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

51CTO首頁(yè)

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(kù)

在線學(xué)習(xí)

文章資源問(wèn)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(yíng)

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(kù)

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

.NET也能玩大數(shù)據(jù)？你學(xué)會(huì)了嗎？

.NET不僅在傳統(tǒng)軟件開發(fā)領(lǐng)域占據(jù)一席之地，在大數(shù)據(jù)處理方面同樣表現(xiàn)出色。其豐富的庫(kù)和框架、高效的性能、強(qiáng)大的安全性以及易用的開發(fā)工具，使得.NET成為大數(shù)據(jù)處理中不可忽視的力量。隨著技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的不斷拓展，.NET在大數(shù)據(jù)領(lǐng)域的前景值得期待。

2024-07-11 08:29:57

大數(shù)據(jù).NET 工具

不再堆砌數(shù)據(jù)，這有一份超棒的經(jīng)營(yíng)分析模板

一提到“經(jīng)營(yíng)分析報(bào)告要增加業(yè)務(wù)指標(biāo)”，很多人就會(huì)搬出：業(yè)績(jī)=客戶數(shù)*轉(zhuǎn)化率*客單價(jià)這一套東西。注意！站在業(yè)務(wù)角度，客戶數(shù)、轉(zhuǎn)化率、客單價(jià)這些指標(biāo)，照樣是結(jié)果指標(biāo)。如果只拿這些指標(biāo)進(jìn)來(lái)，依然會(huì)得出“業(yè)績(jī)降是因?yàn)榭蛻羯倭?，所以要搞高”這種無(wú)腦結(jié)論。

2024-07-10 12:11:30

數(shù)據(jù)經(jīng)營(yíng)分析業(yè)務(wù)

做到了！我用數(shù)據(jù)分析提升用戶轉(zhuǎn)化率

常見的質(zhì)疑就是這么來(lái)的。這些結(jié)論之所以都是廢話，是因?yàn)闃I(yè)務(wù)看了以后，真的不知道能干啥。業(yè)務(wù)方期望聽到的優(yōu)化建議，是：直播還能不能做！能做的話，做多少場(chǎng)？做啥話題？掛啥鏈接？不能做的話，我要怎么解決銷售問(wèn)題！這才是有用建議。

2024-07-08 11:33:45

業(yè)務(wù)場(chǎng)景優(yōu)化

”人貨場(chǎng)”模型搞懂沒(méi)？數(shù)據(jù)分析大部分場(chǎng)景都能用！

人貨場(chǎng)三個(gè)維度之所以經(jīng)常用，是因?yàn)檫@三者與用戶行為有直接關(guān)系，并且商品屬性、賣場(chǎng)屬性、用戶習(xí)慣都有一些天生的規(guī)律可循。因此很適合作為分析的基礎(chǔ)，做深做細(xì)。一方面能對(duì)業(yè)務(wù)有更清晰的認(rèn)知；另一方面，想建立更復(fù)雜的模型也有線索了。

2024-07-05 11:50:15

模型數(shù)據(jù)分析場(chǎng)景

使用 Spring Boot 3.x + Flink 處理數(shù)據(jù)流中的延遲與亂序問(wèn)題

在實(shí)時(shí)數(shù)據(jù)處理系統(tǒng)中，延遲和亂序是兩個(gè)常見且棘手的問(wèn)題。延遲是指數(shù)據(jù)在傳輸和處理過(guò)程中出現(xiàn)的時(shí)間滯后，而亂序則是指數(shù)據(jù)到達(dá)的順序與其生成的順序不一致。這些問(wèn)題會(huì)直接影響數(shù)據(jù)處理的準(zhǔn)確性和時(shí)效性。

2024-07-05 10:17:08

數(shù)據(jù)流系統(tǒng)CPU

模版+案例 | 數(shù)據(jù)指標(biāo)體系的構(gòu)建方法和流程

很多同學(xué)構(gòu)建數(shù)據(jù)指標(biāo)體系，喜歡堆砌數(shù)據(jù)。放一堆指標(biāo)以顯得豐富?？蓪?shí)際上如果不按業(yè)務(wù)流程找子指標(biāo)，指標(biāo)之間邏輯性就很差，看起來(lái)經(jīng)常莫名其妙。更不要說(shuō)，很容易弄出來(lái)類似“你幸福嗎”這種稀奇古怪的玩意。

