数据分析

提到新增用户、用户活跃度、停留时长、常用功能或者各渠道转化率等等，都是很重要的用户行为数据，这些数据告诉我们，用户是谁？从哪里来？在网站/App 干了什么？这些数据，应该成为数据分析的基础数据，我们可以基于这些行为数据去做更深度的分析。因为它们只能告诉你网站的大概情况，但是通常不太能很好地指导你工作。

本文主要围绕工作业务场景进行梳理，以做学问的三重境界为切入，梳理数据应用分析的过程和方法。

数据分析团队如何给自己找活干?

这篇文章就从整体框架出发，介绍一下数据分析的三大层次。包括对数据分析的整体理解和认识，做数据分析的科学方法，以及数据分析相关的工具介绍。

定义合适的可视化图形，可以说是最为关键的。

我们介绍几种重要的数据分析工具。

什么是数据科学？它和已有的信息科学、统计学、机器学习等学科有什么不同？

指标的解读，包括日常看数，目标的达成情况监控，异常问题定位等等。指标对业务的执行进行好坏衡量或是建议指导，最关键就是指标的解读。指标的解读，并不等同于汇报指标的值+同比环比，更多的是需要反馈指标背后的业务问题或者流程问题，对于业务操作能有问题的发现和解决问题的建议。

MySQL所使用的 SQL 语言是用于访问数据库的最常用标准化语言。一个小时学会MySQL数据库。

2021网易可视化大赛，面向全球数据爱好者发起赛事，旨在让数据爱好者快速成长，拥有更广阔、更长远的发展空间，推动业内更多BI大师涌现。网易有数希望以此为起步，真正实现“人人用数据，天天用数据”，发挥数据的价值和力量。

随着运营种类的增多，针对不同的运营模块，对应的数据分析方法也不相同。那么，怎么通过精细化的数据分析使流量运营、用户运营、产品运营、内容运营的运营效果实现指数级增长呢？

大数据分析是指对规模巨大的数据进行分析。大数据可以概括为5个V， 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值（Value）、真实性（Veracity）。

创业公司如何搭建数据仓库？

数据可视化分析软件能打破数据孤岛，综合线上线下数据，统一数据分析口径，实现高效智能的数据可视化分析。

本文将重点探讨数据采集层中的ELK日志系统。