偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

<big id="ovpji"><code id="ovpji"><option id="ovpji"></option></code></big>

<p id="ovpji"></p>

^{<thead id="ovpji"></thead>}

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

信創(chuàng)認(rèn)證

公眾號(hào)矩陣

移動(dòng)端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考信創(chuàng)認(rèn)證華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項(xiàng)目管理免費(fèi)題庫

在線學(xué)習(xí)

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營

鴻蒙開發(fā)者社區(qū)訂閱號(hào)

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號(hào)

51CTO軟考題庫

賬號(hào)設(shè)置退出

數(shù)據(jù)分析

1714內(nèi)容??

關(guān)注

涵蓋數(shù)據(jù)分析相關(guān)研究熱點(diǎn)、技術(shù)難點(diǎn)與應(yīng)用場(chǎng)景，讓用戶更好地學(xué)習(xí)、使用數(shù)據(jù)分析的各種工具。

共 1714 條

數(shù)據(jù)分析十大模型：決策模型

注意！即使沒有模型，手工也能做處理。一般做投放的同學(xué)，會(huì)用每個(gè)渠道投放費(fèi)用/獲客數(shù)量，計(jì)算每單位獲客成本（CAC），然后看哪個(gè)渠道的獲客成本低，就先把這個(gè)渠道全部投滿，然后看看手頭還剩多少錢，繼續(xù)投成本第二低的。

2024-10-30 12:21:18

數(shù)據(jù)分析決策模型驅(qū)動(dòng)

做數(shù)據(jù)十年，第一次見這么棒的數(shù)據(jù)分析方法

想真正理解&掌握數(shù)據(jù)分析方法，當(dāng)然不能這樣“拿著錘子找釘”。工作中的數(shù)據(jù)分析，要緊密結(jié)合業(yè)務(wù)，服務(wù)業(yè)務(wù)需求。因此理解業(yè)務(wù)需求，圍繞問題找答案，才能理解各種數(shù)據(jù)分析方法有什么用，該怎么用。

2024-10-30 12:17:51

數(shù)據(jù)分析方法全流程

夜鶯Nightingale：打造高可用監(jiān)控平臺(tái)

在本文中，我們?cè)敿?xì)介紹了如何部署和配置夜鶯Nightingale監(jiān)控平臺(tái)，以實(shí)現(xiàn)高可用性監(jiān)控架構(gòu)。通過精心設(shè)計(jì)的Redis集群、MySQL主從復(fù)制、Prometheus數(shù)據(jù)源集成，以及Keepalived的高可用配置。

2024-10-30 08:04:20

監(jiān)控平臺(tái)夜鶯 Redis集群

麥肯錫都在用的MVP分析法，到底是什么？

MVP（Minimum Viable Product）原本是應(yīng)用于產(chǎn)品設(shè)計(jì)的方法。指在正式推出產(chǎn)品前，先推出一個(gè)版包含核心功能的簡單版本，測(cè)試用戶需求與反饋，從而快速判斷產(chǎn)品是否符合市場(chǎng)需求，做出調(diào)整。

2024-10-28 13:07:35

MVP 分析法產(chǎn)品

如何使用 Pandas 進(jìn)行數(shù)據(jù)清洗？如何保證數(shù)據(jù)清洗的效果？

考慮使用自動(dòng)化工具和框架來簡化數(shù)據(jù)清洗過程。例如，使用 Apache Airflow 或 Prefect 來自動(dòng)化數(shù)據(jù)管道，確保數(shù)據(jù)清洗步驟的一致性和可重復(fù)性。

2024-10-28 12:57:36

Pandas 數(shù)據(jù)清洗

提升效率的十種 Pandas 數(shù)據(jù)操作方法

無論是數(shù)據(jù)清洗還是探索性數(shù)據(jù)分析，Pandas都能幫你輕松搞定。接下來，我會(huì)分享十個(gè)技巧，讓你在處理數(shù)據(jù)時(shí)更加高效。

