做数据可视化分析时,会出现两个极端,一是不管什么需求,用表格干就完了。再者就是追求炫酷的可视化效果,堆叠各种“高端”的可视化图表,用户看不懂,华而不实。基于实际的分析需求以及要表达的信息内容,选择最匹配的图表形式,才能可视化得恰到好处。每种图表能够承载的数据格式以及反映的数据信息各不相同,这一次主要想分享瀑布图的用法,不管以后是做定制化的可视化页面开发,还是做自助BI图表类型的扩展,都会有所帮助。
学习可视化的时候我觉得光学会怎么画图没什么意义,还是要想明白可视化是为什么需求服务的。于是我琢磨了一下之前作业的企业财务数据源。
大家好,今天给大家隆重介绍一下我的朋友俊欣,目前就职于魔都的一家互联网初创公司,有着丰富地海外留学经验,并且还去过20多个国家游学、旅游,而他的公众号:关于数据分析与可视化,已经累积了120+篇的原创,有关于数据分析与可视化方向的,也有Python入门实战方向的。 关注公众号:关于数据分析与可视化 后台回复【资料】可以获取众多Python学习资料 学习资料的分享 在俊欣的百宝箱当中集结了各式各样的学习资料,有Python零基础教学的内容、机器学习与深度学习的内容以及Python测试开发等等 资料
故事的开头是,昨天#5000亿资产是什么水平#上了热搜,因为赌王的离去,他的家产公布激起各种白日梦想家的诞生,坐我旁边的小师妹也算了半天要是放余额宝一天得多少钱
两年前正值Wannacry爆发不久,笔者发表了《“数”说Wannacry的比特币钱包》一文,受到很多小伙伴的关注。文章从比特币基本特性、交易数据采集、交易记录分析、资金流可视化等多个方面介绍了Wannacry事件所涉及的三个比特币账户。由于“涉案”账户并未转移“赃款”,所以当时只分析了资金的来源,并没有就去向开展研究。
【导语】:今天我们来聊聊粽子,Python分析部分请看第三部分。公众号后台,回复关键字“粽子”获取完整数据。
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理的分析模式中,RFM模型是被广泛提到的。该数据模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。
“近年来,数字货币发展迅速却又蒙着神秘面纱。连菜市场的大妈大爷也能唠一唠的区块链、比特币、以太坊,你又了解多少呢?法定货币与数字货币存在怎么样的关系?数字货币的交易网络如何用可视化手法巧妙呈现?DT君上周请到了数据侠周宁奕,他用数据分析及可视化,带领大家了解了数字交易市场背后的那些事儿。本文为嘉宾的直播实录整理,感兴趣的朋友不要错过哦~
一个咨询公司的朋友,公司主要是给一些偏传统企业做数字化转型的战略咨询及产品落地,涉及的行业非常广泛,包括制造业、零售业、保险行业等等。前段时间找我帮忙,给看一下他们客户现在的销售管理数据产品设计的主要问题,给些优化建议。简单分享下思考的过程。
目前,OpenAI官方网站已经开启了GPT4 API接口的调用。也就是说,现在不仅仅个人或者企业可以用到GPT3.5接口,而且也可以不用申请就可以用到GPT4模型了。
随着自热食品越来越备受消费者的追捧,各种自热小火锅、自热米饭也成了妥妥的网红食品。我们今天就来聊一聊自热食品。
丨导语丨 我们都知道,数据可视化,直接对接的是数据,准确来说应该是加工好的指标数据。本文,我将结合之前的工作场景分享有关我是如何理解“指标”这个话题。 指标的定义 用一句话概括就是:用来准确描述某个业务场景的一个值。以下是各大百科的总结,供大家参考👇 指标(统计学) 指标是说明总体数量特征的概念及其数值的综合,故又称为综合指标。在实际的统计工作和统计理论研究中,往往直接将说明总体数量特征的概念称为指标。 指标(汉字) 指标的意思是衡量目标的参数;预期中打算达到的指数、规格、标准,一般用数据表示。出自郭
声明:本文仅代表原作者观点,仅用于SAP软件的应用与学习,不代表SAP公司。注:文中所示截图来源SAP软件,相应著作权归SAP所有。
