Dec 15 漏斗思维 这种思维方式已经普及：注册转化、购买流程、销售管道、浏览路径等，太多的分析场景中，能找到这种思维的影子。但是，看上去越是普世越是容易理解的模型，它的应用越得谨慎和小心。在漏斗思维当中，尤其要注意漏斗的长度。漏斗从哪里开始到哪里结束？漏斗的环... 查看详情>>
Dec 15 数据库的类型 目前数据库主要分为两种类型：一、关系数据库关系型数据库，存储的格式可以直观地反映实体间的关系。关系型数据库和常见的表格比较相似，关系型数据库中表与表之间是有很多复杂的关联关系的。 常见的关系型数据库有Mysql，SqlServer等。在轻量... 查看详情>>
Dec 15 什么是虚拟仓库 虚拟仓库是操作数据库上视图的集合。为了有效地处理查询，只有一些可能的汇总视图被物化。虚拟仓库易于建立，但需要操作数据库服务器具有剩余能力。自顶向下开发企业仓库是一种系统的解决方法，并能最大限度地减少集成问题。然而，它费用高，需要长时间开发，... 查看详情>>
Dec 15 矩阵思维 矩阵思维是分类思维的发展，它不再局限于用量化指标来进行分类。许多时候，我们没有数据做为支持，只能通过经验做主管的推断时，是可以把某些重要因素组合成矩阵，大致定义出好坏的方向，然后进行分析。大家可以百度经典的管理分析方法“波士顿矩阵”模型。来... 查看详情>>
Dec 15 什么是数据库 数据库是存放数据的仓库。它的存储空间很大，可以存放百万条、千万条、上亿条数据。但是数据库并不是随意地将数据进行存放，是有一定的规则的，否则查询的效率会很低。当今世界是一个充满着数据的互联网世界，充斥着大量的数据。即这个互联网世界就是数据世界... 查看详情>>
Dec 15 什么是元数据存储 元数据是关于数据的数据。在数据仓库中，元数据是定义仓库对象的数据。对于给定数据仓库的数据名和定义，创建元数据。其它元数据包括对提取数据添加的时间标签、提取数据的源、被数据清理或集成处理添加的字段等。元数据的存储应当包括：1.数据仓库结构的描... 查看详情>>
Dec 15 分类思维 客户分群、产品归类、市场分级、绩效评价...许多事情都需要有分类的思维。主管拍脑袋也可以分类，通过机器学习算法也可以分类，那么许多人就模糊了，到底分类思维怎么应用呢？关键点在于，分类后的事物，需要在核心指标上能拉开距离！也就是说分类后的结果... 查看详情>>
Dec 15 善于提问 提出一个好问题是成功的一半。如果我们想寻求他人的帮助，那么提问前很有必要先做到以下这些事情：1. 弄明白自己遇到的真正问题，梳理清楚2. 尝试上网搜索，尝试查询手册或者去专门的社区查看帖子3. 自己动手尝试过解决问题以下是几个错误的问题示范... 查看详情>>
Dec 15 数据清理之遗漏值 填补遗漏值的方法：1.忽略元组：当类标号缺少时通常这样做（假定挖掘任务涉及分类或描述）。除非元组有多个属性缺少值，否则该方法不是很有效。当每个属性缺少值的百分比很高时，它的性能非常差。2. 人工填写遗漏值：一般地说，该方法很费时，并且当数据... 查看详情>>
Dec 15 Python生成器 在 Python 中，使用了 yield 的函数被称为生成器（generator）。跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。在调用生成器运行的过程中，每次遇到 yield 时函数... 查看详情>>
Dec 15 善于排查问题 我们每个人都必不可免与「问题/故障」打交道，善于排查问题是个非常有用的技能。来看个例子：小明放学回家，无法进入自家大门于是他打电话给父亲。小明：爸，我进不去家门，门打不开。父亲：怎么打不开？小明：不知道，就是推不开。父亲：锁坏了？还是家里反... 查看详情>>
Dec 15 数据处理之噪音数据 噪音是测量变量的随机错误或偏差，去掉噪音才能让数据整体更平滑，方法如下：1.分箱：分箱方法通过考察“邻居”（即，周围的值）来平滑存储数据的值。存储的值被分布到一些“桶”或箱中。由于分箱方法导致值相邻，因此它进行局部平滑。2.聚类：局外者可以... 查看详情>>
Dec 15 Python迭代器 迭代是Python最强大的功能之一，是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。迭代器有两个基本的方法：iter() 和 next... 查看详情>>
Dec 15 善用检索 浏览器能解决我们百分之八十的常见问题。互联网是规模庞大的信息库，各种类别的信息都可以在上面检索到，学习过程中遇到任何问题，都可以试着自己在网上检索看看。除了直接搜索外，也可以专门去技术博客、技术社区去寻求帮助。检索前你需要做好一件事——把自... 查看详情>>
Dec 15 什么是数据变换 数据变换将数据转换成适合于挖掘的形式。数据变换可能涉及如下内容:平滑：去掉数据中的噪音。这种技术包括分箱、聚类和回归。聚集：对数据进行汇总和聚集。例如，可以聚集日销售数据，计算月和年销售额。通常，这一步用来为多粒度数据分析构造数据方。数据泛... 查看详情>>
Dec 15 import 与 from...import 在 python 用 import 或者 from...import 来导入相应的模块。将整个模块(somemodule)导入，格式为： import somemodule从某个模块中导入某个函数,格式为： from somemodule ... 查看详情>>
Dec 15 重视逻辑 「逻辑」是关于思维的形式和规律的科学，是技术领域的框架基础与通行原则。只要底层逻辑正确，那么即使是再简单的逻辑也可以构建出一座宏伟的大厦。例如，从1+1=2可以推算出10000+10000=20000. 编程正是对逻辑的极致应用。凡是语言能... 查看详情>>
Dec 15 数据归约有哪些策略 数据归约的策略如下：1. 数据方聚集：聚集操作用于数据方中的数据。2. 维归约：可以检测并删除不相关、弱相关或冗余的属性或维。3. 数据压缩：使用编码机制压缩数据集。4. 数值压缩：用替代的、较小的数据表示替换或估计数据，如参数模型（只需要... 查看详情>>
Dec 15 Python中的注释 Python中单行注释以 # 开头，实例如下：实例(Python 3.0+)#!/usr/bin/python3 # 第一个注释print ("Hello, Python!") # 第二个注释执行以上代码，输出结果为：H... 查看详情>>
Dec 15 为应用而学 信息技术的发展极大地促进了其他行业的发展变革，企业愈发需要具备良好技术素养且专业能力过硬的人才。目前高校的教育，日益重视学生相关能力的培养与提升。对于非技术相关背景的学生而言，需要竖立正确的学习观念。以编程为例，编程是一个体系宏大、内容繁杂... 查看详情>>