2024-10-23 09:00:00

數(shù)據(jù)分析 Pandas

為什么你做數(shù)據(jù)分析沒思路？

數(shù)學(xué)、統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)是有很多方法的，而看書本身能讓人感到充實(shí)。于是，就有一些看書入迷的同學(xué)，開始拿著錘子找釘。比如今天看到統(tǒng)計(jì)學(xué)正態(tài)分布，好爽，于是看誰都像個(gè)正態(tài)。明天看到回歸分析一章，看誰都想回歸一下……

2024-10-22 11:34:34

數(shù)據(jù)分析統(tǒng)計(jì)學(xué)

Doris企業(yè)級(jí)實(shí)戰(zhàn)，構(gòu)建TikTok實(shí)時(shí)數(shù)據(jù)倉庫

在遷移到Apache Doris前，TikTok通過Flink傳輸實(shí)時(shí)數(shù)據(jù)，并使用Kafka在不同數(shù)據(jù)層間實(shí)現(xiàn)數(shù)據(jù)流動(dòng)。由于Kafka本身沒有邏輯表，因此在其上開發(fā)不如在Hive上那么容易。

2024-10-18 08:17:09

Doris 數(shù)據(jù)倉庫

別再羅列指標(biāo)了，有用的經(jīng)營分析這么做

很多公司經(jīng)營分析是財(cái)務(wù)部門做的，結(jié)果財(cái)務(wù)部門真的就只盯著自己的三張表，每天算利潤、算現(xiàn)金。你問他：“銷售部門在干啥？”“營銷有啥動(dòng)作？”“市場(chǎng)環(huán)境有啥變化？”一問三不知。只知道結(jié)果，不知道過程，這是“要搞高”問題根源。

2024-10-15 11:54:38

經(jīng)營分析指標(biāo)策略

數(shù)據(jù)準(zhǔn)備指南：十種基礎(chǔ)特征工程方法的實(shí)戰(zhàn)教程

在數(shù)據(jù)分析和機(jī)器學(xué)習(xí)領(lǐng)域，從原始數(shù)據(jù)中提取有價(jià)值的信息是一個(gè)關(guān)鍵步驟。這個(gè)過程不僅有助于輔助決策，還能預(yù)測(cè)未來趨勢(shì)。為了實(shí)現(xiàn)這一目標(biāo)，特征工程技術(shù)顯得尤為重要。

2024-10-14 15:00:59

機(jī)器學(xué)習(xí)數(shù)據(jù)分析

“人貨場(chǎng)”模型怎么用？為什么互聯(lián)網(wǎng)行業(yè)也在討論它？

由于既不確定顧客購買意向，又不確定需求，因此這個(gè)階段的匹配成功率必然是大大降低的。并且夾雜的影響因素太多，根本無法分析清楚：到底是哪個(gè)環(huán)節(jié)出的問題導(dǎo)致不成交。

2024-10-14 12:51:02

人貨場(chǎng)模型互聯(lián)網(wǎng)

業(yè)務(wù)型 VS 技術(shù)型數(shù)據(jù)分析師，哪個(gè)更有前途？

對(duì)于在校生而言，強(qiáng)烈建議不要考慮啥業(yè)務(wù)型分析，就認(rèn)認(rèn)真真找一個(gè)寫SQL的崗位實(shí)習(xí)仨月。也不用管它啥公司，只要能寫SQL就行。

2024-10-12 14:39:54

業(yè)務(wù)型技術(shù)型數(shù)據(jù)分析師

大數(shù)據(jù)分析能讓大學(xué)體育招募重回正軌嗎？

如今美國大學(xué)體育招募就像狂野的西部，數(shù)百萬業(yè)余運(yùn)動(dòng)員與2800個(gè)大學(xué)體育項(xiàng)目相匹配的過程已經(jīng)變成了一場(chǎng)混戰(zhàn)。但對(duì)于德克薩斯州奧斯汀市的一位科技企業(yè)家來說，這種混亂預(yù)示著一個(gè)機(jī)會(huì)，他渴望利用大數(shù)據(jù)技術(shù)為大學(xué)招募人員創(chuàng)造公平的競爭環(huán)境。

