
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08