数据挖掘

本文整理了文本分类的基本方法和处理流程，进行了综述性介绍。

在产品成熟时期，产品的用户群规模和营收业绩稳定增长，提高用户忠诚，增强用户体验是这个时期的重要举措，准确及时地了解用户对产品的反馈，并以此制定针对性的改善方案，提供差异化的业务运营。 此处具体涉及用户细分和用户体验两个部分。用户细分即是将特征相似的用户归到同一个组，并对各个群进行特征刻画及分析。用户体验则是要量化现实的产品质量与用户期望之间的差距。 首先要对…

大数据时代到来，如何从数据中提取、挖掘对业务发展有价值的、潜在的知识，为决策层的提供有力依据，为产品或服务发展方向起到积极作用，有力推动企业管理的精益化，对于每个企业都意义重大，而这些工作，大多需要数据分析师才能完成，但如何才能成为一个合格的数据分析师呢？

免费学习数据挖掘，有一大波福利在等你~~~

数据科学领域的相关技术，近两年发展迅猛。有时仅凭个人的经验很难解决一些问题。互联网上遍布各类文章和资源，在学习时应该集万家之长，注重实践，并善于总结。同上面各博客的博主一样为知识的开源做一份贡献，让知识广为传播。

“Young man, in mathematics you don’t understand things. You just get used to them.”

学习Machine Learning也有很长一段时间了，好好整理下自己的学习资料。

显然，如何降低企业的经营风险，如何及时正确获取企业完整的信息，如何使企业管理策略得到贯彻与保障以及如何建立科学的评价分析体系是决策者们最关心的问题。

精准营销需要解决的问题是：哪些用户是某个产品或者营销活动的目标用户?或者是每个用户最适合推荐什么产品?前者是找目标用户，后者是为用户推荐产品，两者是类似的。

对大数据感兴趣的你想必一定知道决策树这个名词吧，是不是也听说过其中各种复杂的组合算法呢？不过，在实际业务中，复杂的算法一定优于简单的算法吗？No……如果你觉得自己认识得还不够深入、全面，或者还缺乏实践的机会，请仔细阅读这篇专业长文。

如果把我在数据分析的经验划分的话，刚好也就是我所经历的两次创业阶段，第一阶段是“第三方数据分析”，第二阶段是“第一方数据分析”。所以今天咱们就来漫谈下第三方到第一方数据分析。

我们往往都是有问题找数据，大数据时代则不同，其最核心的特质是“用数据找机会”。从“看”到“用”，再从“用”到“养”，运营数据本身就是一个复杂的过程。

基于大数据技术能带来哪些新的应用类型，进而为客户带来新的价值增长点？要回答这个问题，有关数据挖掘方面的讨论是一个不可回避的，但是数据挖掘，在应用层面引起的争议也是非常大的。

当产品的订购或下载明显上升，需求量逐步扩大，营收业绩稳定增长，那么产品将进入发展时期。这时，产品经理应重点关注和考虑用户和产品之间的关系，了解哪些产品是经常被一起购买的，购买与不购买某类产品的用户特征又是怎样的。 通过挖掘产品横向之间的关联关系，分析出不同产品之间的内在共性，产品经理可以根据研究结果设计出针对性的产品组合，以此促进产品的订购和使用，为业务交叉…

大数据时代已经到来，每个企业都开始忙着数据挖掘，忙着数据分析，忙着构建各种算法模型。但为什么你无法引发“技术红颜”式的蝴蝶效应?为什么你眼中对用户的“精准推荐”，成了Ta备感厌烦的“精准骚扰”?