2024-10-12 14:12:50

數(shù)據(jù)分析體育招募人工智能

喜馬拉雅基于大模型 ChatBl 實(shí)踐探索

本文將分享喜馬拉雅基于大模型 ChatBI 的實(shí)踐探索，文中將重點(diǎn)介紹關(guān)于準(zhǔn)確性和大模型幻覺等問題的解決方案。

2024-10-12 08:11:05

大模型 ChatBI 數(shù)據(jù)分析

數(shù)據(jù)分析十大模型：CVP模型

為了保證APP正常運(yùn)行，需要最起碼的運(yùn)維投入是多少？這個(gè)保底水平，也得通過數(shù)據(jù)量化，否則只看眼前運(yùn)行沒有問題，就隨便裁員，導(dǎo)致APP出了大BUG，從“降本增效”變成“降本增笑，都是預(yù)料之中的。

2024-10-10 11:59:11

CVP 模型數(shù)據(jù)

運(yùn)營數(shù)據(jù)分析體系，最全搭建攻略來了！

運(yùn)營工作形式靈活，因此經(jīng)常需要根據(jù)實(shí)際工作流程，來設(shè)定數(shù)據(jù)指標(biāo)。一來方便監(jiān)控執(zhí)行進(jìn)度，二來在復(fù)盤的時(shí)候，好觀察哪個(gè)環(huán)節(jié)出了問題，便于追查原因，尋找機(jī)會(huì)。

2024-10-09 11:57:34

運(yùn)營數(shù)據(jù)分析體系

標(biāo)簽 VS 數(shù)據(jù)指標(biāo)體系，這篇講得太清楚了！

當(dāng)然，流程式也不止漏斗這一種，比如在生產(chǎn)、服務(wù)、售后等環(huán)節(jié)，也是一個(gè)完整的流程，但不是逐步遞減的。比如生產(chǎn)任務(wù)，是肯定要完成的，但隨著生產(chǎn)工序增加，每一步會(huì)增加新的原料、生產(chǎn)費(fèi)用、人工成本，此時(shí)整個(gè)流程所消耗的成本、時(shí)間是逐級(jí)遞增的。

2024-10-08 09:01:45

標(biāo)簽數(shù)據(jù)指標(biāo)數(shù)據(jù)分析

用戶生命周期分析，這個(gè)坑90%的人踩過！

對(duì)線下實(shí)體店而言，用戶到店即付費(fèi)，先消費(fèi)后體驗(yàn)服務(wù)。但在互聯(lián)網(wǎng)產(chǎn)品里，付費(fèi)與活躍脫節(jié)的現(xiàn)象很常見。或者有的產(chǎn)品干脆允許用戶只活躍，不付費(fèi)，通過額外的權(quán)益和道具收費(fèi)。比如游戲、在線音樂、視頻、社區(qū)等等皆是如此。

2024-10-08 08:14:08

用戶生命周期分析服務(wù)

數(shù)據(jù)分析，如何實(shí)現(xiàn)降本增效？

比如很多公司做促銷活動(dòng)，總喜歡搞“全場(chǎng)大促”，心理感覺可以多覆蓋用戶，可實(shí)際上參與的都是同一批人。結(jié)果經(jīng)常是有活動(dòng)的產(chǎn)品銷量大漲，沒活動(dòng)的一蹶不振，總業(yè)績也不見漲。

2024-09-30 08:47:07

數(shù)據(jù)分析降本增效覆蓋用戶

因果推斷的四個(gè)模型，的確管用！

既然復(fù)雜的方法不好用，有沒有簡單的辦法？有！比如基于最樸素的感覺：既然A會(huì)引發(fā)B，那么A產(chǎn)生了B就該產(chǎn)生，A結(jié)束了，B會(huì)慢慢結(jié)束（或者B死掉）。人們就此總結(jié)出了因果推斷四大原則。

2024-09-29 09:22:00

因果推斷模型統(tǒng)計(jì)學(xué)

數(shù)據(jù)分析工作，能做一輩子嗎？

所謂的“AI/人工智能/智能BI/ChatGPT會(huì)取代數(shù)據(jù)分析師”，正是來自對(duì)數(shù)據(jù)分析工作的不了解。在不懂行的人眼里，數(shù)據(jù)分析師和算命大師沒啥區(qū)別，不需要數(shù)據(jù)采集、不需要數(shù)據(jù)清洗、不需要數(shù)據(jù)治理、不需要分析建模、不需要積累經(jīng)驗(yàn)、不需要你測(cè)試驗(yàn)證。