2024-07-04 12:10:50

數(shù)據(jù)指標(biāo)體系

從拍腦袋到數(shù)據(jù)支持決策，這個(gè)分析師是怎么做到的？

數(shù)據(jù)驅(qū)動(dòng)決策需要的是業(yè)務(wù)流程與數(shù)據(jù)緊密配合，領(lǐng)導(dǎo)層參與推動(dòng)，才能實(shí)現(xiàn)的事。數(shù)據(jù)驅(qū)動(dòng)決策，從來(lái)都不是一個(gè)神機(jī)妙算的世外高人，拿著數(shù)據(jù)口念咒語(yǔ)：“媽咪媽咪轟”就轟出來(lái)一個(gè)驚天地泣鬼神的結(jié)論，這是基本常識(shí)。

2024-07-03 12:01:36

數(shù)據(jù)驅(qū)動(dòng)決策

數(shù)據(jù)分析中十種常見的可視化圖例原創(chuàng) 精選

漏斗圖（funnel chart）類似于漏斗的形狀，其中每個(gè)部分逐漸變窄。分段垂直排列，以顯示層次結(jié)構(gòu)。在漏斗圖中，每個(gè)分段對(duì)應(yīng)于順序過(guò)程中的一個(gè)步驟或階段。它們說(shuō)明了數(shù)據(jù)點(diǎn)在各個(gè)階段中的進(jìn)展。

2024-07-01 08:51:19

可視化數(shù)據(jù)分析漏斗

數(shù)據(jù)分析報(bào)告，如何寫出“可執(zhí)行”的建議？

唯獨(dú)數(shù)據(jù)分析能力是可以通過(guò)學(xué)習(xí)、訓(xùn)練、實(shí)驗(yàn)、記錄來(lái)不斷提升的。所以基于數(shù)據(jù)提可行性建議，可能不會(huì)被采納，但只會(huì)越來(lái)越被重視。?

2024-06-26 01:09:36

數(shù)據(jù)分析訓(xùn)練

談?wù)劺弥鲾?shù)據(jù)改進(jìn)數(shù)據(jù)分析的重要性

在接觸數(shù)據(jù)科學(xué)時(shí)，許多人專注于數(shù)據(jù)分析、數(shù)據(jù)可視化和數(shù)據(jù)收集，而忘記了整個(gè)數(shù)據(jù)科學(xué)的一個(gè)基本組成部分：主數(shù)據(jù)。

2024-06-24 21:18:48

數(shù)據(jù)分析

揭秘打車軟件，如何找到方圓 1km 以內(nèi)的乘客

用geohash那結(jié)果顯然是AB更近，但是實(shí)際上A與B的距離比AE、AC、AD都遠(yuǎn)。這其實(shí)是一個(gè)邊緣性的問(wèn)題........后續(xù)我會(huì)更新如何去避免這種問(wèn)題的出現(xiàn)。

2024-06-21 08:44:37

打車軟件邊緣性

別當(dāng)布谷鳥！這些方法能拯救你枯燥的數(shù)據(jù)日?qǐng)?bào)

為什么每日指標(biāo)會(huì)波動(dòng)，這個(gè)很糾結(jié)的問(wèn)題，提前準(zhǔn)備了答案。通過(guò)打標(biāo)簽、梳理事件、定KPI，充分暴露波動(dòng)背后的問(wèn)題，引發(fā)深入思考。

2024-06-17 11:29:49

信息 KPI 標(biāo)簽

數(shù)據(jù)分析思路，總結(jié)了四個(gè)好用的模板

如果整體進(jìn)度沒(méi)很大問(wèn)題，各子部門進(jìn)展順利，那么大家不會(huì)發(fā)表太多意見，看完后會(huì)說(shuō)“很好，繼續(xù)監(jiān)控”。如果整體進(jìn)度有問(wèn)題，那么大家的思路會(huì)被引導(dǎo)到：“為什么A部門執(zhí)行好，B部門不行？”上邊去，這樣就能做進(jìn)一步的分析。

