哪种组合（联合分析相关内容具体请参考上一文章介绍:SAS市场 ...
2016-09-18
SAS市场研究应用介绍:对应分析 一．对应分析(Correspondence analysis)介绍 前二周我们简单讲了SAS市场研究应用，联合分析与离散选择偏好。 组合分析用来评价消费者偏好。如果将产品看成一些属性的组合， ...
2016-09-18
SAS市场研究应用介绍:多维尺度分析 多维尺度概念 市场研究感兴趣的是，消费者在购买产品时是如何做决策的？产品的哪种属性是重要的？是否所有的消费者以同样的方式做决策？如果不是，又是如何不同的？在做出 ...
2016-09-17在神经网络设计中，“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”（模型无法捕捉复杂数据规律，如用单隐 ...
2025-10-21在特征工程流程中，“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度，剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中，“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA（Cert ...
2025-10-21在实际业务数据分析中，我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额（少数用户单次消费上万元，多数集 ...
2025-10-20在数字化交互中，用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”，到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中，“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材，若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天，几乎每个职场人都在焦虑： “为什么别人能用数据驱动决策、升职加薪，而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”，但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中，透视表凭借灵活的字段重组能力成为核心工具，但原始透视表仅能呈现数值结果，缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中，“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益，电商靠 “运营拍 ...
2025-10-17在数据库日常操作中，INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表（或查询结果集）的数 ...
2025-10-16在机器学习建模中，“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度，还是神经网络的权重，这 ...
2025-10-16在数字化浪潮中，“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法， ...
2025-10-16在大模型从实验室走向生产环境的过程中，“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型，若在高并发 ...
2025-10-15在机器学习入门领域，“鸢尾花数据集（Iris Dataset）” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中，零散的指标（如 “GMV”“复购率”）就像 “散落的零件”，无法支撑系统性决策；而科学的指标体系，则 ...
2025-10-15在神经网络模型设计中，“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少，模型可能 “欠拟合”（无法捕捉数据 ...
2025-10-14在数字化浪潮中，数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息，又要能将分 ...
2025-10-14在企业数据驱动的实践中，“指标混乱” 是最常见的痛点：运营部门说 “复购率 15%”，产品部门说 “复购率 8%”，实则是两者对 ...
2025-10-14在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13