2024-09-29 00:00:05

AI 人工智能 ChatGPT

數(shù)據(jù)分析落地全流程，你學(xué)會(huì)了嗎？

面對(duì)細(xì)節(jié)數(shù)據(jù)缺失，可以用管理手段配合數(shù)據(jù)建設(shè)。比如要求客服在首次接單且售后無異常的情況下，接單30分鐘內(nèi)完成分配，有異常就人工反饋標(biāo)注。

2024-09-27 10:27:50

數(shù)據(jù)分析模型管理

用戶活躍、留存、流失，超全圖解！

難做的根源，是：如果用戶登陸的話，我們很清楚他登錄以后干了什么，但是用戶未登錄的話，我們不清楚他為什么不登錄。未登陸的理由，只能去猜。這就是這三大問題難纏的核心之處。如果領(lǐng)導(dǎo)問我們：“今天登錄用戶訪問了哪些頁面？”估計(jì)各個(gè)對(duì)答如流。

2024-09-26 12:28:49

用戶活躍留存流失

如何實(shí)現(xiàn)無頭數(shù)據(jù)架構(gòu) 譯文精選

無頭數(shù)據(jù)架構(gòu)可以在整個(gè)組織中解鎖前所未有的數(shù)據(jù)訪問，但它從左移開始。

2024-09-20 21:09:42

無頭數(shù)據(jù)架構(gòu)數(shù)據(jù)分析平臺(tái)多跳架構(gòu)

這才是經(jīng)營分析賦能，但90%的人都搞錯(cuò)了！

固定投入更像基礎(chǔ)建設(shè)，很難直接衡量每一塊投入提升多少訂單。因此只能做分類管理，對(duì)每一類渠道的基建投入，控制總量。而可變投入是直接和訂單相關(guān)的，因此必須具體考核收益。如果投下去資源沒有見到額外增長，就得復(fù)盤投入價(jià)值。

2024-09-12 11:51:44

經(jīng)營分析業(yè)績?cè)鲩L 數(shù)據(jù)量

我們一起聊聊數(shù)據(jù)分析模型：人貨場(chǎng)模型

“我看到收入下降/新增用戶減少/成本上升，該怎么進(jìn)一步分析呢？”很多人有類似困惑，經(jīng)常寫了一堆同比環(huán)比，除了“同比降了，要搞高”就不知道寫啥。該怎么辦呢？

2024-09-05 10:36:58

數(shù)據(jù)分析人貨場(chǎng)模型

一文讀懂Hive底層數(shù)據(jù)存儲(chǔ)格式

Parquet 表支持 Uncompress、Snappy、Gzip、Lzo 壓縮，默認(rèn)不壓縮(Uncompressed)。其中 Lzo 壓縮是支持切分的，所以在表的單個(gè)文件較大的場(chǎng)景會(huì)選擇 Lzo 格式。

2024-09-03 08:40:31

Hive 底層數(shù)據(jù)

大廠都要求的“數(shù)據(jù)分析閉環(huán)”，該如何實(shí)現(xiàn)？你學(xué)會(huì)了嗎？

當(dāng)然，現(xiàn)實(shí)工作中，總會(huì)遇到公司領(lǐng)導(dǎo)不重視，業(yè)務(wù)不積極，數(shù)據(jù)太少等等問題。該怎么補(bǔ)救呢？你不能太指望遇到100%完美型的公司才干活，因此建議大家抱著：行有不得，反求諸己的精神，先把我們自己能干的工作干好。

2024-09-02 12:23:27

數(shù)據(jù)分析閉環(huán)

技術(shù) or 業(yè)務(wù)？數(shù)據(jù)分析發(fā)展路徑大盤點(diǎn)

無論你是站在門外心懷憧憬；還是剛剛?cè)胄?，躊躇滿志；又或者被每天跑數(shù)累得七葷八素，都可以認(rèn)真復(fù)盤下咱數(shù)據(jù)人的優(yōu)勢(shì)與機(jī)會(huì)。