2024-06-13 11:54:03

數(shù)據(jù)分析模板進(jìn)度

太卷了吧，這份銷售分析報(bào)告真是到位

如果發(fā)現(xiàn)問(wèn)題，最好直接告訴一線：你這么做有用！還是上邊的例子，如果真發(fā)現(xiàn)這個(gè)問(wèn)題，可以先看簽約率高的人做了什么。如果我們發(fā)現(xiàn)展示同行客戶案例有效（提升5%左右），那直接把行業(yè)案例庫(kù)作為功能做到產(chǎn)品里去。告訴他們：聊天的時(shí)候，點(diǎn)這個(gè)按鈕，管用！

2024-06-11 13:57:41

銷售分析數(shù)據(jù)互聯(lián)網(wǎng)

從SQL Boy到管理者：數(shù)據(jù)分析師成長(zhǎng)的五個(gè)階段

經(jīng)歷了前四個(gè)階段，實(shí)際上已經(jīng)能在公司里混到數(shù)據(jù)部門領(lǐng)導(dǎo)了，只不過(guò)不同公司數(shù)據(jù)團(tuán)隊(duì)規(guī)模有差異，因此管轄權(quán)限會(huì)有區(qū)別。作為部門管理者，除了專業(yè)能力外，常規(guī)的管理方法也要有一定掌握。這個(gè)話題展開就大了，這里先不多說(shuō)。

2024-06-11 00:11:00

SQL 數(shù)據(jù)分析師數(shù)據(jù)

經(jīng)營(yíng)分析的三個(gè)等級(jí)，最厲害的長(zhǎng)啥樣？

經(jīng)營(yíng)活動(dòng)太多，導(dǎo)致的交叉重疊問(wèn)題。在中級(jí)分析部分，我們已經(jīng)知道：活動(dòng)之間可能有重疊，新舊產(chǎn)品可能有替代，新老渠道可能有沖突，研發(fā)升級(jí)不見得有效果……總之，每件事都會(huì)產(chǎn)生成本，但不是每件事都能掙錢。

2024-06-07 15:15:56

經(jīng)營(yíng)分析決策

關(guān)于 Python 數(shù)據(jù)分析的 15 個(gè) NumPy 應(yīng)用

本文專為那些希望深入了解并掌握NumPy核心功能的數(shù)據(jù)分析新手設(shè)計(jì)。我們將通過(guò)10個(gè)實(shí)用的應(yīng)用示例，帶你從基礎(chǔ)操作到一些高級(jí)技巧，讓你的數(shù)據(jù)分析之旅更加順暢。

2024-06-06 09:08:14

NumPy Python 數(shù)據(jù)分析

大數(shù)據(jù)實(shí)時(shí)分析：Flink中的Table API

雖然大多數(shù)基于 Flink SQL 的在線編輯和任務(wù)執(zhí)行引擎都是通過(guò) Table API 實(shí)現(xiàn)的，但還有其他方法可以實(shí)現(xiàn)類似的功能，包括直接使用 SQL API、Flink SQL CLI、REST API、Flink Dashboard 和 Flink SQL Gateway 等。

2024-06-06 08:58:08

大數(shù)據(jù)SQL API

大數(shù)據(jù)實(shí)時(shí)分析：Flink Dashboard 任務(wù)運(yùn)維和監(jiān)控

Flink Dashboard 可以與多種開源工具集成，如 Apache Zeppelin、Apache Superset、Airflow、Grafana 和 Prometheus 等。

2024-06-05 09:16:54

開源工具 Airflow

大數(shù)據(jù)實(shí)時(shí)分析：FlinkSQL中的窗口選取

會(huì)話窗口是一種基于活動(dòng)間隔的窗口。它們沒(méi)有固定的大小或滑動(dòng)間隔，而是根據(jù)一段不活動(dòng)的時(shí)間（間隔）來(lái)劃分窗口。當(dāng)超過(guò)指定的不活動(dòng)時(shí)間間隔時(shí)，窗口會(huì)結(jié)束并開始一個(gè)新的窗口。

2024-06-04 14:10:00

FlinkSQL 窗口大數(shù)據(jù)

借助Geemap分析空間地理數(shù)據(jù) 譯文

這個(gè)Python庫(kù)用于使用Google Earth Engine（谷歌地球引擎）和ipyleaflet創(chuàng)建交互式地圖。

2024-06-04 08:00:00

這才是真正的數(shù)據(jù)分析項(xiàng)目，而不是取數(shù)發(fā)通報(bào)

