京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师俱乐部从2013年3月开始成功举办了很多次线下聚会讨论,积累了丰富的经验,基于大数据狂潮和数据分析业务的发展,现在我们改变聚会的形式和时间,将以CDA数据分析师驿站的形式,在每周六(18:30-20:30无特殊情况时间不变)邀您与大家围在一起,喝喝咖啡,谈谈合作,听听大数据牛人的真知灼见 。会员也可以发言和主题分享,只需要提前告知申请,并准备简单的ppt!
9月19日,CDA俱乐部周末线下聚会回顾
主题:电商之用户行为分析
在9月19日晚七点,来自不同行业的CDA俱乐部会员,聚集到经管之家(原人大经济论坛),活动开始,每位会员进行简短的自我介绍,他们有的从事证券,有的从事外卖,有的从事电商等等,他们都为 “用户行为分析”这个主题聚集到一起,这更说明了 数据分析不分行业,知识交流更没有行业障碍。
在中、小型电商里,数据分析的重要性可能刚刚被重视,然而如何将数据的价值挖掘出来,如何掌握数据分析的方法,如何将数据分析结合到现有的业务中,还是个大问题。
针对以上问题,在场的19位会员进行了交流讨论,下面为部分聚会提纲.
如何将用户数据转化成企业价值
俱乐部特邀嘉宾:丁亚军老师,从用户数据的质量讲起,如何将数据进行清洗,进一步处理分析,最后形成报告。将数据分析的具体流程进行了详细讲解,并针对电商的用户数据进行简单分析, 例如对用户基本信息 地理位置 历史购买行为等角度进行分析,最后形成个性化推荐体系,降低营销成本、增加营销收入等。
俱乐部特邀嘉宾:常国珍老师,从公司内部各部门之间的协调合作方面讲起,讲解了一个数据分析项目运营过程中,涉及到的各个部门之间的分工合作,例如产品部门提出用户数据需求,由技术部门进行后台支持,通过制作网页、或者网页爬虫等进行数据收集,将收集到的数据提交数据分析部门进行处理分析,提交报告给产品部或者其他由需求的部门。最后还讲到企业间的数据合作,例如银行数据等。
针对两位嘉宾的发言,其他会员进行了半个小时的提问,针对会员的各种问题,两位老师都一一解答。在主题演讲环节之后是自由交流环节,十九位会员分成三部分进行交流讨论,有的讨论如何有效地利用现有数据和外部数据,有的讨论数据分析软件选择,有的讨论公司业务的具体流程,例如APP开发各项功能选取等。
当投入到一件事情后,时间就会过得很快。不知不觉两个小时已经过去,会员们还在积极讨论,但时间已经很晚了,不得不结束本次活动。相信会员们都收获了一定的知识或者想法,但还没有尽兴,我们创建了微信群,以便后期交流。后续俱乐部互动会持续展开。希望大家多多参与交流
期待下一期活动:Hadoop从部署到应用:http://bbs.pinggu.org/thread-3906550-1-1.html
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16