目录第一部分 把控数据思维第二部分 问卷量表思维参考第三部分 问卷非量表思维参考第四部分 其它 本文章为SPSSAU数据分析思维培养的第3期文章。 上文讲解如何选择正确的分析方法，除了有正确的分析方法外，还需要把分析方法进行灵活运用。拿到一份数据，应该如何进行分析，总共有几个步骤，第一步第二步应该做什么，需要有个宏观把控，这样才能有规范的研究科学的思维和逻辑。 本文章
转载
2024-05-10 00:37:19
55阅读
当我们谈论IT服务管理（ITSM）世界中的大数据时，这里有两个非常不同的概念： • IT为业务提供的大数据工具/服务：对关键的业务运营数据进行数据索引。 • IT运营中的大数据：处理和利用复杂的IT运营数据。大数据中的业务运营服务在竞争日益激烈，数据驱动的世界中，企业管理者都在寻找能够有效管理和解释业务数据（尤其是大数据）的方法。数字化的业务操作，如：电子商务网站和银行移动APP，它们产生了大量的
转载
2023-10-03 08:52:17
206阅读
不用任何公开参考资料，估算今年新生儿出生数量 解答：1）采用两层模型（人群画像人群转化）：新生儿出生数=Σ各年龄层育龄女性数量各年龄层生育比率 2）从数字到数字：如果有前几年新生儿出生数量数据，建立时间序列模型（需要考虑到二胎放开的突变事件）进行预测 3）找先兆指标，如婴儿类用品的新增活跃用户数量X表示新生儿家庭用户。Xn/新生儿n为该年新生儿家庭用户的转化率，如X2007/新生儿2007位为20
转载
2023-08-21 09:13:32
633阅读
1.数据分析方法分类业务数据分析师（对数学建模的要求较低）、数据挖掘（对业务与数学建模的要求较高）、大数据分析（需要一定的编程能力）。层层进阶2.职位进阶3.数据分析结果数据可视化4.数据分析的流程在业务理解中要多问问题，了解需求，知道问题的核心。可以看书籍《学会提问》。5. 围绕数据分析师的三大类工作内容
原创
2022-04-15 21:35:17
1588阅读
大数据技术和数据分析有什么关系大数据经过多年发展形成了一个完整的产业链和技术链，大数据的产业链是围绕技术链来打造的，而大数据的技术链则围绕数据价值化这个中心来展开，涉及到数据的采集、存储、安全、分析、呈现和应用，那么大数据技术和数据分析有什么关系呢?1、从大数据的技术链来看：数据分析是其中的重要一环，也是目前大数据价值化的核心环节，所以很多人也把大数据就理解为数据分析了。虽然数据分析比较重要，但是
转载
2024-01-13 20:01:43
252阅读
一、什么是AARRR模型，以及为什么它如此受欢迎？让我们深入了解Dave McClure的模型。AARRR代表：用户拉新Acquisition 用户激活Activation 用户留存Retention 用户推荐Referral 商业收入Revenue二 、RARRA模型是托马斯·佩蒂特Thomas Petit和贾博·帕普Gabor Papp对于海盗指标-AARRR模型的优化。RARRA模型突出了用
转载
2023-10-03 11:30:01
222阅读
2022年数据与分析有哪些新趋势？今年数据和分析主要趋势：1.激活多样性和活力使用自适应AI系统推动增长和创新同时应对全球市场的波动； 2.增强人员能力和决策以提供由业务模块化组件创建的丰富的、情境驱动的分析； 3.将信任制度化以大规模地实现数据和分析的价值。管理AI风险并实施跨分布式系统、边缘环境和新兴生态系统的互联治理。现在应该根据关键数据和分析技术趋势对于业务优先事项的紧迫性和匹配性来监测、
转载
2024-01-11 13:38:43
94阅读
在当下这个大数据时代，数据分析早已不是一个岗位，而是许多从业者的核心竞争力。无论是在医疗、旅游还是互联网行业，甚至不论你是做运营还是研发，掌握数据分析能力都是基本功之一。其实也很好理解，我们的生活和工作早就离不开和各种数据打交道了。那么掌握数据分析能力到底有什么用呢？我们可以来看看。 对于运营性质的工作来说，数据是一切工作的驱动力，数据作为一种度量方式，能真实的反映产品运营的状况，帮助我们进一
转载
2023-11-29 10:34:29
74阅读
近两年来，大数据发展浪潮席卷全球。研究机构IDC预测，全球大数据与分析市场规模将由2015年的1220亿美元，在5年间成长超过50%，并在2019年底达到1870亿美元的规模。资本也敏锐地追逐着高增长市场。数据显示，美国在2013年大数据领域的新创公司就获得了36亿美金(200多亿人民币)的投资，硅谷大数据公司Palantir更是获得高达200亿美金的估值。对于被大数据概念包围的人们来说，理解大数
转载
2023-08-03 20:57:05
146阅读
这是python数据分析的学习部分啦~ 由于数据分析，涉及到绘图、计算撒的，所以我转向用Jupyter编辑器的使用，在很前面的一篇博客也介绍了怎么安装Python 、 PyCharm 、 Anaconda 介绍及安装 当然也可以不用通过 Anaconda，可以直接通过pip install jupyter命令直接安装呀，下面就开始较详细介绍一下Jupyter Notebooks好啦，正文开始 Ju
转载