計(jì)劃類工作在跳槽的時(shí)候也很好用。因?yàn)橹贫ㄓ?jì)劃涉及整個(gè)公司經(jīng)營(yíng)分析指標(biāo)體系，經(jīng)營(yíng)方向確認(rèn)，通過(guò)計(jì)劃類項(xiàng)目，能很好地建立全局認(rèn)知，在面試官面前顯得很有水平。

2024-06-03 14:23:00

數(shù)據(jù)分析項(xiàng)目計(jì)劃類

大數(shù)據(jù)分析是什么、它是如何工作的

大數(shù)據(jù)分析描述了在大量原始數(shù)據(jù)中發(fā)現(xiàn)趨勢(shì)、模式和相關(guān)性的過(guò)程，以幫助做出基于數(shù)據(jù)的決策。這些過(guò)程使用熟悉的統(tǒng)計(jì)分析技術(shù)，并在更新的工具的幫助下將它們應(yīng)用于更廣泛的數(shù)據(jù)集。

2024-06-03 14:03:35

大數(shù)據(jù)分析大數(shù)據(jù)

總做描述性統(tǒng)計(jì)，深入的數(shù)據(jù)分析到底怎么做？

很多同學(xué)做不深入，是因?yàn)閺?級(jí)深度開始，就不能只指望幾個(gè)指標(biāo)/維度交叉一下，直接拉出結(jié)論來(lái)，就得結(jié)合業(yè)務(wù)場(chǎng)景，轉(zhuǎn)化業(yè)務(wù)假設(shè)，然后搜集證據(jù)。這要求掌握業(yè)務(wù)場(chǎng)景、指標(biāo)、邏輯能力。這些能力需要積累和鍛煉才能提升。

2024-05-31 11:37:20

數(shù)據(jù)分析驗(yàn)證維度交叉

Gartner發(fā)布2024年數(shù)據(jù)與分析重要趨勢(shì)

在近日的Gartner數(shù)據(jù)與分析峰會(huì)上，Gartner分析師介紹了IT領(lǐng)導(dǎo)者必須把握并納入其D&A戰(zhàn)略的重要數(shù)據(jù)與分析趨勢(shì)。

2024-05-29 13:29:37

數(shù)據(jù) 分析 Gartner

數(shù)據(jù)分析基礎(chǔ) | Python數(shù)據(jù)交叉表，你學(xué)會(huì)了嗎？

數(shù)據(jù)交叉表是數(shù)據(jù)分析中非常重要的工具，掌握它可以讓你更加高效地進(jìn)行數(shù)據(jù)處理和可視化呈現(xiàn)。

2024-05-29 12:47:00

Python 數(shù)據(jù)數(shù)據(jù)分析

搭建數(shù)據(jù)指標(biāo)體系，我總結(jié)了標(biāo)準(zhǔn)化全流程

業(yè)務(wù)流程是主要數(shù)據(jù)來(lái)源，指標(biāo)體系首要任務(wù)是反饋業(yè)務(wù)流程情況。有了主指標(biāo)以后，要結(jié)合業(yè)務(wù)流程，梳理出過(guò)程指標(biāo)。有了過(guò)程指標(biāo)，才能解釋主指標(biāo)為什么低，為什么高。

2024-05-29 12:41:33

數(shù)據(jù)指標(biāo)流程

做數(shù)據(jù)分析十年，第一次見到靠譜的歸因模型

從經(jīng)驗(yàn)上來(lái)看：投訴類來(lái)電，在業(yè)務(wù)上性質(zhì)特殊，屬于高風(fēng)險(xiǎn)行為。別的來(lái)電都能用小程序替代，唯獨(dú)怒氣沖沖的客戶，必須用人工來(lái)服務(wù)，至少讓人家消消氣。

2024-05-20 13:20:35

數(shù)據(jù)分析業(yè)務(wù)程序

大宗產(chǎn)業(yè)風(fēng)控領(lǐng)域的數(shù)據(jù)探索與實(shí)踐

螞蟻?zhàn)鳛榛ヂ?lián)網(wǎng)企業(yè)，數(shù)據(jù)建設(shè)通常是面向互聯(lián)網(wǎng)場(chǎng)景圍繞個(gè)人開展，傳統(tǒng)業(yè)務(wù)上的數(shù)據(jù)應(yīng)用構(gòu)建與互聯(lián)網(wǎng)存在著比較大的差異。螞蟻嘗試從大宗領(lǐng)域切入，探索能否基于已有能力去服務(wù)傳統(tǒng)產(chǎn)業(yè)，幫助其實(shí)現(xiàn)產(chǎn)業(yè)數(shù)字化升級(jí)，并落地相關(guān)的風(fēng)控場(chǎng)景應(yīng)用。

