你好,游客 登录
rss订阅 手机访问 
大数据分析
产品和运营,应该怎样利用大数据做转化分析
  在2017年的多次营销文案刷屏事件中,产品和运营人越来越清楚地看到,流量≠转化。而转化率,才是衡量一个产品和一次活动最为核心和关键的数据。因此,转化率是网站最终能否盈利的核心,提升网站转化率,提升销量才是王道。
日期:今 13:51 作者:
记一次小机器的 Python 大数据分析
  数据量级也还算不错,经过 gzip 压缩,接近 400 个 点位的 SQL 文件 (MySQL innoDB),大小接近 100GB 左右,原始记录数据估测在 180 亿左右。
日期:01月02日 作者:
python 数据分析,R语言与数据挖掘
  在数据分析和交互、探索性计算以及数据可视化等方面,Python 将不可避免地接近于其他开源和商业的领域特定编程语言/工具,如R、MATLAB、SAS、Stata等。近年来,由于 Python 有不断改良的库(主要是 pandas),使其成为数据处理任务的一大替代方案。
日期:12/28/2017 10:46:00 作者:
大数据分析:过往60年,我们的地球人口究竟在如何变化
  我们平时观察世界的时候 ,都是通过我们的视觉直观感受。但是很多时候,这个世界大得超乎我们想象。大数据除了能够解决很多生活中的问题外,它还是一种天然的、观察世界的方式和视角。
日期:12/20/2017 10:52:03 作者:
数据分析师挣多少钱?“黑”了招聘网站告诉你!
  从去年7月份开始学习 Udacity 的“数据分析师”纳米学位课程,到现在也算学了不少内容,接下来打算慢慢开始找工作了。既然想要从事数据分析师这个岗位,那自然首先需要对这个岗位有所了解。
日期:12/19/2017 09:49:54 作者:
物联网将如何改变大数据分析
  数据一直在业务中发挥关键作用,但大 数据分析 的兴起,大量存储的信息可以在计算上挖掘出来,揭示有价值的见解、模式和趋势,使其在现代商业领域几乎不可或缺。收集和分析这些数据并将其转化为可行的结果的能力是成功的关键。
日期:12/14/2017 11:46:12 作者:
App数据分析到底要分析什么
  按大众化的分法,产品的生命周期(PLC, Product Lifetime Cycle)分为初创期、成长期、成熟期、衰退期,在产品的每个阶段,数据分析的工作权重和分析重点有所区别,下面按阶段结合案例来聊聊。
日期:12/13/2017 10:20:19 作者:佚名
什么是 Apache Spark?大数据分析平台详解
  自从 Apache Spark 2009 年在 U.C. Berkeley 的 AMPLab 默默诞生以来,它已经成为这个世界上最重要的分布式大数据框架之一。
日期:12/12/2017 11:36:41 作者:
大数据与小数据:对最新新闻的分析
  2014年,我国推出了一个社会信用评分的计划。它可以根据公民的行为,社会行为和在线决策来对公民的信用进行评定。在“社会信用体系建设规划纲要”的文件中,鼓励人们的守信行为,做有益于社会的事情。
日期:11/13/2017 11:06:15 作者:
要做数据分析,首先解决这两类数据质量问题
  为了能够系统化地、高效地解决出现的任何问题,我们必须学会将这些问题分而治之。毕竟,知己知彼方是解决问题的首重至要。由此,我们才会发现解决之道就在其中。而对于提高数据质量同样适用:每一个解决问题的方法都有不同的阶段与角度。
日期:11/09/2017 10:39:48 作者:Martin P Doyle
数据分析需要权衡哪些要素?
  无论一个公司部署什么类型的大数据技术栈,有一些共通的因素必须加以考量,以保证为大数据分析工作提供一个有效的框架。在开始一个大数据项目之前,去审视项目所要承担的新数据需求的更大图景显得尤为关键。
日期:11/02/2017 15:03:47 作者:
十大步骤帮你有效使用预测分析算法
  一个成功的预测分析项目不仅仅涉及软件部署,使用软件分析数据。了解下面这些步骤可以帮助你为分析项目打下坚实基础。
日期:11/02/2017 10:20:22 作者:佚名
想学数据分析不知道该读什么书、从哪本读,翻遍专业知识类网站最全的整理
想学数据分析不知道该读什么书、从哪本读,翻遍专业知识类网站最全的整理
日期:10/31/2017 11:03:35 作者:
关于零售大数据分析应用的四个阶段
  要建立数学模型要解决三个问题,首先是数据的量要达到一定的规模和质量;其实是用什么样的算法,如用时间序列还是回归或是人工智能算法;第三是“数据+算法”可以围绕什么业务场景,建立什么样的模型及参数。
日期:10/19/2017 09:43:39 作者:
漫谈数据可视化
数据可视化,它是创造性设计美学和严谨的工程科学的卓越产物。它的美丽令人向往,而它的繁杂又使其蒙上层神秘的面纱。本文将尝试从数据可视化的定义、意义、应用三个方面讲述和解释关于数据可视化的“what、why、how”的三个问题。
日期:10/13/2017 11:18:51 作者:小数点