一年半以前,一篇《真正的商业图表可视化之道布道篇》,刷新了很多人对作图的认识。 一年半过去了,PowerBI都进化成这样了,而不变的东西继续保持不变,对《真正的商业图表可视化之道-布道篇》无需任何调整,依然还是那样。 强烈推荐用PowerBI或Excel作图的战友们了解该文:《真正的商业图表可视化之道-布道篇》。
数据可视化专家每天都在数据设计的世界里创造惊人的东西,数据可视化是在许多不同领域的重要工具。为了纪念所有艺术家和设计师在世界各地进行惊人的数据可视化,这里收集了2018年最有趣的数据可视化案例。
首先,看其有无负面消息。在各大搜素引擎中搜索该公司的名字,如果出现“骗子”、“骗人”等负面性词汇时,则表明该公司对外的口碑并不好。反之,如果没有任何负面消息出现,该公司则可以列入你的选择范围内。
记得自己在去年的时候私信问了一些朋友关于DBA核心价值和最重要的能力的问题,听到了很多不同角度的思考和反馈,今天整理了下,时隔半年,也算是完成了一件心头的事情。
北极星指标的标准:核心价值体现、反应用户活跃度、反应经营状况、易理解易沟通。具备目标指导性
大数据文摘作品,转载要求见文末 原作者 | Bill Shander 编译团队 | Aileen,蒋晔,刘小楚,姚佳灵 引言 几十年来,在数据可视化实践上进行了大量研究,包括在当今学术界和商界中进行的一系列新研究。 但是对从事这些工作的从业者自身还没有什么研究: 什么人在做数据可视化? 在哪些组织和这些组织内的哪些部门有这些专业工作? 他们在做什么类型的数据可视化,以及出于什么目的? 他们的工作是否有影响力?如果是,有什么类型的影响? 为什么其中一些人比其他人有更大的影响力——也即,什么使得他们在其工作上
某连锁门店的区域经理助理小朱为当前区域门店创建了多个重要指标看板,但无论是区域经理还是店长,因为日常工作太忙,经常没空细看所有数据看板。小朱希望对于重要指标,特别是有异常的重要指标,可以单独预警。
该数据包含了78周的购买历史。该数据文件中的每条记录包括四个字段。客户的ID(从1到2357不等),交易日期,购买的书籍数量,以及价值。我们被要求建立一个模型来预测消费者每周的购买频率、书籍的购买单位和购买价值。
我们团队是做数据科学咨询的(data analytics consulting),我们一般会跟客户说:“我们帮你做个“人工智能”模型(其实只是简单的预测模型),一年可以给你省xxx多少钱,增长xxx用户。”当然,我们会把这种项目包装为科技转型(technology transformation),告诉客户不升级你就要被时代抛弃了,好让他们买单。这种项目一直都很好卖,尤其是2017年前。各大咨询公司的套路都差不多,从学校拉几个毕业的硕博生,做好PPT(一般咨询公司的PPT中有一页是介绍团队),“编”几个成功案例,去了一般都能顺利把案子签下来。但说到底就是做几个简单的模型(一般就是逻辑回归、决策树和一些传统的统计模型),而这种三四个月左右的项目往往能要到100万美金(大概是4-6个咨询师的钱),显然利润是很丰厚的。那时客户非常依赖我们的专业,因为它们内部的确没有这个方向的人才。而且当新概念起来的时候,每个公司都想尝尝鲜。但从17年后大部分(包括传统行业比如连锁超市、加油站)都基本有了自己的数据团队,他们不再那么相信我们包装的很好的预测模型了。原因很简单:一是大部分咨询产品的质量不高,二是与其付钱给外人还不如自己组建团队(人力成本其实在逐渐下降)。
协作障碍是业务应用开发项目的时间线中,最终结果的主要贡献者从业务设计团队到软件开发人员转移的一个时刻。
昨天浏览 Kubectl 插件的时候发现了 Kubecost,一看惊为天人啊,这个功能对于运营团队和 PM 团队领导来说太重要了。直接把监控数据换算成钱,而且明确告诉你钱花在哪个 namespace、哪个应用、哪个标签、哪个 deployment下,明确告诉你那些钱花得值、哪些钱浪费了,有哪些办法可以减少浪费… 真的都是实打实的「降本」功能。
