数据只是数据分析的素材,数据分析则是一个系统工作。就像我们想做一个大盘鸡招待客人,光从菜市场买一只冰鲜鸡回来是远远不够的,还得:
相当多的情况是:这帮人不是真想分析问题,而是变着法地证明自己做得好!而恰恰这一个“好”字,难倒了无数人。因为真想让数据分析师说一声“好”,至少得闯过八大关卡。
| 导语 在腾讯微视的数据分析中,为什么经常遇到“1+1不等于2”的情况?这个问题在很多业务场景非常普遍,我们经常听说A部门说,我为大盘增量贡献了100W的收入,B部门说,我贡献了200W,两个部门都没有说谎,但是大盘却只有250W的增长。这是为什么呢?本文将就这类问题详细讨论。 数据分析中,为什么1+1不等于2? 这个问题在很多业务场景非常普遍,我们经常听说A部门说,我为大盘增量贡献了100W的收入,B部门说,我贡献了200W,两个部门都没有说谎,但是大盘却只有250W的增长。 这是为什么呢? 先抛一张
本文通过分析某电商App投放渠道的用户特征,提出了一种优化投放策略的方法。通过对比不同渠道的投放效果,发现渠道A具有更高的用户转化率,并据此调整了投放策略,最终实现了整体投放ROI的提高。
随着互联网络技术的发展,网络直播受到越来越多人的关注,直播在经过几年前的喷涌式大爆发之后,近段时间热度有所降低。内容的同质化和变现困难是直播现在面临的主要问题,随着移动终端普及和网络的提速,短视频以短平快的大流量传播方式快速获得各大平台、粉丝和资本的青睐,所以众多直播软件开始接入短视频的功能。同时,一些以短视频为主发展起来的 app 也在软件中加入了直播功能,直播和短视频两者互相弥补不足,相辅相成,给用户带来了更好的使用体验,也给各大平台带来更多的流量,"直播 + 短视频"的模式已经也成为新的发展趋势。
本文分享的案例来自于工程机械行业。通过对有关键数据回传的核心部件开发健康状态巡检算法,对当前的设备状态接入大盘进行可视化的展示,并且数据接入报警系统进行可用性的监控,提供预测性维护可以为客户提供更准确的维修建议。本案例通过算法提取的数据提供给了运维人员做早期的预警决策,可以在大盘上展示可用性,由于算法部分下沉到了数据库,利用了数据库分布式的计算能力,数据计算延迟低,架构简单,降低了运维成本的同时提升了客户满意度。
2020年全球最大的黑天鹅事件——“新冠病毒”的爆发,对线下集中办公工模式产生了巨大的挑战。
相信很多数据分析师的脑海中都无数次冒出过这个念头:出去开一个数据分析公司吧,喏,就像他们: 房地产数据分析师 · 张先生:我要创业!开一家数据分析的公司,什么万科、万达、万通、万维网....都是我的客户!喂,什么?哦不好意思我不买房,等一下,那个...请问您需要数据分析吗?我们专注房地产数据分析,聚类分析、回归分析、决策...喂?喂? 零售业数据分析师 · 小王:老子不干了!老子要自己接活做,给楼下小卖部做数据分析! 互联网数据分析师 · 强强:我辞职了,开了一家公司,我们公司做流量分析、推荐系统,构建
阅读建议:本篇内容是在实战中总结出来的,篇幅较长,建议整段时间完整阅读,可以「关注」「收藏」,一定会让你有所收获。
作者:腾讯大数据 全文共 6212 字,阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 现实情况是连续的、复杂的、互相影响的,而数据抽象的过程,就是将这些复杂多变的现实情况简化为数字量,搭建数据模型,计算相关因子,推断事件归因,并推进自身改进优化。 由于现实的复杂性,我们作为产品、运营或者数据分析师,在实际问题处理时,就需要做归因分析,需要屏蔽其他因子的干扰,因此我们常常使用用户分群。 分群后,我们的用户群可能简化为: 在每一个分群下,我们可以简化地对比某个
掌握常用的数据分析方法论是培养数据分析思维的基础,俗话说“工欲善其事,必先利其器”,而数据分析方法论就是数据分析是最强大的武器之一。这一节会围绕数据分析常用分析方法展开,概括性地介绍数据分析师在日常工作中较为常用的数据分析方法论。
数字化转型的推进使得越来越多企业正面临前所未有的数据规模,随着商业竞争的日趋加剧,无论是外部的用户还是公司内部的决策已经无法依赖时效性不佳的离线数据分析,需要更实时的数据分析,甚至是对正在发生的交易数据进行分析,以支撑更加敏捷的商业决策。
说到基金股票,不仅仅是金融小白会一头雾水,就连资深股民都难逃买啥啥就跌的痛苦。近期数据侠实验室,DT君邀请到了Merkle高级数据分析师周秀丽、秦溱,自称金融小白的她们将会从大数据这一独特的角度带你走进股票和基金。
相信很多玩自媒体的朋友最头疼的就是源源不断的素材,下面这些网站如果对你有用的话建议尽快收藏,希望在你写文章上有所帮助。至于大家怎么用,就不用多说了吧!
