KPMG大数据挖掘专栏
-
数据技术的进步与零售业的发展
本文选取了3个现代零售业发展进程中重要的变革节点,回顾数据技术的进步是如何引领零售业变革的。
-
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。
-
论文季,Python带你起个飞
毕业季到了,相信还有不少同学奋战在论文一线。作为过来人,笔者怀着学以致用的目的和回馈社会的决心,终于是写出了这篇《论文季,Python带你起个飞》之(一)……
-
如何提高数据质量?
大数据时代带来了海量、多样、非结构化的数据,我们得以进行更加广泛且深入的分析,但这必须建立在高质量的数据上才有意义。本期以企业级的视角,介绍数据质量的评价、提升与监控。
-
数据模型——数据仓库的灵魂
随着数据量的爆炸式增长,数据仓库或数据平台已经是每家企业或机构不可缺少的工具,而数据模型正是数据仓库的灵魂。本期详细介绍数据模型的概念、分类和应用,相信你一定有兴趣~
-
银行客户信用评分及实现
当今社会,“信用”越来越受到人们的重视,不论是个人还是企业,都期望获得尽可能高的信用评分,以享受到更多的授信额度、更优惠的利率等。那么,银行究竟是如何对客户进行信用评分的呢?就让我们通过本期的文章一起了解一下吧。
-
聊聊有关数据的一些基本概念和常见误区(下)
如果说前四组比较偏纯概念的话,那么我们接下来就从实实在在的系统平台开始吧。
-
聊聊有关数据的一些基本概念和常见误区(上)
大数据一直是大家谈论的热点,但是对其中的一些基本概念,例如:数据源、数据元、元数据等等,大家是否觉得容易混淆、不易区分清楚呢?
-
浅谈以史为鉴与数据分析应用
数据分析是一种手段,要服务于既定的业务目标才有意义,而且还要配有恰当的执行策略以及合理可行的执行方案。
-
小谈关联规则的指标应用
作为产品推荐中最常用的算法之一,你对关联规则知道多少呢?本文从概念和基本指标说起,向你介绍一些指标应用的方法。
-
如何利用数据仓库优化数据分析?
在整个数据分析流程中,数据处理的时间往往要占据70%以上!这个数字有没有让你震惊呢?为了提高分析效率和质量,借用数据仓库进行数据分析是一个很好的选择,详细的工作方法本文都有所介绍。
-
数据模型多了,应该怎么管?
没有数据分析和建模能力,肯定难以提升业务;然而,如果模型泛滥、没有得到有效的统筹管理,其提升度恐怕也非常有限,还可能制造各种混乱。为了解决这样的问题,“模型工厂”的概念已经诞生,帮你解决模型冗杂的困境。
-
工资挖掘:用分位数回归看你的工资水平
今天我们再来用分位数回归做一下工资挖掘,它与均值回归和众数回归相比也有自己的独到之处。
-
数据分析,如何生成你需要的基础数据?
掌握一些生成基础数据的方法也非常重要。本期文章,我们以医疗场景为例,手把手教你生成基础数据。
-
舆情管理系统:数据分析帮你掌握话语权
在信息化时代,网络舆情对于企业来说如一柄时刻悬在头顶的达摩克利斯之剑。