数据分析
-
销售遭遇瓶颈,你需要这个“目标用户优化模型”
企业资源有限的情况下,好钢必须用在刃上;因此,找准“目标客户”是非常重要的。
-
从小白到 VP,我在硅谷的增长黑客之旅
增长团队应该围绕产品的核心价值,让更多用户更便捷、更频繁地体验到产品的核心价值。通过让用户快速上手、了解产品的使用方法,当用户不再使用这个产品的时候,可以通过推送、邮件等方式再次激活。
-
腾讯发布“00后画像报告”,颠覆我们对这一代的认知
5月4日,腾讯QQ携手中青报发布了《00后画像报告》,该报告以腾讯QQ7.83亿月活跃用户为基础,通过问卷调查和QQ平台大数据分析,对00后群体进行整体形象描述。
-
你的数据化经营为何屡战屡败,118位CTO给出的7个管理经验
我们调研了118家公司的首席信息官(CIO)、首席技术官(CTO)、数据总管以及IT部门的员工及顾问,找到了这7种企业数据实践中最可能出现的问题。
-
“平台崩坏”时代(二):来自计算机科学的商业建议
算法的研究也为先发制人的创新策略提供了线索。有些问题可以通过“启发法”来解决,虽然有时背离直觉,但却可以展示何时、以及如何来追求创新。
-
我的数据科学家工作初体验
数据科学家这一职业如今炙手可热,但是数据科学家也分应用型和研究型,并不如我们想象中那么高不可攀。尤其是在很多既有的工具或资源可用的情况下,数据科学的钻研可深可浅,就看你能玩到哪个级别。如今很多非科班出身的转行搞数据科学,也不是什么很稀罕的事。这不,物理学系出身的 Admond Lee 就写了一篇他的第一次实习数据科学工作的经历,希望对有志于从事数据科学职位的读者们有所启示。
-
一张图搞懂:数据科学、机器学习、数据分析和商业分析
通过本文,你可以对数据科学及其几大分支,包括商业分析、数据分析、商业智能、先进分析、机器学习和 AI 有初步的认识。
-
业务系统的数据资产管理为什么这么难?
如果你做过BI或大数据,一定会接触数据资产管理的一些概念,比如元数据,数据字典,血统分析等等,但你会发现,要做好大数据平台的数据资产管理并不容易,比如数据字典的维护,为什么?
-
GitHub上的数据分析库
本次将为大家简单分享介绍几个GitHub上数据分析相关的项目库,包括图像处理项目库、数据集项目库以及学习资源项目库。
-
在VUCA时代, 数据分析起家的蓝灯数据如何利用”云原生微应用”将“颠覆式革新”进行到底?
日前,蓝灯数据发布了云原生智能微服务战略,并联合上海超级计算中心、上海大数据联盟、海计信息共同组建了国内首个大数据微应用实验室。蓝灯数据是一家什么样的公司?为什么在这样的时期推出大数据微应用实验室?带着这些问题,数据猿记者采访了蓝灯数据董事长周强。
-
电商企业如何做好经营数据分析?
电商是一个伴随数据而生的行业,数据在电商平台上高速运转,由此也诞生了非常多的电商信息化平台,有物流系统、供应链系统、OA系统、流量分析平台等,由此,各平台产生的数据都被分散在各个系统中,无法发挥出数据的价值。时至今日,数据统一存放在一个平台上,通过数据分析挖掘其中的价值,将对业务产生有效指导。
-
关于“数据可视化思考者”的8条军规
经常在网络上看到这样的问题:“从零开始学习数据可视化,需要怎么开始?”《Data at Work》一书的作者Jorge Camoes在一次演讲中,提出了“数据可视化思考者”这一概念,并分享了他的12个想法。我们从中选取了最具价值的8个,进行了编译。
-
梦想与前行:一名数据人的自白(上)
大数据变化的只是数据的存储和技术处理环节,对于商业,最终比拼的还是产品创新和商务运营能力,如何让数据实打实的产生价值,简单粗暴回馈商业,愿与各位一同探索,迎接数据行业真正的春天。
-
梦想与前行:一名数据人的自白(下)
任何一个概念的发展都是经历了从兴起,到炒作,再到回落的循环,能否再次崛起,得看“财报业绩”的检验—数据的价值是被高估还是低估。在践行数据价值的这条道路上,每个数据人都在用自己的方式积极备考。
-
数据领域最强编程语言Python和R要合作了!
是的,你没有看错,数据科学领域从业者最离不开的两大编程语言,当红炸子鸡 Python 和“过气网红”R 真的要展开合作了。近日,URSA 实验室宣布,R 和 Python 正携手合作,旨在让使用不同编程语言的数据科学家能够更轻松地协作,避免不同语言开发人员的过多重复工作,这或许会成为今年最雄心勃勃的交叉事件。有网友对这次合作发表评论道:“这个真的蛮历史性时刻的”,不过也有网友调侃“两个最慢的语言正在合作”,你怎么看?