数据建模

Weibull分布可以对右偏斜数据、左偏斜数据或对称数据建模。因此，分布可用来评估不同应用（包括真空管、电容器、滚珠轴承、继电器和材料强度）的可靠性。Weibull分布还可以对递增、递减或固定故障函数建模，并允许使用该模型描述项目寿命的任何阶段。

下面是我们的一个案例，从中你会体会到建模的复杂性和不确定性，从而知道为什么我要否决大多数的建模需求。

入门数据挖掘，必须理论结合实践。本文梳理了数据挖掘知识体系，帮助大家了解和提升在实际场景中的数据分析、特征工程、建模调参和模型融合等技能。

数据分析师必备的数据仓库相关知识及常见认识误区。

今天就以案例的形式跟大家聊聊团队数据建模师OKR的设置经历，希望于大家有所启示。

遵守好这五大准则，不愁做不好大数据建模。

傅一平：建模的世界没有银弹！

为什么我们要对员工离职进行预测，因为它会帮助公司减少员工离职成本的消耗。

今天从实践应用的角度重新梳理一下“数据挖掘”，让您能够抛开概念了解本质！

虽然自己从事数据工作15年之久，但近几年大数据的工作对于自己的心态影响还是蛮大的，即使听取的东西只有5%是新的，还是能集中精力，把这5%大家讲的、PPT里面说得好的东西抠出来，然后发给团队学习。

在这个大数据时代，无论是企业还是个人，必须找到那些你自己做，比市场更高效的事情，建筑你的核心竞争力，而把那些你做的其实一般的事情，尽快扔回给市场，要有所为而有所不为。

6 月 13 日，Tableau 公司宣布其收购 Empirical Systems 的消息。 Empirical Systems 是一家领先的人工智能初创公司，诞生于麻省理工学院概率计算实验室（Probabilistic Computing Project）。

我们常说孩子不要输在起跑线上，其实数据从业者的真正起跑线，是从你踏上工作岗位那一刻才开始的，一方面是大学还没做好培养大数据人才的准备，另一方面大学缺乏大数据人才成长的数据环境，一切都需要从头开始。

数据挖掘是发现规律的一种手段，但在很多传统企业里数据挖掘有点像奢侈品，因为数据挖掘的过程一般较长，总体来讲性价比不是那么高，规则取数往往成为了企业数据驱动业务的主流。

知其所以然是我们干成事，干好事，能够触类旁通的一般原则，当算法的黑箱子问题越加严重的时候，我们越要多问一个为什么。