2024-08-30 11:53:31

技術(shù)業(yè)務(wù)數(shù)據(jù)分析

搭建經(jīng)營分析模型，這可能是最好的策略

如果分析不深入，分析師就只能籠統(tǒng)地喊：“差旅費(fèi)高了/銷售費(fèi)用高了，要控制”，這完全無法落地。更有甚者，業(yè)務(wù)部門擺爛，說：“業(yè)績做不好，都怪你們瞎胡控制費(fèi)用”。搞得分析師灰頭土臉。

2024-08-28 11:56:33

經(jīng)營分析模型策略

基于改進(jìn)字典的大數(shù)據(jù)多維分析加速實(shí)踐

工程化支持[維度組合]方式加速rbm結(jié)構(gòu), 將能定位唯一粒度實(shí)體維度組合以最小組合方式建立, 可有效減少rbm結(jié)構(gòu)數(shù)據(jù)的數(shù)量。節(jié)省存儲(chǔ)的同時(shí), 也提升查詢性能。

2024-08-26 14:54:54

大數(shù)據(jù)多維數(shù)據(jù)

Python數(shù)據(jù)分析領(lǐng)域的十大高級(jí)技巧

本文是我們精心挑選了十大高級(jí)技巧，適用于數(shù)據(jù)科學(xué)家、分析師以及任何希望深入探索Python數(shù)據(jù)分析的人。

2024-08-21 15:31:53

Python 數(shù)據(jù)分析

一文快速解鎖：標(biāo)簽體系全流程

標(biāo)簽工作至關(guān)重要，它是量化定性因素，提供價(jià)值判斷的重要工具，是一項(xiàng)非常基礎(chǔ)的建設(shè)。但做標(biāo)簽項(xiàng)目，一定要和經(jīng)營分析（對(duì)管理層）活動(dòng)支持（對(duì)運(yùn)營）系統(tǒng)工具（對(duì)一線）結(jié)合起來，不能自己默默無聞奉獻(xiàn)。

2024-08-19 13:46:00

標(biāo)簽體系工具

GenAI時(shí)代的實(shí)時(shí)數(shù)據(jù)分析：Apache Pinot與向量索引技術(shù)探秘

本文將分享如何使用 Apache Pinot 將實(shí)時(shí)數(shù)據(jù)分析和檢索增強(qiáng)生成 RAG 結(jié)合起來。隨著實(shí)時(shí)機(jī)器學(xué)習(xí)以及數(shù)據(jù)分析應(yīng)用的發(fā)展，實(shí)時(shí)數(shù)據(jù)的價(jià)值越來越多地被挖掘出來。

2024-08-19 10:06:44

機(jī)器學(xué)習(xí)數(shù)據(jù)分析推薦算法

通過一個(gè)手抓餅攤，看懂?dāng)?shù)據(jù)分析全流程

有詩云：“一杯茶、一支煙、一段SQL寫一天”，就是在吐槽，數(shù)據(jù)計(jì)算太過復(fù)雜，導(dǎo)致得寫幾百行SQL才能拿出來。

2024-08-19 09:07:00

手抓餅攤數(shù)據(jù)分析 SQL

業(yè)務(wù)分析模型，我整理了四個(gè)好用的模板

邏輯樹模型有兩個(gè)難點(diǎn)，第一個(gè)是：提出合理的假設(shè)。比如一提到收入下降，很多人會(huì)習(xí)慣性地扯“大環(huán)境不好”；提到成本升高，很多人習(xí)慣性扯“通貨膨脹”。這些看似有理但過于宏大的假設(shè)，會(huì)誤導(dǎo)分析方向，掩蓋真實(shí)問題。

2024-08-13 12:03:09

業(yè)務(wù)分析模型

用戶分析五大法則，互聯(lián)網(wǎng)大廠都在用！

正所謂：長袖善舞，多錢善賈。做數(shù)據(jù)分析，如果數(shù)據(jù)本身就很少，那也很難分析出有深度的結(jié)論。反映在用戶分析上，如果用戶是輕度用戶，注冊(cè)時(shí)候就留個(gè)手機(jī)號(hào)，登錄一兩次就沒來了，那鐵定沒有啥數(shù)據(jù)可以分析。