想象一下,在没有财务预测的情况下经营企业,甚至不知道银行剩下多少钱。您怎么知道您是在巨大的现金缓冲中游泳还是由于资金不足而需要跳过客户午餐?如果不注意自己的财务状况,根本就不可能开展健康的业务。同样,如果不观察您的计算基础架构,就不可能保持应用程序运行正常。
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的。
客座文章最初由Elastisys高级云架构师Cristian Klein在Elastisys博客[1]上发表
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,将它们加以汇总和理解并消化,以求最大化地开发数据的功能,发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
一直以来,我们会在项目中,使用 APM 去监控应用的状况,分析性能等,这些工具很有效,而且不侵入业务,不需要埋点。 然而,有些需求,是 APM 的监控满足不了的,比如 *应用业务指标 *。 监控模式 目前,采集指标有两种方式,一种是『推』,另一种就是『拉』: 推的代表有 ElasticSearch,InfluxDB,OpenTSDB 等,需要你从程序中将指标使用 TCP,UDP 等方式推送至相关监控应用,只是使用 TCP 的话,一旦监控应用挂掉或存在瓶颈,容易对应用本身产生影响,而使用 UDP 的话,虽然
因为客户最希望看到的是直观的成本缩减。 2017年7月9日,由镁客网、振威集团联合主办的“3E‘硬纪元’AI+产业应用创新峰会”在北京国家会议中心盛大开幕。现场200位来自全球AI行业的顶级专家、知名创投机构、创业公司团队和知名媒体齐聚一堂,共谋AI+行业的创新应用,探讨AI的当下与未来。 来自图森未来创始人兼CEO的陈默,在峰会期间进行了主题为《人工智能技术的商业化之路?》的演讲。他表示,人工智能技术的商业化应该优先从B端的服务做起,尤其是替代人力的应用。在企业方面,基于技术或产品辅助所提高的效率是难以估
本文是「信用风险建模 in Python」系列的第一篇,其实在之前的 Cufflinks 那篇已经埋下了信用风险的伏笔,
我们知道软件开发过程中第一步就是进行需求分析,但是很多人认为需求没有什么可以分析的,客户想要什么我们就给他做什么。举个具体实例,客户想看一下杭州地区的专利情况,面对这个需求很多人会觉得很简单,直接从数据库中查询杭州地区所有专利不就可以了吗?答案显然不是这么简单的。我们需要从5W(Who、When、Where、What、Why)、1H(How)和8C(8个约束,即Constraints,包括性能Performance、成本Cost、时间Time、可靠性Reliability、安全性Security、合规性Compliance、技术性Technology以及兼容性Compatibility)这三个方面进行深入分析。
作者 杨琳桦 这可能是我听过对大数据最逻辑清晰和实用的一段案例阐述了,来自 Simon Zhang,LinkedIn Business Analytics 部门资深总监。 特别介绍一下:Simon 原是国内脑肿瘤医生,但“觉得一个人真正要想有追求,还是应该做自己喜欢的事”,于是 12 年前到美国,因个人爱好是计算机,就从医生转到了计算机行业。 四年半前,Simon 曾独自一人支持公司 200 多个销售;现在,他 80 人部门支持 LinkedIn 近 5000 多员工。该部门实际上负责所有和收入有关的
在分析方法的指导下才能知道如何使用工具(Excel、SQL或者Python等)去分析数据,解决业务问题。 常用的分析方法
源自|新据点 微信号|xinjudian001 G2 Growd, 一家美国智能软件评价公司,在发布的最新软件排行榜中,Tableau Desktop获得了智能软件排行榜中最高的评分。 Tableau
对于数据分析工具,我们通过会有一个疑问,在众多的数据分析工具中,到底有什么区别,哪一个更好,我又应该学习哪一个呢?