2024-01-26 09:50:17
68阅读
1. 设备型号TF20 场发射透射电镜，配备能谱仪2.原理TEM(Transmission Electron Microscope， 透射电子显微镜) 具有较高的分辨率是半导体失效分析领域最常用的仪器之一，其以高能电子束作为光源，用电磁场作透镜，将经过加速和聚集的电子束投射到非常薄的样品上，电子和样品中的原子因碰撞改变方向，从而产生立体角散射。散射角的大小与样品的密度、厚度相关，因此可以
转载
2023-12-19 15:14:18
165阅读
当所要分析的样本特征过多时，我们可以采用主成分分析即PCA（principal component analysis）对数据进行降维和可视化。代码引自《python机器学习》PCA算法及其实现PCA算法的步骤如下： 1）对原始维数据集做标准化处理。 2）构造样本的协方差矩阵。 3）计算协方差矩阵的特征值和相应的特征向量。 4）选择与前个最大特征值对应的特征向量，其中为新特征空间的维度。 5）通过前
转载
2024-02-03 22:52:10
122阅读
目录 设想和目标计划资源变更管理设计/实现测试/发布团队的角色，管理，合作总结: 本次项目的github地址设想和目标我们的软件要解决什么问题？是否定义得很清楚？是否对典型用户和典型场景有清晰的描述？我们的软件主要是为了解决物理实验报告的生成以及数值的处理，后期还会有物理实验题库。我们的典型用户就是北航需要选修物理实验的学生。我们达到目标了么（原计划的功能做到了几个？ 按照原计划交付时间交付
转载
2023-10-30 17:44:33
87阅读
对于一个ML问题，解决思路通常是：拿到数据后怎么了解数据(可视化) 选择最贴切的机器学习算法 定位模型状态(过/欠拟合)以及解决方法 大量极的数据的特征分析与可视化 各种损失函数(loss function)的优缺点及如何选择首先拿到数据要进行***数据分析***数据准备->数据清洗->数据重构->数据分析 典型的重构就是归一化可以利用降维算法来实现数据的处理，用更少的特征描述原
转载
2023-08-31 13:00:09
393阅读
数聚智慧决策门户SDP （Smart Decision Platform）是企业级的商业智能数据门户，以信息的民主与集中来改善企业的管理水平，保护企业已有报表与数据分析资产。SDP通过兼容开放的特性、灵活的用户权限配置、便捷的报表访问体验以及高效的互动交流方式，实现企业报表的高度集成、权限管控与协同共享。 数聚智慧决策门户是数聚公司在总结了为多家著名企业实施商业智能BI（Business I
转载
2024-02-06 07:11:11
67阅读
统计杂碎记录PS: 记录一些自己平时遇到的数理统计概念，持续更新中，后续补充学习1. nested random intercept effects 建议参考：Visualizing Nested and Cross Random Effects2. 方差膨胀因子Variance Inflation Factor (VIF) 这个概念呢其实在做PCA, RDA或者其它类似的分析时可能会用到。 首先
转载
2023-12-22 22:15:08
148阅读
1.引言前面我们学会了指数哥伦布解码，翻翻白皮书，依靠这个知识，基本上我们就能一口气解码完SPS，PPS，SEI，Slice Header了。在Slice Data里会出现一些ae(v)类型的熵编码，这个我们后面再看 。 接下来的重点就是，认真的看一下解码出来的每个参数的作用。这些参数在后续的计算YUV的过程中都会起到对应的作用。 首先，我们从SPS开始。2. SPSSPS，即sequence p
转载
2024-01-03 13:10:53
293阅读
商业智能提供的解决方案能够从多种数据源获取数据并且能够把各种数据转化成同一格式数据进行存储，最终达到让用户可以快速访问解读数据，为用户分析和制定决定提供有效的数据支持。可以人为的把商业智能分为以下几层：数据源层：公司日常工作中会存在多种格式的数据，如文本文档，excel文件，access数据库文件，SQL Server数据库文件等。数据转换层：由于数据源存在多样化，为了方便分析，需要对它们进行一定
转载
2024-02-29 10:28:50
393阅读
一个完整的数据分析流程，应该包括以下几个方面，建议收藏此图仔细阅读。（注：图保存下来，查看更清晰） 作为数据分析师，无论最初的职业定位方向是技术还是业务，最终发到一定阶段后都会承担数据管理的角色。因此，一个具有较高层次的数据分析师需要具备完整的知识结构。1. 数据采集了解数据采集的意义在于真正了解数据的原始面貌，包括数据产生的时间、条件、格式、内容、长度、限制条件等。这会帮助数据分析师更
转载
2023-08-24 14:56:23
213阅读
注：部分文字来自官网，感觉翻译过来就变味了，所以直接上英文了。 谷歌分析(Google Analytics,以下简称GA)，按我的理解就是谷歌提供的一个数据分析统计的平台。 GA除了进行传统的网页统计之外，现在也支持对移动应用的统计和分析了， Google Analytics 发布的