2024-05-17 08:16:08

數(shù)據(jù)建設(shè)風(fēng)控領(lǐng)域數(shù)據(jù)分析

做經(jīng)營(yíng)分析，只會(huì)同比環(huán)比，怎么辦！

所謂策略，就是業(yè)務(wù)開展的前后順序，輕重緩急。比如上文提到的“A產(chǎn)品銷售差3%”達(dá)標(biāo)。如果站在產(chǎn)品策略的角度，就不是這么頭疼醫(yī)頭，腳疼醫(yī)腳地把每一個(gè)產(chǎn)品的漲跌列出來(lái)。

2024-05-15 11:51:40

經(jīng)營(yíng)分析業(yè)務(wù)產(chǎn)品

Pandas 處理 CSV 數(shù)據(jù)的十個(gè)步驟

今天，我們將一起踏上Python數(shù)據(jù)分析之旅，以處理CSV文件為例，通過(guò)十個(gè)簡(jiǎn)單易懂的步驟，帶你領(lǐng)略Pandas的強(qiáng)大之處。

2024-05-13 11:43:39

Python 數(shù)據(jù)分析 CSV

一文快速解鎖：價(jià)格分析模型

價(jià)格的敏感性，是可以事先測(cè)試的。在事先可以以優(yōu)惠券為杠桿，以抽獎(jiǎng)的形式測(cè)試用戶的購(gòu)買率，從而一定程度上推斷漲價(jià)/降價(jià)多少合適。但是這種方式更適合測(cè)降價(jià)，漲價(jià)的話，用戶本能的反感會(huì)比較強(qiáng)烈，所以不太適用。

2024-05-11 08:18:49

解鎖價(jià)格模型

這才是真正的商品分析，而不是羅列進(jìn)銷存

一提到商品搭配，很多人腦子里第一時(shí)間蹦出來(lái)：啤酒與尿布。實(shí)際上即使不用數(shù)據(jù)去算，商品之間固定搭配。就像比起啤酒配尿布，啤酒配雞爪，啤酒配花生米，啤酒配小龍蝦更常見一樣。

2024-05-10 12:01:00

商品分析數(shù)據(jù)分析斷貨

用Pyjanitor消除數(shù)據(jù)清洗(Data Cleaning)中的煩惱

數(shù)據(jù)清洗（Data Cleaning）通常被視為數(shù)據(jù)驅(qū)動(dòng)決策的關(guān)鍵準(zhǔn)備步驟，其目的在于查找并糾正數(shù)據(jù)中的錯(cuò)誤和不一致，以提高數(shù)據(jù)質(zhì)量。隨著數(shù)據(jù)集的增長(zhǎng)，確保數(shù)據(jù)的清潔度和完整性變得越發(fā)具有挑戰(zhàn)性。了解數(shù)據(jù)清洗的重要性以及如何進(jìn)行數(shù)據(jù)清洗變得至關(guān)重要。

2024-05-10 08:31:57

數(shù)據(jù)清洗數(shù)據(jù)驅(qū)動(dòng)

這才是大廠的經(jīng)營(yíng)分析報(bào)告，而不是“念PPT會(huì)”

想要提升效率，把經(jīng)營(yíng)分析會(huì)變成決策會(huì)而不是“例行會(huì)”“讀ppt會(huì)”“甩鍋會(huì)”，就得從眾多數(shù)據(jù)中，把關(guān)鍵問(wèn)題挑出來(lái)，幫大家聚焦到核心問(wèn)題上。這里有5個(gè)問(wèn)題最為關(guān)鍵。

2024-05-08 13:59:38

經(jīng)營(yíng)分析 PPT

經(jīng)營(yíng)分析：決策分析模型搭建指南

如果同學(xué)們覺(jué)得沒(méi)見過(guò)數(shù)據(jù)驅(qū)動(dòng)決策，這也很正常，并非每個(gè)公司都這么規(guī)范認(rèn)真，我們要做的是0級(jí)~7級(jí)的基礎(chǔ)積累，積累越多，我們自己掌握的本事就越大，也越有機(jī)會(huì)到真正優(yōu)秀的公司實(shí)踐。