2024-08-12 11:42:21

用戶分析互聯(lián)網(wǎng)分層

數(shù)據(jù)分析十大模型：杜邦分析模型

如果你掌握了杜邦分析模型的構(gòu)建思路，以上問題都能迎刃而解。然而，很多網(wǎng)紅文章在介紹杜邦分析模型的時(shí)候，只是羅列了一大堆指標(biāo)，同學(xué)們看得頭昏腦漲，也搞不懂其中的邏輯。

2024-08-06 11:32:07

數(shù)據(jù)分析模型杜邦分析模型

我們一起聊聊如何做一個(gè)優(yōu)秀的數(shù)據(jù)分析項(xiàng)目？

縱觀整個(gè)過程，我們能看到，做好項(xiàng)目的過程，就是把數(shù)據(jù)方法應(yīng)用于企業(yè)實(shí)踐的過程。數(shù)據(jù)本身有統(tǒng)計(jì)學(xué)、數(shù)學(xué)、編程、數(shù)據(jù)庫等專業(yè)知識(shí)，但其中相當(dāng)部分（比如數(shù)倉、ETL）是為保障數(shù)據(jù)本身的正常運(yùn)行；相當(dāng)部分（比如語義判斷、圖像識(shí)別）是用于工業(yè)應(yīng)用，不用考慮業(yè)務(wù)理解和配合；相當(dāng)部分（比如統(tǒng)計(jì)學(xué)）適用于科學(xué)實(shí)驗(yàn)、農(nóng)林牧魚研究。

2024-08-05 10:55:52

數(shù)據(jù)分析項(xiàng)目統(tǒng)計(jì)學(xué)

這才是有效的用戶細(xì)分，而不是只分高中低

雖然數(shù)據(jù)、統(tǒng)計(jì)學(xué)給我們提供了很多工具（分類工具、降維工具）可真正用到實(shí)處還是得考慮具體業(yè)務(wù)場(chǎng)景。我們從來都不缺少會(huì)背課本的學(xué)生，我們?nèi)鄙俚氖菚?huì)考慮實(shí)際場(chǎng)景的分析人員。

2024-07-31 11:52:55

用戶工具電商行業(yè)

為什么你做的數(shù)據(jù)異動(dòng)分析，總被人Diss

從本質(zhì)上看：只有死人的心電圖才是一根直線，但凡是個(gè)正常的人一定會(huì)有波動(dòng)。把握業(yè)務(wù)規(guī)律，判斷合理波動(dòng)范圍，了解業(yè)務(wù)應(yīng)對(duì)異常的手段，才能推動(dòng)合理決策。想達(dá)到這個(gè)效果，需要分幾步完成。

2024-07-30 14:05:00

數(shù)據(jù)異動(dòng)分析業(yè)務(wù)

為什么 Top node、Free、Grafana 的數(shù)據(jù)對(duì)不上，你知道嗎？

對(duì)于 Pod 來說，通過 top 和 Grafana 看到的內(nèi)存使用量可能是相同的，因?yàn)?，大部?Grafana 面板繪制 Pod 內(nèi)存使用量用的是 container_memory_working_set_bytes，這與 top 的計(jì)算方式是一致的。

2024-07-26 21:53:59

數(shù)據(jù)Pod Grafana

商業(yè)分析師如何利用 SQL 進(jìn)行數(shù)據(jù)分析

在當(dāng)今數(shù)據(jù)驅(qū)動(dòng)的營銷環(huán)境中，利用 SQL 可以顯著提高商業(yè)分析師的工作效率與效果，并根據(jù)業(yè)務(wù)需求定制數(shù)據(jù)分析，實(shí)時(shí)優(yōu)化營銷活動(dòng)，以易于理解的方式向相關(guān)人員展示數(shù)據(jù)報(bào)告。

2024-07-26 21:36:43

SQL 數(shù)據(jù)分析分析師

大廠必考：數(shù)據(jù)分析如何實(shí)現(xiàn)閉環(huán)

業(yè)務(wù)沒有需求，數(shù)據(jù)分析師通過看數(shù)據(jù)，主動(dòng)發(fā)現(xiàn)了一個(gè)異常點(diǎn)，又找到了解決問題的辦法，然后告訴業(yè)務(wù)方，業(yè)務(wù)方聽了大喜，立即執(zhí)行，發(fā)現(xiàn)效果非常好。

