
大数据行业通讯录1.6版本发布,人数增至748人
我希望用最简短的话把这个公告写清楚。阅读也是有成本的,不能太耽误大家。
36大数据行业通讯录1.6版本已于昨日(4月2日)下午发至大家邮箱,发送失败的人邮箱多为@189.com和Gmail邮箱,所以在此也提醒大家,提交个人通讯信息的时候,尽可能使用个人的QQ邮箱,QQ邮箱是最顺畅的。
不用过多的语言来渲染大数据行业通讯录的用途了,人数每个月都在增加,而且呈多样化发展,做互联网金融的、电子商务、移动互联网应用、网络游戏以及医疗行业的人都在纷纷加入进来,有各种CEO,CFO等等,也有猎头,数据分析师和学生等等。这也表明大数据不止是“数据行业”的事,所有行业的人都在关注,鉴于此,36大数据未来也会更加针对这些行业做一个内容拓展。
大数据行业通讯录1.6版本更新内容:
1、1.6版本新增人员为118人;新增人员更多来源于互联网金融行业;各个公司的高管也在不停的加入进来;
2、1.6版本去掉了部分信息不全,或者说信息错误的人员,修正了部分人员的联系方式,修正的部分人员,主要是因为过年后换了新工作,所以变更了职务和联系方式;
3、1.6版本新增了来自九次方大数据、亚信集团、华为、浪潮、唯品会、猎豹移动等多家企业的高管,也增加了来自投资、媒体、自媒体人员的信息;
如何才能获得这份通讯录?
1、今日之前提交了个人信息(姓名、单位、职务、电话、邮箱、微信和QQ)到36大数据的朋友,并且邮箱准确无误的今天就可以收到。如果没收到,请检查邮箱垃圾邮件。
2、今日之后,想要这份通讯录的朋友,请将个人信息(姓名、单位、职务、电话、邮箱、微信和QQ)发到dashuju36@qq.com,每月月初会更新一次,比如说你是2月5日加入的,那么到3月初就能收到。
注意:邮箱、单位和职务请务必请写清楚。这样有助于别人找到你。不填邮箱等于收不到更新版本。邮件请标明申请加入大数据行业通讯录,格式为【申请大数据行业通讯录+企业+姓名】
关于信息安全的说明:
1、通讯录是内部共享的,以个人信息交换所有人信息的形式,仅在内部发布。也就说,这份通讯录会发到提交了个人信息的这748个人的电子邮箱里,其他人索取不到。
2、为了大家的信息安全,电话号码不做公示。需要查询电话号码的朋友请联系36大数据官方QQ:849046688。
3、本通讯录只做交流之用,不得将此通讯录用在商业方面。任何单位或组织不得将此通讯录公示或刊登到网络上,违规者自行承担法律责任。
4、本通讯录以PDF格式发布,不可复制不可打印,仅供个人所用。
下面回答几个大家比较关心的问题:
Q:我是XX公司的高管,为什么行业通讯录里会有学生?他们的信息对我来说是无效的的。
A:大数据行业通讯录对于所有人都是一样的,无论你是总裁、CEO还是学生,一律平等。而且,谁都不知道,明天这群学生里会不会就出一个“乔布斯”,英雄不问出处啊!
Q:通讯录为什么不公示大家的电话?有没有EXCEL版本的?
A:不公示大家的电话是为了保护大家信息安全,通讯录只提供“找人”的功能,你想找谁可以加他QQ或者给他发邮件,当然也可以找管理员查询电话。不支持EXCEL版本。
Q:通讯录里为什么很多人的信息不全?没有职位?
A:我们一直号召大家提交全面的个人信息,但是有很多朋友提交信息的时候,往往会漏掉其中一项。在此,我们也希望通讯录里面现有的748人里面,信息不全的朋友,能够通过发邮件给dashuju36@qq.com,补全个人信息。信息越全,意味着别人就能够更快的找到你。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23