大数据时代下，市场研究何去何从 大数据这个概念近来一直受到关注。大数据并非一个确切的概念，这个概念一方面指数据体量巨大，超出一般电脑所处理数据量几个级别；另一方面也指处理的数据类型多样化，远远超出 ...
2016-10-01
如何利用大数据解决企业与用户实际问题 2016年，拨开产业泡沫，大数据企业开始探讨如何利用大数据解决企业与用户实际问题。而这一过程中，场景应用必然会被提及。聚美物联CEO金寿江告诉数据猿记者：“大数据时 ...
2016-10-01
论大数据对运维的意义 从三个层面论述大数据对运维的意义： 1、工程数据，譬如工单数量，SLA 可用性，基础资源，故障率，报警统计 2、业务数据，譬如业务 DashBoard,Trace 调用链，业务拓扑切换，业务指 ...
2016-10-01
大数据真的能帮助你预测消费者的购买意图吗 如今，大多数营销人员都说，他们的挑战不是缺少数据，而是数据太多，无法有效地加以利用或者辨别哪些是真正重要的数据。营销人员非常希望知道消费者何时想要购物。要 ...
2016-09-30制造企业利用大数据分析应对极具挑战的商业环境 一项针对200位高管开展的调查显示，大多数制造企业有计划明年增加数据分析方面的投资，即使需要推迟其他技术投资 霍尼韦尔成熟的自动化技术和服务能够助力制 ...
2016-09-30
如何发掘用户的本质需求和隐含需求 在谈这个话题前先分享一个小故事，这是我曾经一个同事给我们讲述的用户需求案例。事情是这样的，他的一个朋友是外国人，有天来公司拜访他，结束之后他送这位朋友出公司。 他 ...
2016-09-30
VR-AR与数据分析能为政府带来什么 对虚拟现实和增强现实来说，这是令人感到惊奇的一年。虽然目前只集中在游戏和娱乐业，但这两个技术拥有可以超越任何一个行业或应用的潜能。 虚拟现实可以让用户沉浸在一个 ...
2016-09-30大数据深知汽车用户需求，成市场营销利器 随着大数据产业不断迅猛的发展，大数据的价值也越来越被传统产业所了解，各行各业都在挖掘大数据对企业能带来的巨大价值。政府也意识到大数据的未来价值，也一步步的推 ...
2016-09-30
大数据全面渗透人类生活，未来几年将渐入理性发展期 大数据正渐渐的从前几年的预期膨胀阶段、炒作阶段转入理性发展阶段、落地应用阶段，大数据在未来几年将逐渐步入理性发展期。有网络就有大数据，无论是个人手 ...
2016-09-30打通产业线数据，“大数点”为制造业做数据分析来预测问题 中国的制造业离工业4.0还有很长一段路要走，目前普遍的观点是大部分中国制造企业仍然徘徊在工业2.0-3.0之间。工业2.0 指企业拥有自动化生产线，据德意 ...
2016-09-29
数据驱动业务—梦想成真，只差一步 长久以来，作为在信息管理领域服务多年的IBM人，就一直有个梦想：当业务人员需要分析公司的经营状况时，当市场部需要在特定时间做精准营销时，当老总紧急临时需要某条业务线 ...
2016-09-29
玩转大数据，四巨头各显其能 大数据已经算不上新事物，它已经从根本上改变了诸多行业——比如音乐、报纸、电影、零售等等。在数字营销领域，依托新技术的大数据所带来的改变更是颠覆性的。 互联网数字营销， ...
2016-09-29全面解读大数据是否过热 9月7日，据媒体报道称，从工信部获悉，《大数据产业“十三五”发展规划》有望在年内发布。王叁寿认为，未来最有价值的资源就是大数据，这将推动制造业、服务业等全产业链的革新，大数据 ...
2016-09-29在中国，从2013年大数据元年始，上至国家总理，下至普通平民，大数据的词汇已经深入人心，大家都觉得大数据是个好事，但基本上都是叫好不叫坐，尤其是在传统企业中。现今的中国，大数据在互联网、电商、金融等行业都 ...
2016-09-29浅谈大数据在出版业的应用 一、大数据的定义与特点 近几年来，“大数据”一词广泛见诸于网络、报纸以及电视等媒体,大数据的概念正在持续升温，而2014年“大数据”首次被写入我国《政府工作报告》，2015年9 ...
2016-09-29《大数据的“道”“术”“释”》----读书摘录+思考 这本书是看到我老师的朋友圈推荐才买的，看了一下目录，比较喜欢。就认真的读了下去，这不是一本讲什么是大数据的书，而是一本为什么要用到大数据分析的书。 ...
2016-09-28
大数据的七种商业化模式 移动互联网时代，大数据爆发后带来大量流量，运营商将经营重心从话务量转向流量。然而一方面面临着数据流的附加值被互联网公司赚走，沦为管道化的 尴尬；另一方面运营商无差异的“管道 ...
2016-09-28
大数据带来的“大挑战”不容忽视 大数据研究领域可谓炙手可热，然而对数据中的价值加以利用仍然充满挑战。今天，我们将对此类挑战进行详尽解析。 大数据的生成速度令人错愕，事实上90%的可用数据是在过去两 ...
2016-09-28大数据之伤—小数据思维 1980年之前，临床医师们主要依赖“经验”、“直觉”以及“触摸不到的线索”来判断一个发烧了的小孩子到底是由较轻的疾病（如感冒）还是由比较严重的疾病（如急性肺炎或脑膜炎）引起的。 ...
2016-09-28回答朋友关于『数据分析』的几个问题，汇总于此。 1.市场和环境 问： 1）现在一线城市和二线城市的数据分析师真有像报告上所说的那么稀缺吗？现在的行情是怎样的呢？ 2）数据分析师日常的工作是什么？分为哪几 ...
2016-09-28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分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11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