2024-05-07 12:00:47

決策分析模型數(shù)據(jù)

基于SpringBoot3.x和Apache Doris構(gòu)建高效大數(shù)據(jù)分析系統(tǒng)

在傳統(tǒng)數(shù)據(jù)處理過(guò)程中，我們面臨的數(shù)據(jù)多數(shù)是結(jié)構(gòu)化的，該數(shù)據(jù)保存在預(yù)定義的數(shù)據(jù)模型中，如關(guān)系型數(shù)據(jù)庫(kù)的表。然而，隨著科技發(fā)展，尤其是互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和移動(dòng)設(shè)備的普及，非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖片、音頻、視頻、社交媒體數(shù)據(jù)等）的產(chǎn)生量正在急劇增加，它們共同構(gòu)成了大數(shù)據(jù)的特征--多樣性。

2024-05-07 08:16:17

大數(shù)據(jù)分析系統(tǒng)

數(shù)據(jù)分析，高手只比你多做了這一步

深入分析、建模、提業(yè)務(wù)建議，標(biāo)簽是很重要的一環(huán)。同學(xué)們可以試著多建有業(yè)務(wù)含義的標(biāo)簽，特別是涉及“盲盒”狀態(tài)的業(yè)務(wù)，比如線上廣告投放，線下銷售跟進(jìn)，商品選品等，標(biāo)簽的作用更大。?

2024-05-06 09:02:57

數(shù)據(jù)分析標(biāo)簽模型

時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)原理及Pytorch實(shí)現(xiàn)

在我們生活的這個(gè)充滿聯(lián)系的世界中，從微觀的分子結(jié)構(gòu)到宏觀的社交網(wǎng)絡(luò)，再到復(fù)雜的城市設(shè)計(jì)結(jié)構(gòu)，都隱藏著一張張相互關(guān)聯(lián)的圖數(shù)據(jù)。這些圖數(shù)據(jù)仿佛一張張神秘的網(wǎng)，將世界萬(wàn)物緊密相連。

2024-04-30 14:54:10

Pytorch 時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)

深入解析數(shù)倉(cāng)維度建模中的維度

對(duì)于橋接維度可能就更加好理解了，就是兩個(gè)維度表之間通過(guò)第三張維度表進(jìn)行關(guān)聯(lián)，其中存儲(chǔ)另外兩個(gè)維度表的關(guān)系。如圖9-6所示，維度表A與維度表B之間某個(gè)字段的屬性存在多對(duì)多關(guān)系，基于這種多對(duì)多關(guān)系設(shè)計(jì)維度表C，用來(lái)存儲(chǔ)這兩個(gè)屬性的關(guān)系。

2024-04-30 00:00:00

數(shù)倉(cāng)維度建模

解讀數(shù)據(jù)，我發(fā)現(xiàn)了超好用的七步標(biāo)準(zhǔn)法

數(shù)據(jù)分析師想要加強(qiáng)數(shù)據(jù)洞察能力，就得多積累分析經(jīng)驗(yàn)，針對(duì)具體業(yè)務(wù)問(wèn)題，收集業(yè)務(wù)動(dòng)作，多復(fù)盤，這樣才能認(rèn)識(shí)得越來(lái)越深入。每次具體問(wèn)題來(lái)了，才有豐富的彈藥庫(kù)可用。

2024-04-28 12:47:03

數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)

輕松處理CSV文件，csvkit助你高效數(shù)據(jù)分析！

在本文中，我們將介紹csvkit庫(kù)的基本用法，并通過(guò)一個(gè)實(shí)際的案例來(lái)演示如何使用csvkit進(jìn)行數(shù)據(jù)分析。

2024-04-28 11:39:17

紹csvkit 數(shù)據(jù)分析

常用的時(shí)間序列分析方法總結(jié)和代碼示例

時(shí)間序列是最流行的數(shù)據(jù)類型之一。視頻，圖像，像素，信號(hào)，任何有時(shí)間成分的東西都可以轉(zhuǎn)化為時(shí)間序列。

