大数据的价值不在于存储而是在于分析 社会的发展，市场的繁荣，互联网的热闹，让信息数据越来越多，因此大数据时代诞生。大数据被誉为继云计算、物联网之后IT产业又一次重要技术变革。 中国企业已然身处大数 ...
2016-06-22大数据时代:数据分析人才成为“独角兽” 当前，随着大数据影响力的广泛深入，全世界已经进入了大数据时代。互联网和智能手机产生的数据“大爆炸”催生了提取和解读海量数据的新工作岗位——“数据科学家”。 ...
2016-06-22
大数据分析：那些必须要知道的事 随着大数据时代的到来，大数据在商业领域的应用正广泛深入，很多行业都已经开始利用大数据来提高销售，降低成本，精准营销等等。然而，其实大数据在网络安全与信息安全方面也有 ...
2016-06-22CDA数据科学家训练营第一期风控专题方向已经结束，第二期营销专题方向马上要开始了。这段时间会呈现一些我们训练营营员的一些反馈，有干货，有分享，也有对数据科学家训练营的意见，大家想要报名参加下一期训练营 ...
2016-06-22
大数据分析兴起：“往左走”还是“往右走” 在大数据时代下，数据正变得空前多元，转移空前快速。现在，有效的数据分析需要非常先进的软件和机器。随着大数据分析兴起，传统的直觉判断有何用场呢?要是数据告诉 ...
2016-06-22
数据分析中会常犯哪些错误，如何解决的？ 经典的冰淇凌销量和游泳溺水人数成正比的数据，这并不能说明冰淇凌销量的增加会导致更多的人溺水，而只能说明二者相关，比如因为天热所以二者数量都增加了。这个例子比 ...
2016-06-22
闭营总结 CDA数据科学家训练营第一期风控精英方向从三月底的简历申请，到4月2日的开营仪式，从刘心翰老师关于银行风控的理论课程，到常国珍老师的R语言实践建模课程。其中我们学了R语言编程，风控，信用卡 ...
2016-06-21大数据数据驱动决策的13种思维 “数据驱动决策”，为了不让这句话成为空话，请先装备以下13种思想武器，相信将来你一定能用上！ 第一、信度与效度思维 这部分也许是全文最难理解的部分，但我觉得也最为重 ...
2016-06-21
大数据在企业中的四大应用 在大数据时代，企业将是完全以数据分析驱动的企业，利用大数据分析，能够转化成洞察的能力，充分释放企业潜能。 一 产品推荐 产品推荐的一个重要方面是基于客户交易行为分 ...
2016-06-21大数据时代商会该怎么做 在大数据时代，资讯暴增，信息量异常丰富，在拥有海量开放数据的同时，只要愿意探索，一切都会变得越来越得心应手。就如下面五个商会案例一样，他们之所以有 品牌、有影响、有号召，与 ...
2016-06-21
大数据分析然并卵?那是因为你没做到这些 有人认为大数据只是一个空洞的商业术语，大有概念炒作的嫌疑。事实上，大数据只是对于不同的人有不同的含义。众所周知，大数据已经不简简单单是数据大的事实了，而最重 ...
2016-06-21
大数据告诉你,过于严厉是危险的教育 中国人传统的观点是，棍棒之下出孝子，不打不成才。当代很多“虎妈”、“狼爸”式的父母，都采取非常严格，甚至近于苛刻的教育。但是，严厉的教育，未必会带来想像的教育效 ...
2016-06-21教你玩转大数据分析 如今我们处在一个人人谈论大数据的时代。为何大数据如此火爆?就是因为数据蕴含无限价值。而这个价值如何挖掘却是个费解的难题。一些企业已经意识到这一点，开始拥抱大数据。下面介绍一些国 ...
2016-06-20
自助式数据分析大势以来，可视化对企业愈发重要！ 近几年来，中国的业务分析服务市场保持高速增长。2015年政府工作报告明确提出，要制定互联网+行动计划，推动移动互联网、云计算、大数据、物联网等与现代制造 ...
2016-06-20
如何通过招聘数据分析，提升招聘营销效果 不要说“HR大数据”忽悠人，错过或无视数据本身就是一种罪恶。 所以，数据分析并不一定要等到年度总结时才做。每个项目或阶段都可以为我们提供分析数据的机会，而通 ...
2016-06-20
DT时代，企业更需构建精准数据分析体系 随着互联网的飞速发展，信息的传输日益方便快捷，需求也日益突出，纵观整个互联网领域，大数据已被认为是继云计算、物联网之后的又一大颠覆性的技术性革命，毋庸置疑，大 ...
2016-06-20
大数据“大”在哪里 “大数据”涵盖了人们在大规模数据的基础上可以做的事情，大数据让我们以一种前所未有的方式通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见，最终形成变革之力。 ...
2016-06-20互联网+时代:大数据安全面临的机遇与挑战 数据的爆发式增长和社会化趋势是大数据产生的本质原因。 大数据并不是量大，它有四个基本的特征：更大规模的数据、更多样化的数据、更加实时的数据、价值密度低商业 ...
2016-06-20做大数据时代的数据可视化高手 生存者总是在不断寻找可以发展自我、体现价值的途径，总是在寻求更高报酬的工作和职业。然而什么报酬最高，什么样的职业最有挑战，自然是新诞生且在摸索阶段的行业，比如数据可视 ...
2016-06-19政府大数据打破部门格局很重要 近日，国家出台《促进大数据发展行动纲要》对于各行各业大数据发展都起到一个促进作用，从国家层面对大数据工作提出了高层的要求，在纲要提出之后，政府作为首要的执行部门，对于 ...
2016-06-19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
