最适合实时数据分析的9大应用领域 如今整个商业世界都面临着新的难题，即如何处理来自各客户接触点、交易以及互动对象的大量数据。但与此同时，我们也看到了解决问题的曙光——实时数据流技术，其能够存储大量 ...
2016-04-27
机器学习在电商文本挖掘中的应用浅析 电商平台中有海量的非结构化文本数据，如商品描述、用户评论、用户搜索词、用户咨询等。这些文本数据不仅反映了产品特性，也蕴含了用户的需求以及使用反馈。通过深度 ...
2016-04-27
数据分析师:为什么说大数据与客户分析之间有所差异 大数据预测与传统的基于抽样的预测不同之处在于，其基于海量历史数据和实时动态数据，发现数据与结果之间的规律，并假设此规律会延续，捕捉到变量之后进行预 ...
2016-04-27
数据分析师告诉你：大数据时代如何识别虚假数据 好的决策应该是“数据驱动”的，但是如果数据有效性不好，就不可能据此做出好的决定。我的整个职业生涯几乎都在做市场调研和调查数据分析方面的工作，根据我的经 ...
2016-04-27
如何使用队列数据分析来留住你的用户 在数据分析的世界中，队列分析因为看似非常复杂而总是被人忽视。这一次让我们来看一看队列分析究竟能为我们提供什么?以及怎样进行这种分析。 在种种数据分析工具中 ...
2016-04-26
你的分析为何让你失望 许多企业投下数百万美元用于大数据、分析法，并雇用数据分析家，但却感到很受挫。无可否认，他们现在得到了更多、更好的数据。他们的分析师和分析法也是一流的。但经理人对业务的想法和争 ...
2016-04-26如何利用数据分析做好NBO 正如其他企业战略一样，企业在最开始应该反映它们想用推荐来实现什么，以及如何最好地实现这些目标。推荐战略设计应该包括诸如这些这样的话题： ● 你想让推荐怎样影响你的客户关系 ...
2016-04-26
为建立数据分析优势利用专有数据 人们普遍认为专有信息能为企业提供竞争优势，但如果不在业务过程中进行数据分析和应用，那么专有信息也很难发挥作用。没有哪种组织的资产能像数据这样为人们提供深刻的见解，并 ...
2016-04-26
数据分析系列篇:如何写好一个专题的分析报告 如果说你只是盲目的写代码、做开发、做产品，而忽视它本身的商业价值的话，那很多事情都变得没有了意义。前段时间写了几个数据分析系列篇，其实都没有好好列下，究 ...
2016-04-26
传统的ROI数据分析 决定对一数据分析项目投资多少并在之后评估投资的成功可能性是个复杂的过程。通常的复杂性是由项目的复杂性、投资和实现收益之间的时间差以确定实际成本和价值的难度决定的。然而，无论如何 ...
2016-04-26一位数据挖掘成功人士给数据挖掘在读研究生的建议 关于数据挖掘方面的研究，我原来也走过一些弯路。其实从数据挖掘的起源可以发现，它并不是一门崭新的科学，而是综合了统计分析、机器学习、人工智能、数据库等 ...
2016-04-25
电商在运用数据分析时需要哪些 对于现在的电商来说，数据分析师成为现在电商必不可少的。信息流、物流和资金流三大平台是电子商务的三个最为重要的平台。而电子商务信息系统最核心的能力是大数据能力，包括大数 ...
2016-04-25
数据挖掘主要解决的四类问题 数据挖掘非常清晰的界定了它所能解决的几类问题。这是一个高度的归纳，数据挖掘的应用就是把这几类问题演绎的一个过程。下面让我们来看看它所解决的四类问题是如何界定的： ...
2016-04-25
如何建立SAS报表 一．使用PRINT过程步 1．PRINT过程步的基本使用 前面我们已经提到过利用PRINT过程步检查我们建立的SAS数据集的内容，实际上就是用PRINT过程步显示SAS数据集的内容。PRINT过程步由 ...
2016-04-25
Sas常用函数 一、数学函数 ABS(x) 求x的绝对值。 MAX(x1,x2,…,xn) 求所有自变量中的最大一个。 MIN(x1,x2,…,xn) 求所有自变量中的最小一个。 MOD(x,y) 求x除以y的余数。 SQRT(x) 求x的平方根。 ROUND(x,eps) ...
2016-04-25大数据关键不在技术！ 大数据技术的进步之快，与传统的数据分析相比，就好比是喷汽式飞机与独轮车的差距。如果管理者没有足够的判断力和领导素养，该项新技术所带来的风险可能远远大于收益。 仔细研究 ...
2016-04-25
数据分析师：数据分析工作常见七种错误及其规避技巧 商业领域的数据科学家和侦探类似:去探索未知的事物。不过,当他们在这个旅程中冒险的时候，他们很容易落入陷阱。所以要明白,这些错误是如何造成的,以及如何避 ...
2016-04-24
数据分析师发展前景:大数据应用场景之行业篇 大数据产业发展了几年之后，即将进入到价值变现阶段。传统企业已经对大数据技术和应用有了初步了解，大数据平台和技术的应用也开始普遍。一些公司也成立了大数据部 ...
2016-04-24
线性判别分析(Linear Discriminant Analysis, LDA）算法分析 一．LDA算法概述： 线性判别式分析(LinearDiscriminantAnalysis,LDA)，也叫做Fisher线性判别(FisherLinearDiscriminant,FLD)，是模式识别的经 ...
2016-04-24
LDA(Latent Dirichlet Allocation)主题模型算法 LDA整体流程 先定义一些字母的含义： 文档集合D，topic集合T D中每个文档d看作一个单词序列< w1,w2,...,wn >，wi表示第i个单词，设d有n个单词。（LDA里 ...
2016-04-24基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线（ROC 曲线）是评估诊断模型或预测指标效能的核心工具， ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中，隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维：驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下，数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标：基础概念与协同逻辑 一、CDA 数据分析师：数据驱动时代的核心角色 1.1 定义与行业价值 CDA（Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析：从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计：CDA数据分析师的基础核心与实践应用 一、描述性统计的定位：CDA 认证的 “入门基石” 在 CDA（Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后，原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中，response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮：CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代，数据治 ...
2025-08-21Power BI 热力地图制作指南：从数据准备到实战分析 在数据可视化领域，热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库：从原理到实践的全面解析 在深度学习领域，矩阵运算堪称 “计算基石”。无论是卷积神经网络（CNN）中的 ...
2025-08-20数据建模：CDA 数据分析师的核心驱动力 在数字经济浪潮中，数据已成为企业决策的核心资产。CDA（Certified Data Analyst）数据分 ...
2025-08-20KS 曲线不光滑：模型评估的隐形陷阱，从原因到破局的全指南 在分类模型（如风控违约预测、电商用户流失预警、医疗疾病诊断）的评 ...
2025-08-20偏态分布：揭开数据背后的非对称真相，赋能精准决策 在数据分析的世界里，“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师：数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天，“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师：善用 Power BI 索引列，提升数据处理与分析效率 在 Power BI 数据分析流程中，“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师：巧用 SQL 多个聚合函数，解锁数据多维洞察 在企业数据分析场景中，单一维度的统计（如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师：驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中，表格结构数据（如 Excel 表格、数据库 ...
2025-08-18PowerBI 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 ...
2025-08-15