2024-04-26 12:29:36

時(shí)間序列數(shù)據(jù)分析

放大招，數(shù)據(jù)運(yùn)營(yíng)全流程SOP

用戶需求是客觀存在的，最大難題是如何收集數(shù)據(jù)，了解到用戶需求。有些人會(huì)說(shuō)：這還不簡(jiǎn)單，直接讓用戶填問(wèn)卷不就好了。問(wèn)題是，你自己去買東西的時(shí)候會(huì)填問(wèn)卷嗎，填個(gè)屁。用戶都是不想被過(guò)度打擾的，因此設(shè)計(jì)顧客旅程，分步驟引導(dǎo)用戶留下數(shù)據(jù)，很重要。

2024-04-26 12:28:32

數(shù)據(jù)運(yùn)營(yíng)SOP

學(xué)數(shù)據(jù)分析的八大誤區(qū)，你中招了嗎？

在設(shè)定學(xué)習(xí)目標(biāo)的時(shí)候，到底是想提升目前崗位/行業(yè)的適應(yīng)能力，還是提高自己在人才市場(chǎng)的競(jìng)爭(zhēng)能力，是兩個(gè)根本方向性問(wèn)題。

2024-04-26 00:15:51

數(shù)據(jù)分析能力

一文帶您了解權(quán)重證據(jù)(WoE)與信息價(jià)值(IV)：數(shù)據(jù)分析的重要利器

WOE和IV是數(shù)據(jù)分析和建模中的重要工具，它們能夠幫助我們發(fā)現(xiàn)特征與目標(biāo)變量之間的關(guān)系，并指導(dǎo)我們做出更好的決策。通過(guò)深入理解這些技術(shù)的原理和應(yīng)用，我們可以更好地優(yōu)化模型，提高預(yù)測(cè)準(zhǔn)確性，從而實(shí)現(xiàn)更好的業(yè)務(wù)結(jié)果。?

2024-04-17 08:46:17

數(shù)據(jù)分析工具 WoE

又踩坑了！BigDecimal使用的五個(gè)坑！

由于計(jì)算機(jī)的資源是有限的，所以是沒(méi)辦法用二進(jìn)制精確的表示 0.1，只能用「近似值」來(lái)表示，就是在有限的精度情況下，最大化接近 0.1 的二進(jìn)制數(shù)，于是就會(huì)造成精度缺失的情況。

2024-04-10 08:39:56

BigDecimal 浮點(diǎn)數(shù)二進(jìn)制

數(shù)據(jù)治理的六大核心準(zhǔn)則，終于有人講明白了

當(dāng)然不同的企業(yè)的情況差距相對(duì)較大，數(shù)據(jù)治理的團(tuán)隊(duì)需要具體問(wèn)題具體分析。在不同的階段，不同的準(zhǔn)則的作用是不一樣的，這也需要數(shù)據(jù)治理團(tuán)隊(duì)靈活地掌握。當(dāng)然基于這些準(zhǔn)則并不能保證數(shù)據(jù)治理一定成功，所以需要科學(xué)的數(shù)據(jù)治理流程或者框架來(lái)盡可能提高數(shù)據(jù)治理的成功。

2024-04-08 00:00:01

數(shù)據(jù)治理核心準(zhǔn)則團(tuán)隊(duì)

用戶畫像、用戶分群、用戶分層，到底有啥區(qū)別？

大量的用戶指標(biāo)與標(biāo)簽，形成了用戶畫像。用戶畫像是一個(gè)統(tǒng)稱，通常一講用戶畫像，大家都知道是在說(shuō)用戶的指標(biāo)與標(biāo)簽問(wèn)題。用戶畫像是數(shù)據(jù)服務(wù)業(yè)務(wù)的底座，有了用戶畫像才可以進(jìn)一步地工作。

2024-03-29 11:39:57

用戶畫像用戶分群用戶分層

使用 Java 進(jìn)行大數(shù)據(jù)分析公眾號(hào)閱讀量 10 萬(wàn)+ 文章標(biāo)題的秘密

無(wú)論是Java編程技巧的分享，還是公眾號(hào)的運(yùn)營(yíng)管理，都需要我們深入掌握一門技術(shù)或者一項(xiàng)業(yè)務(wù)的精髓，并輔以實(shí)踐的鍛煉和自我迭代的能力。

2024-03-28 08:10:37

Java 技巧 SEO

上一頁(yè) 1 2 3 4 5 6 ··· 35 下一頁(yè)

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(yíng)

^{<thead id="0nvnm"></thead>}

<cite id="0nvnm"><rp id="0nvnm"><pre id="0nvnm"></pre></rp></cite>