工业大数据分析的误区与建议 作为数据价值变现的核心技术手段之一，大数据分析的作用被广泛宣传甚至神化。对于工业大数据分析，产业界存在有不少困惑。是否把商业大数据分析照搬过来就是就足够了？只要有了海 ...
2016-09-11
SAS中数据集的合并 数据集的合并分为两种情形：第一种是纵向合并，即把具有相同变量的数据集合并起来；另一种是横向合并，把记录数目相同的数据集合并起来。 1 纵向合并 纵向合并的方法很简单，就是使 ...
2016-09-10SPSS的Frequencies过程 第一、选择Statistics 第一组： Percentile Value（百分位数组） Quartiles：四分位数 Cut points for equal groups：将数据平分为所设定的相等等分，本例输入6 ...
2016-09-10数据挖掘技术在信用卡业务中的应用案例分享 信用卡业务具有透支笔数巨大、单笔金额小的特点，这使得数据挖掘技术在信用卡业务中的应用成为必然。国外信用卡发卡机构已经广泛应用数据挖掘技术促进信用卡业务的发 ...
2016-09-10
数据挖掘过程中：数据预处理 在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处 ...
2016-09-10
零售业中常见数据分析 财务分析： 1）分析企业的财务状况，了解企业资产的流动性、现金流量、负债水平及企业偿还长短期债务的能力，从而评价企业的财务状况和风险。 2）分析企业的资产管理水平，了解企业 ...
2016-09-10几种常见的缺失数据插补方法 （一）个案剔除法(Listwise Deletion) 最常见、最简单的处理缺失数据的方法是用个案剔除法(listwise deletion)，也是很多统计软件（如SPSS和SAS）默认的缺失值处理方法。在这 ...
2016-09-10数据挖掘过程中:数据预处理 在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理 ...
2016-09-09数据挖掘系统的分类 数据挖掘是一个交叉学科领域，受多个学科影响，包括数据库系统、统计学、机器学习、可视化和信息科学。此外，依赖于所用的数据挖掘方法，可以使用其他学科的技术，如神经网络、模糊和/或粗 ...
2016-09-09
数据挖掘算法之关联规则挖掘(一)apriori算法 关联规则挖掘算法在生活中的应用处处可见，几乎在各个电子商务网站上都可以看到其应用 举个简单的例子 如当当网，在你浏览一本书的时候，可以在页面中看到一 ...
2016-09-09
SPSS数据录入对格式的要求 数据准备是开始数据分析的第一步，不过很多初学者就卡在这个问题上。录入的数据不符合SPSS对数据格式的要求，导致无法正确进行后续的一系列分析过程。 首先来看一下SPSS的数据存 ...
2016-09-09
SPSS输出的结果都要写到文章中吗 经常有人问到，SPSS输出的结果都要写到文章中吗？文章中应该写什么呢？比如，均值、中位数、众数、标准差、百分位数、最小值、最大值等等，都要出现在文章中吗？洋洋洒洒那么多 ...
2016-09-09
统计学和数据挖掘关系 1． 简介 统计学和数据挖掘有着共同的目标：发现数据中的结构。事实上，由于它们的目标相似，一些人（尤其是统计学家）认为数据挖掘是统计学的分支。这是一个不切合实际的看法。因为数 ...
2016-09-08
一个资深数据人对数据挖掘解读 在银行做了两年的数据分析和挖掘工作，较少接触互联网的应用场景，因此，一直都在思考一个问题，“互联网和金融，在数据挖掘上，究竟存在什么样的区别”。在对这个问题的摸索和理 ...
2016-09-08大数据挖掘中易犯的11大错误 0.缺乏数据(LackData) 对于分类问题或预估问题来说，常常缺乏准确标注的案例。 例如： 欺诈侦测(FraudDetection)：在上百万的交易中，可能只有屈指可数的欺诈交易，还有很 ...
2016-09-08
数据科学家、数据工程师、数据分析师，如何区分这三个大数据热门职业 随着大数据的愈演愈热，相关大数据的职业也成为热门，给人才发展带来带来了很多机会。数据科学家、数据工程师、数据分析师已经成为大数据行 ...
2016-09-08App数据分析的目的及运营该关注那些数据 有很多朋友说不知道数据运营该从哪里入手，该怎么运用统计平台的那些功能？产品初期应该关注哪些数据指标，怎样通过数据来准确定位产品问题并指导产品优化。 首先， ...
2016-09-08大数据分析的五个基本方面 1. Analytic Visualizations（可视化分析） 不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结 ...
2016-09-08有效数据分析的10个途径，让你更了解用户体验、行为及需求 收集和分析正确的数据、切实的理解用户体验及用户行为已成为当务之急，下面将分享10个大数据的使用方法，可以帮助机构从用户交互中获得见解、提高用户 ...
2016-09-07
数据建模那点事儿 今天要说内容是建模。为啥我作为一个数学能力并不强的人要在这献丑讲建模的事呢？其实我的目的很简单，就是为了告诉大家一个事实：数据分析中的建模，并没有想象中那么高深莫测，人人都有机会 ...
2016-09-07在使用Excel透视表进行数据汇总分析时，我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中，经常需要将UAT（用户验收测试）环境的表数据同步到SIT（系统集成测试）环境，且两者表结构完 ...
2025-11-14在数据驱动的企业中，常有这样的困境：分析师提交的“万字数据报告”被束之高阁，而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中，层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量（如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中，“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天，企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析（PCA）、因子分析等降维方法中，“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念，而是渗透各行业的核心生产力。但同样是拥抱大数据，零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代，“数据分析” 已成为企业决策的核心支撑，但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”，而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估，到投资组合的 ...
2025-11-11这个问题很有实战价值，mtcars 数据集是多元线性回归的经典案例，通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天，“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型（如 Transformer、CNN、多层感知机）的结构设计中，“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是：内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代，“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而，多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中，“显性特征”（如用户年龄、订单金额、商品类别）是直接可获取的基础数据，但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型（LLM）商业化落地过程中，“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言，相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下，企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
2025-11-06在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
2025-11-06
