就目前而言，人们都听说过这么一个词，那就是“数据分析”。数据分析应用的范围很广，比如电商行业、电子商务、保险业、金融行业等等，对于能够分析巨额写企业战略的数据分析这一个职业来说，前景简 ...
2018-11-30
就目前而言，现在的大数据技术为绝大部分的业务提供了许多功能，同时还提高了效率和收入。当然除了这些以外，大数据分析还为公司的潜在客户和现有客户提供了许多好处。这些优点让很多公司对于大数据技 ...
2018-11-30
在大数据的分析中，人们可以从数据中获得很多的信息，但是数据的分析结果就需要用一种通俗易懂简单明了的内容呈现在眼前，这就需要数据可视化操作。数据可视化就是指以饼状图等图形的方式展示数据。这 ...
2018-11-30
作者: Harrison Jansma 编译: Mika CDA 数据分析师原创作品，转载需授权 在过去的一年里，我自学了数据科学。我学习了数百个在线资源课程，每天学习6-8个小时，同时还在做一份兼职工作谋生。 我 ...
2018-11-29
在信息时代的我们，总会听到一些新鲜词，比如大数据，物联网，人工智能等等。而现在，物联网、大数据、人工智能已经走进了我们的生活，对于很多人看到的大数据的前景从而走进了这一行业，对于大数据的 ...
2018-11-28
大数据的出现给很多企业对于寻找未来的方向性带来很大的帮助，所以很多企业开始密切关注大数据，现在很多人都开始关注大数据了，大数据能够给大家带来帮助，但是大家知道不知道大数据的特点和作用是什 ...
2018-11-28
大数据和虚拟现实（VR）已经在集体改变很多的行业，比如市场营销。大数据和虚拟现实这两种技术都取得非常显著的成效。大数据和虚拟现实的组合是非常值得研究的，那么大数据和虚拟现实的组合能有什么效果呢？一般来 ...
2018-11-28
现在的大数据的流行程度不用说大家都知道，大数据离不开数据分析，而数据分析的方法和数据分析模型多种多样，按照数据分析将这些数据分析方法与模型分为对比分析、分类分析、相关分析和综合分析四种方 ...
2018-11-28
大数据的好处大家都知道，说白了就是大数据可以为公司的未来提供发展方向。利用大数据就离不开数据分析。而数据分析一般都要用一定的步骤，数据分析步骤主要包括4个既相对独立又互有联系的过程，分 ...
2018-11-28
现如今，大数据越来越流行了，可以说现在无论是什么公司，都积累了大量的原始数据，数据的作用想必大家都是比较清楚的，而在这个信息对称的时代，数据分析师的工作将为公司指明发展的道路，在 ...
2018-11-26
就目前而言，几乎所有行业：医疗保健，制造业，金融业，零售业都在发生数字变化，而且这个名单还在继续。如果用好大数据可以预测好未来的发展，那么大家知道不知道如何充分的利用好大数据呢？这就需要 ...
2018-11-26
大家都知道，数据分析用来发现并解决问题，最后都需要把数据展示出来，把结果最终呈现给大家，只有大家都认同，决策才会得到顺利的执行。那么怎么做出优质的数据分析报告呢？做好一份优质的数据分析 ...
2018-11-26
数据分析离不开数据采集。数据采集包括历史数据的采集和当前市场数据的采集，是科学进行数据分析的基础。数据采集准确性决定了数据分析的价值。那么数据采集是怎么做的呢？一般来说，是需要制定市 ...
2018-11-26
现在很多人都开始用大数据进行分析企业的实际情况以及未来的发展趋势，但是不是所有人都能够正确的使用好大数据的，很多人也只是听说过大数据，但是不知道怎么好好的利用大数据，那么做大数据分析有什么技 ...
2018-11-23
大数据是互联网发展到现在的产物，对于不少人来说，大数据似乎距离我们十分遥远，这个专业名词似乎与我们无关。其实，并不然，举一个简单的例子，大家在网上购物的时候，会发现自己所使用的购物平台会给自 ...
2018-11-23
作者: Admond Lee 编译: Mika CDA 数据分析师原创作品，转载需授权 我从事数据科学工作了已经将近半年了，我一路上成长了很多，也犯了很多错误，并在这一过程中从学习了很多。 不存在 ...
2018-11-20
作者 | Sowmya VB 翻译 | Mika 本文为 CDA 数据分析师原创作品，转载需授权 我在多伦多的一家中型软件公司担任数据科学家。在过去的几个月里，我担任了三场数据科学职位面试的面试官，这三场面试面向 ...
2018-11-19
CDA数据分析师原创作品 马云在2018年云栖大会上提到：“按需制造的核心是数据，数据是制造业必不可少的生产资料，以前制造业发展好不好是看电力指数，未来我们看数据”。 有前瞻眼光的企 ...
2018-11-14
作者: Admond Lee 编译: Mika 本文为 CDA 数据分析师原创作品，转载需授权 在深入探讨这个问题前，让我们退后一步，尝试回答另一个问题：为什么要成为数据科学家？ 你一定知道这个职业，数据科学 ...
2018-11-12
作者：CDA数据分析师 大数据分析与数据分析这几年一直都是个高频词，很多人都开始纷纷转行到这个领域，也有不少人开始跃跃欲试，想找准时机进到大数据或数据分析领域。如今大数据分析和数据分析火爆，要 ...
2018-11-12在大模型从实验室走向生产环境的过程中，“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型，若在高并发 ...
2025-10-15在机器学习入门领域，“鸢尾花数据集（Iris Dataset）” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中，零散的指标（如 “GMV”“复购率”）就像 “散落的零件”，无法支撑系统性决策；而科学的指标体系，则 ...
2025-10-15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
