数据分析师
-
机器学习工程师必备的5项基本技能,你都get了吗?
你是否对机器学习充满兴趣呢?其实到目前为止,每天有越来越多的工程师开始将好奇的目光转向机器学习领域。实际上,你会发现现在没有哪一个领域比机器学习能引起更多的曝光率和关注度。机器学习已经以一种高调姿态闯入广大民众的意识当中,无论是采用机器学习等相关技术的Google AlphaGo以5局4胜的战绩打败人类世界的围棋冠军,还是采用了机器学习技术的Twitter能…
-
如何构建落地型的数据分析流程?
数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面向业务落地的数据分析(挖掘)流程? 在做本篇介绍之前,有以下几个方向需要做一个界定,这些界定是做本篇的前提: 该项目流程是面向业务层的,直接通过模型做代码优化或者以BI技术为方向的不同; 该项目的领导者是具有一定…
-
增长黑客的崛起:10个估值过百亿的增长案例
摘要:增长黑客这一概念最早源于美国硅谷,到现在已有五年多的时间,在这期间,很多公司基于数据的精准分析和驱动进行决策,实现迅速崛起,那么为这一切提供支持的增长黑客们是如何做到的呢?(原文标题:增长黑客的力量:这10家公司凭什么估值过百亿?) 一、增长黑客是什么? Sean Ellis 最先提出 “Growth Hacker” ,并帮助硅谷多家公司完成产品的快速…
-
2016年最新数据科学报告:数据科学家依然供不应求
前言 我们的《2016数据科学家报告》是去年的努力的后续行动。我们的目的是调查有着多年经验和专业领域的专业数据科学家,从而了解他们的职业,以及他们每天的日常工作是怎样的。 我们的发现非常有趣。对创业公司而言,数据科学家把多数时间花在做他们不喜欢做的事。然而,他们中的绝大多数仍然热爱他们的工作。我们重点关注数据科学家认为机器学习在特殊领域和整个行业中有何等的重…
-
老板问的指标都记不住,还想做百万年薪数据分析师?
作为一个数据分析师,你有没有经常遇到过这种情况,老板开会常常问你,今天的UV、PV、注册转化率、购买率…….是多少? 一般情况下,普通数据分析师会说,“老板等一下,我看下报表。”但是优秀的数据分析师回答一定是,“老板,昨天我们的转化率是80%,今天是70%,我们分析认为原因是昨天我们新上线了一个新流程,我们应该优化这一步的产品设计。”…
-
硅谷视角:一个数据科学家首先应该做的5件事
人们总是问我如何有效的成为一名数据科学家。我的经历是先成为一名软件工程师,然后读了数据科学相关的PhD (是在它变成热点之前)。在这篇文章里,基于我在这个领域的经验总结,给出了成为数据学家的首要步骤,目的是为了帮助那些想从纯软件工程领域转行到数据科学。 当我们就读PhD 课程的过程中,如果你已经明确要成为一名数据科学家,那么我并不建议使用传统的学习方法。当我…
-
涂子沛:大数据时代,一个新的相对论时代
摘要:就像永不停歇的钟摆,数据永远在追赶事实,在追求真理的道路上,我们进入了一个更为清晰的相对论时代。 不久前的一个周末,我在成都参加希捷公司( Seagate Tech LLC) 的年会。这是全球数一数二的硬盘供应商,年会熙熙攘攘,盛况空前。在国内各项重要的经济指标均为下行的情况下,希捷公司的出货量仍然保持着增长。事实上,整个存储器行业这几年都在连续逆势增…
-
通过智能数据来了解人体——个性化医疗当中的内存技术
当今的医疗保健行业中存在的数据量不计其数。从技术角度来说,可以用在线对这些数据进行实时的分析,比如内存技术,这种技术就是为医学治疗目的进行开发的。因此,德国波茨坦普拉特拉学院(HPI)的计算机研究人员正在用此种技术帮助病患获取更多的个性化医疗诊治方案。
-
数据科学人才: 如何顺藤摸瓜提高你的竞争力
摘要:基于一项针对620多位数据专家的调查研究,我们发现数据科学技能分为三个分支:行业知识背景(本文特指商业),技术/编程和数学/统计。这项研究将影响目前数据科学家,即将成长为数据科学家和招聘者。 数据科学是从数据中提取信息的能力。普遍认为三个主要技能将有助于提升数据科学能力。它们是:行业知识背景(商业上为商业头脑),技术/编程,数学/统计技能。 在这项数据…
-
数据分析师经常遇到的13个问题
1、最早的数据分析可能就报表 目前很多数据分析后的结果,展示的形式很多,有各种图形以及报表,最早的应该是简单的几条数据,然后搞个web页面,展示一下数据。早期可能数据量也不大,随便搞个数据库,然后SQL搞一下,数据报表就出来了。但是数据量大起来怎么分析呢?数据分析完了怎么做传输呢?这么大的数据量怎么做到实时呢?分析的结果数据如果不是很大还行,如果分析的结果数…
-
普及、开放与平台:大数据价值运营之路(下)
任何企业想做大数据变现,或者已经在做的,都需要考虑成长性问题,站在全局的角度要去思考三个方面的核心问题:数据扩张、数据MARKET和数据封装。本质上,就是大数据发展要逐步由纵到横,实施平台化战略。 推荐阅读: 普及、开放与平台:大数据价值运营之路(上) 普及、开放与平台:大数据价值运营之路(中) 1、数据扩张战略 关于数据的价值,数据量是一种衡量标准,数据维…
-
10个表明数据科学能力成熟的迹象
如果你想造一艘船, 不要鼓励人们去伐木、去分配工作、去发号施令。 你应该做的是,教会人们去渴望大海的宽广无边和高深莫测。 ——安东尼·德·圣-埃克苏佩里 在我们与美国政府、商业和国际组织的多年合作工作中,我们已经具备了帮助我们的客户设计和建立一个数据科学功能以支持和驱动他们的任务的能力。这些任务包括提高健康水平、保卫国家、合理调配能源布局、更好地服务公民和退…
-
数据科学家做到这些,百万年薪不是梦
数据科学家做为一个职业已经存在好几年了,但是他们的职业生涯应该是什么样的呢?Russell Walker作为一个经验丰富的数据培训师给出了自己的观点,数据客翻译。
-
大数据工作职位所需的数据场技能包
摘要:除了报表统计外,还需要对数据的有很强的解读能力。电商中的个性推荐技术,商业与银行中的欺骗检测,智能手机中语音识别等等技术,让我们浑身便散发出大数据与机器学习的各种场信息,给人以满满的正能量。 01 数据场 学过物理的小伙伴,都知道世界充满了电场和磁场。了解过佛学的人,都知道世界充满了念力场与信息场,通过信息场,可以与更高一级的文明进行沟通。 有的人一出…
-
大道至简的数据治理方法论
引言:数据分析师的角色犹如一位大厨,原料有问题,大厨肯定烹饪不出色香味俱佳的大菜,数据有问题,数据分析师得出的结论自然也就不可靠。 正文: 如果你是一位大厨,刚刚眉飞色舞地给客人描绘了如何搭配一道色香味俱佳的大菜,甚至连炒菜的手法都一一交代了,当你备好了各种为这道菜增鲜增色的调料后准备烹饪时,才发现所需的主要原料有问题。 数据分析师的角色犹如一位大厨,原料有…