2018年8月初,有网友在“水木论坛”发帖控诉长租公寓加价抢房引起关注。据说,一名业主打算出租自己位于天通苑的三居室,预期租金7500元/月,结果被二方中介互相抬价,硬生生抬到了10800。
从前人们有一种刻板印象——大语言模型里好用的,基本上都是闭源模型。而前些日子,Meta推出了Llama3后,你可能已经从中感受到现在开源模型日益增长的威力。当时我也写了几篇文章来介绍这个系列模型,例如这一篇《如何免费用 Llama3 70B 帮你做数据分析与可视化》,很受欢迎。
教学楼的某间教室忘了熄灯,夜间巡视人员可以通过手机远程控制关闭;学生请病假出校,校医的批假信息能直接在系统上同步给门卫确认……在深圳市外国语学校龙华学校,学校借助银校通项目三期建设,将智慧物联技术落地到教育场景,让物理校园与数字校园互联互通,实现学生考勤、消费等校园生活的智能化应用。 据了解,银校通项目由深圳市龙华区教育局、深圳农行与腾讯教育联手打造,依托大数据、物联网、人工智能等技术,旨在实现多校园、多场景的统一平台管理,提升龙华区教育信息化管理水平。目前,项目已在深圳市龙华高级中学教育集团、深圳市外国语
总有人在后台问我,如今 TensorFlow 和 PyTorch 两个深度学习框架,哪个更流行? 就这么说吧,今年面试的实习生,问到常用的深度学习框架时,他们清一色的选择了「PyTorch」。 这并不难理解,这两年,PyTorch 框架凭借着对初学者的友好性、灵活性,发展迅猛,几乎占据了深度学习领域的半壁江山。比起 TF 的框架环境配置不兼容,和 Keras 由于高度封装造成的不灵活,PyTorch 无论是在学术圈还是工业界,都相当占优势。不夸张地说,掌握了 PyTorch ,就相当于走上了深度学习、机器学
7 月 22 - 23 日,在中国科学技术协会、中国科学院的指导下,由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的 2017 中国人工智能大会(CCAI 2
从PC时代到移动互联网时代,社群媒体平台的需求一直都存在,从QQ到微信,我们在这些平台上撰写了多少文章、挥洒了多少青春岁月,同时也被把隐私卖给了平台、注意力也被广告所攫获? 不知你是否曾经想过,自己在社群媒体平台上发布的内容(文章、相片、影片)能值多少钱呢? 猜他这一篇文章值多少钱? 下面是一名中国网友的案例,他最近投资失利,难过地在Steemit上写了篇文章抒发心情,引发了大家的共鸣,你猜猜他这一篇文章值多少钱? 看到下面红色框框的地方,左边的数字$80.22,代表这篇文章价值多少Steem,右边的数
大数据文摘作品 编译:张南星、卫青、钱天培 究竟什么样的AI人才能被微软这样的巨头聘用呢? 是不是要码力超群,上来就能徒手写个AlphaGo呢?还是要眼光毒辣,当场就能构想出未来20年AI发展前景呢? 当然不是! 今天,文摘君就淘来了几道微软AI 面试题,同时给出了最基本的解答。(注意是最基本解答哦,欢迎在文末留言给出你认为更好的答案。) 神秘的微软AI面试题,其实非常平易近人。一起来答答看! 合并k个数列(比如k=2)数列并进行排序 代码如上。最简单的方法当然就是冒泡排序法啦。虽然不是最有效的,但却容易描
译者 | 阿尔法计算生(个人微信:ixci001) 摘要 卷积神经网络使计算机视觉领域发生了革命性的变化。本文探讨了CNNs的一个典型应用:利用卷积网络来预测股票价格的变动,即利用卷积网络来预测过去价
本文介绍了金融大数据在金融风控、精准营销和增值业务中的应用,并探讨了金融大数据平台的发展趋势。
关于指标体系构建的方法论非常多,基于实际业务场景加上方法指导都可以照猫画虎地构建出自己的指标体系。但光有了所谓的指标体系不是终极目标,想要更加高效的数据驱动决策、数据赋能业务运营,指标好坏的评价标准是必不可少的要素。
数据可视化,是关于数据视觉表现形式的科学技术研究。其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽提出来的信息,包括相应信息单位的各种属性和变量。这个是百科上对“数据可视化”的定义,有点晦涩
疫情之下,在线办公突然火热,很多人都大呼小叫看到了新机遇。但是看到机遇就能抓住机遇吗,本文带大家分析远程办公这个需求。
领取专属 10元无门槛券
手把手带您无忧上云