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 ...
2016-09-07PowerBI 累计曲线制作指南：从 DAX 度量到可视化落地 在业务数据分析中，“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据：用法、实例与实战技巧 在 Python 编程中，函数是代码复用与逻辑封装的核心载体。多数场景下，我们 ...
2025-08-15CDA 数据分析师：引领商业数据分析体系构建，筑牢企业数据驱动根基 在数字化转型深化的今天，企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性（Feature Importance）排名解析 在机器学习领域，随机森林因其出色的预测性能和对高维数据的适应性，被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中，t 统计量是常用的重要指标，其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中，数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量：数据链路中的双重镜像 在商业数据分析体系中，流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中，商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师：数据时代的价值挖掘者 在数字经济高速发展的今天，数据已成为企业核心资产，而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中，开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据：从业务需求到技术实现 在数据分析场景中，连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制：数据打乱的艺术与实践 在深度学习模型训练过程中，数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选：从基础语法到实战应用 在数据分析工作中，基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域：从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年，数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率：计算方法与实践意义 在游戏行业中，流水（即游戏收入）是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级：数据分析入门的基石 在当今数据驱动的时代，数据分析能力已成为职场中的一项重要技能。CDA（Certified Data Anal ...
2025-08-12破解游戏用户流失困局：从数据洞察到留存策略 在游戏行业竞争白热化的当下，用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券：CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中，数据已成为企业核 ...
2025-08-11DBeaver 实战：实现两个库表结构同步的高效路径 在数据库管理与开发工作中，保持不同环境（如开发库与生产库、主库与从库）的表 ...
2025-08-08t 检验与卡方检验：数据分析中的两大统计利器 在数据分析领域，统计检验是验证假设、挖掘数据规律的重要手段。其中，t 检验和卡 ...
2025-08-08
