商业洞察力才是“艺”，大数据分析是“术” 在容易获取海量数据的时代，大数据分析是帮助企业决策的重要工具，但管理者的商业洞察力和智慧仍是不可缺少的重要因素。 在对今年美国总统大选结果的各 ...
2016-11-27
“双11”大数据背后的新消费趋势 进入第8个年头的“双11”，已经成为洞察全民消费动向的一个窗口。据星图数据发布的《双11网购大数据分析报告》显示，“双11”当天全网销售额高达1770.4亿元，东道主天猫占据 ...
2016-11-27
物流和大数据的结合,这三巨头强在哪 说起物流大数据，你会想到什么? 因为量大，我首先想到的水，因为水会顺流而下，沿途支流不断汇集壮大，最后百川归海。同样地，数据流也会源源不断注入数据池、数据湖， ...
2016-11-27侵犯个人信息和“大数据”,不是一回事 近日，由中国青年政治学院等机构撰写的《中国个人信息安全和隐私保护报告》正式公布。经过对全国100多万份调查问卷的分析，发现全国多达81%的人收到过对方知道自己姓名或 ...
2016-11-27
玩转大数据的人 “互联网教父”凯文·凯利曾经指出边缘式创新具备颠覆式力量，这个理论适用于经营管理，但对于个人职业发展也同样适用，大数据时代催生出了数据分析师这个新兴职业，对于很多人来讲，选择一个快 ...
2016-11-27大数据时代下数据分析的变化 ( 一) 分析思路 大数据时代的分析常常是直接计算现象之间的相依性。传统的统计分析过程是 “定性 － 定量 － 再定性”，第一个定性是为定量分析找准方向，主要靠经验判断，一般 ...
2016-11-26
对大数据未来的设想 关于大数据未来的设想，笔者认为可以分为精细化的传感器和数据服务即开即用两个方面。 精细化的传感器 对于服务器上传感器的设计，互联网企业有特殊的需求，对上游硬件厂商的依赖是比 ...
2016-11-26
大数据获取+计算工具+计算平台的能力=人工智能 其实在软件行业当中，越来越关注算法。跟你算法的设计是有很大关系。现在很多人研究新的计算时代到底走到哪里去。 AI是人工智能，在整个科技发展过程中，科技 ...
2016-11-26
要搞好数据挖掘，还是得先整明白这张图…… 《哈佛商业评论》称数据科学家为21世纪最性感的职业，性感一词，充分表达着其中说不出的诱惑和吸引。而数据，作为这一切的根源，更是扮演着极其重要且神秘的角色。 ...
2016-11-26秒懂数据统计、数据挖掘、大数据、OLAP的区别 在大数据领域里，经常会看到例如数据挖掘、OLAP、数据统计等等的专业词汇。如果仅仅从字面上，我们很难说清楚每个词汇的意义和区别。今天，我们就来通过一些大数据 ...
2016-11-26
大数据时代对社会生活的影响 近来，大数据似乎在一夜之间闯入了任何一个关于互联网未来的讨论，成为一个炙手可热无所不包的概念。“大数据时代”的来临也已成为媒体关注的热门话题。无论人们对此持有何种观点， ...
2016-11-26
数据挖掘在客户关系管理中的应用 客户获取 客户获取的传统方式一般是通过大量的媒体广告、散发传单等方式吸引新客户。这种方式涉及面过广不能做到有的放矢而且企业投入太大。数据挖掘技术可以从以往的市场 ...
2016-11-25
如果你想学习一门编程语言，但又不知道学什么，Python 无疑是一个上佳选择。 俗话说得好： 丨人生苦短，我用Python 瑞士军刀一般的 Python，容易上手，召之即来，来则能战，数据挖掘和机器学习都不在话下。 这 ...
2016-11-25大数据分析：从数字中“掘金” 在对今年美国总统大选结果的各种预测中，“义乌做旗子的预测美国大选结果”异军突起，让人们见识到了大数据的神奇力量。眼下，在我们生活周围环绕着各种大数据，但很多人对大数据 ...
2016-11-25想充分利用数据？改变操作方式 如今，数字革命几乎在每个行业发生，其中包括医疗保健，制造，金融，零售行业等等。组织正在采用传感器，数字记录，云计算和自动化（存在众多其他技术之中），以简化和改进操作， ...
2016-11-25
物流和大数据的结合，这三巨头强在哪 说起物流大数据，你会想到什么? 因为量大，我首先想到的水，因为水会顺流而下，沿途支流不断汇集壮大，最后百川归海。同样地，数据流也会源源不断注入数据池、数据湖， ...
2016-11-25
大数据利益相关者的利益矛盾及其伦理治理 2013年是大数据元年[1]，大数据时代的到来，已给我们的生产、生活、学习与工作带来了前所未有的变革，同时也带来了许多的挑战。在一切皆可数据化的新历史条件下，数据 ...
2016-11-25
大数据更智能 2017年移动营销5大趋势 两年前，全球移动设备使用量首次超过了计算机使用量。自那时起，这种差距便在逐步拉大。如今，人们每天起床后的第一件事情便是拿起智能手机，用户对于移动设备的依赖程度可 ...
2016-11-25
三个案例透析大数据思维的核心 逻辑推理能力是人类特有的本领，给出原因，我们能够通过逻辑推理得到结果。在过去，我们一直非常强调因果关系，一方面是因为我们常常是先有原因，再有结果，另一方面是因为如果我 ...
2016-11-24
大数据时代,医改何处去 医改的一大任务，是要患者和公众重拾信心。为此，限价政策的制定执行，应当拿起大数据智能工具，顺应新经济。成功的药品限价，第一要素是科学性，让数据说话。 利求同 这两年，医 ...
2016-11-24在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中，正交试验（Orthogonal Experiment）因 “用少量试验覆盖多因素多水平组合” 的高效性，成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中，“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”：各部门数据口 ...
2025-10-10在深度学习中，“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术：损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入，拆解两种方法的核心适用条件、场景边界与实战选择逻辑，结合医学、工业、教育领域的案例，让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中，常会遇到这样的困惑：某电商平台 11 月 GMV 同比增长 20%，但究竟是 “长期趋势自然增长”，还 ...
2025-10-09Pandas 选取特定值所在行：6 类核心方法与实战指南 在使用 pandas 处理结构化数据时，“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络（SCNN） 为解决这一痛点，球面卷积神经网络（Spherical Convolutional Neural Network, SCNN） 应运而生。它通 ...
2025-09-30在企业日常运营中，“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”，金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗？基础方法、进阶技巧与场景边界 在数据分析领域，聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树：原理、优化与工业级实战指南 在机器学习领域，决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中，“设计标签逻辑” 只是第一步，真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键，在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时，折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时，“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号（如 “北京 ...
2025-09-28在 CDA（Certified Data Analyst）数据分析师的技能工具箱中，数据查询语言（尤其是 SQL）是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验：原理、方法与实战应用 在生存分析领域，Cox 比例风险模型（Cox Proportional Hazards Model）是分析 “ ...
2025-09-26检测因子类型的影响程度大小：评估标准、实战案例与管控策略 在检测分析领域（如环境监测、食品质量检测、工业产品合规性测试） ...
2025-09-26CDA 数据分析师：以数据库为基石，筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中，“数据从哪里来” 是 CDA（Certified D ...
2025-09-26线性相关点分布的四种基本类型：特征、识别与实战应用 在数据分析与统计学中，“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南：从原理到实战的科学路径 在深度神经网络（DNN）的设计中，“神经元个数” 是决定模型性能的关 ...
2025-09-25