2024-07-26 08:30:03

數(shù)據(jù)分析數(shù)據(jù)業(yè)務(wù)

StarRocks 是什么？一文了解

在數(shù)據(jù)分析這個(gè)復(fù)雜多變的領(lǐng)域，不太可能存在一個(gè)放之四海而皆準(zhǔn)的解決方案。StarRocks 在某些方面的確表現(xiàn)出色，例如尤其是在處理大規(guī)模數(shù)據(jù)集時(shí)的查詢速度。

2024-07-26 00:00:10

StarRocks 數(shù)據(jù)分析技術(shù)

聚焦電商場(chǎng)景，詳解抖音集團(tuán)埋點(diǎn)及歸因分析方案

本文將聚焦電商場(chǎng)景，介紹抖音集團(tuán)埋點(diǎn)歷程、電商場(chǎng)景解決方案、歸因?qū)嵺`及其收益等模塊，旨在為數(shù)據(jù)技術(shù)人員在埋點(diǎn)后數(shù)據(jù)加工過程中所遇到的問題提供有益思路。

2024-07-18 08:33:19

數(shù)據(jù)分析 SDK 埋點(diǎn)

為什么你做的數(shù)據(jù)復(fù)盤報(bào)告，總被人Diss

雖然說只看主指標(biāo)是不夠的，但是不看主指標(biāo)肯定不行。不但要看，而且要第一位看，先明確本次復(fù)盤討論的具體業(yè)務(wù)是啥，考核的主指標(biāo)是啥。

2024-07-16 11:51:54

數(shù)據(jù)復(fù)盤報(bào)告

一文帶您了解偽對(duì)數(shù)(Pseudo-Log)：可視化傾斜數(shù)據(jù)的黃金方法

經(jīng)典對(duì)數(shù)變換不能處理零和負(fù)數(shù)，而偽對(duì)數(shù)變換可以應(yīng)對(duì)這一問題。偽對(duì)數(shù)在所有實(shí)數(shù)上都有定義，并能平滑過渡。本文通過比較偽對(duì)數(shù)和經(jīng)典對(duì)數(shù)變換，展示了偽對(duì)數(shù)在處理和可視化偏斜數(shù)據(jù)中的優(yōu)越性。通過實(shí)例數(shù)據(jù)，顯示偽對(duì)數(shù)變換能夠有效地改善數(shù)據(jù)分布和可視化效果，使得數(shù)據(jù)展示更加清晰。

2024-07-16 10:43:45

偽對(duì)數(shù)可視化數(shù)據(jù)

完整的數(shù)據(jù)指標(biāo)體系，大廠是怎么搭建的？

很多新手會(huì)習(xí)慣性忽略建立標(biāo)準(zhǔn)環(huán)節(jié)。于是導(dǎo)致了大量鋪陳數(shù)據(jù)，然后不知道下啥結(jié)論的暈頭鴨子問題。如何在無剛性目標(biāo)情況下，建立評(píng)價(jià)標(biāo)準(zhǔn)，讀懂?dāng)?shù)據(jù)含義，是搭建體系的關(guān)鍵。

2024-07-11 11:52:24

數(shù)據(jù)指標(biāo)體系

數(shù)組探秘：數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)，深入解讀數(shù)組的內(nèi)部機(jī)制！

數(shù)組當(dāng)中的元素在內(nèi)存中是連續(xù)存儲(chǔ)的，且每個(gè)元素占用相同的內(nèi)存、數(shù)組是有序的、數(shù)組的長度一旦確定是不可變的、當(dāng)然數(shù)組也可以通過System.arraycopy方法進(jìn)行數(shù)組的替換，簡單理解就是擴(kuò)容。

2024-07-11 11:35:08

數(shù)組結(jié)構(gòu)內(nèi)部機(jī)制

上一頁 1 2 3 4 5 6 ··· 35 下一頁

點(diǎn)贊

51CTO技術(shù)棧公眾號(hào)

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營

<cite id="hzasm"><rp id="hzasm"><form id="hzasm"></form></rp></cite>