本文首发于腾讯内部知识分享平台「乐问KM」、腾讯官方公众号「腾讯大讲堂」《短视频之数据分析:为什么1+1不等于2?》,作者日后创建个人公众号,以转载形式发布本文。
本文通过一次完整的项目经历,从业务数据的分析开始,到产品优化建议,再到通过机器学习进行进一步的处理进行了比较完成的提炼。 腾讯电脑管家作为一款目前最流行的pc端软件之一,如何提升市场份额同时提升用户体验是我们一直在探索和考虑的问题。业务数据分析方面主要是考虑产品优化的建议;机器学习方面,特征构造、模型选型、ABtest等都有比较充分的描述和说明。希望能够对大家在数据分析的工作能有一定的启发,如有不足之处还望大家多指教。
也许每家企业有自己的表述,但核心都是“如何利用数字技术和智能技术推动企业实现商业模式、企业文化、组织结构的转型”。数字化转型战略启动后,很多企业一是很兴奋,二是投入大量资金进行各种数字化技术相关的平台、系统的建设,期待平台或系统的建设完成后就可以带领企业实现数字化转型。
运营是什么 大家都说运营是互联网行业门槛最低的职位,无论你是什么行业的,要想进入互联网行业,可能大部分人都选择从运营做起。运营人是将产品连接到用户的中间渠道,如何实现有效、高效运营是每一个运营人一直思考的问题。 图片来源:网络|仅供参考 数据分析是什么 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。各项数据大盘是运营人们做决策分析的一大基础,现在市面上提供数据服务的公司可真不少,如何获取及时、准确的数据?如何分析这些数据?又如何有针对性地制定运营策略?相信你也和
本文通过一次完整的项目经历,从业务数据的分析开始,到产品优化建议,再到通过机器学习进行进一步的处理进行了比较完成的提炼。 腾讯电脑管家作为一款目前最流行的pc端软件之一,如何提升市场份额同时提升用户体验是我们一直在探索和考虑的问题。业务数据分析方面主要是考虑产品优化的建议;机器学习方面,特征构造、模型选型、ABtest等都有比较充分的描述和说明。希望能够对大家在数据分析的工作能有一定的启发,如有不足之处还望大家多指教。 腾讯电脑管家作为一款安全软件,目前在市场上拥有数量非常巨大的用户,并且承载着很多很多与用
本文通过一次完整的项目经历,从业务数据的分析开始,到产品优化建议,再到通过机器学习进行进一步的处理进行了比较完成的提炼。
阅读建议:本文偏干货类文章,对于从事数据分析同学,建议整段时间完整阅读;对于数据分析爱好者,可考虑直接阅读案例分析。
作者:刘健阁(Jiange Liu),PCG 数据分析师 实验设计 AB Test 实验一般有 2 个目的: 判断哪个更好:例如,有 2 个 UI 设计,究竟是 A 更好一些,还是 B 更好一些,我们需要实验判定 计算收益:例如,最近新上线了一个直播功能,那么直播功能究竟给平台带了来多少额外的 DAU,多少额外的使用时长,多少直播以外的视频观看时长等 我们一般比较熟知的是上述第 1 个目的,对于第 2 个目的,对于收益的量化,计算 ROI,往往对数据分析师和管理者非常重要。 对于一般的 ABTest 实验
本人目前从事零售行业的工作,工作中经常涉及到报表分析,比如进销存分析,货品结构分析、畅滞销分析、业绩分析。
“你做的分析,业务早知道了,怎么办?”是一个非常困扰数据分析师的问题。面试的时候遇到,会越觉得非常难回答。工作中遇到,气的想拍桌子骂娘。今天我们系统的来讲解一下,如何应对这个问题。
1、判断哪个更好:例如,有2个UI设计,究竟是A更好一些,还是B更好一些,我们需要实验判定
| 导语 一个产品模块或活动,多少人参与?很好回答。如果没有它,大盘DAU会影响多少?就不太好回答。这个就是“增量贡献”,增量贡献无法直接统计,但又是管理者最关心的话题,因为ROI很重要,要决定在哪里“投资”。下面就谈一谈增量贡献的量化,以及如果没有AB实验,怎么量化? 增长为什么要做量化 做增长产品的数据分析,和其他的数据分析,个人认为最大的特色在于量化,为什么要做量化?因为,做增长,是个强数据驱动的方法,要把有限的资源发挥出最大的价值,所以必须准确计算出每个Driver的ROI,才能更有效分配资源,做
1Why:Hermes为什么会诞生? 传统的关系型数据库,在大数据面前显得势单力薄,无论数据处理、数据分析上都力不从心。TDW(腾讯数据仓库,Tencent Data Warehouse)很好的解决了海量数据的离线处理分析。然而,很多应用场景往往要求在数秒内完成对几亿、几十亿甚至几百上千亿的数据分检索与分析,如营销人员需要对亿级需要对用户画像特征快速分析,确定营销目标群,实现快速精准营销分析,从而抢占市场先机;数据分析挖掘人员的多数数据分析行为是验证性的、是探索性的,需要在不断的调整验证假设、猜想的过程中,
答:需求方想干的(预期)和自己提的需求可能不匹配,这时候分析师就得站出来帮他修正。比如需求方想看新老版本的效果是否显著,需求单里面只列出了老版本实验组,和新版本实验组数据项,缺乏新老版本对照组数据项,这时候就得帮他修正。以上,需求方逻辑还挺清楚,更多时候需求方自己都没想明白要干啥,就让你跑数,美其名曰,先把数跑出来我看看……
同比: 与历史同时期比较,就是与不同年份(月份)的同一时期作比较,例如2005年7月份与2004年7月份相比,叫同比。
我是个抖音中毒者 闲来无事就喜欢刷抖音 最近刷到了一个Python工程师的工资条 然后我默默的打开看了 然后就默默的关闭了 如今Python技术由于大数据、人工智能的兴起 Python也越来越火 大家都纷纷学Python 我不能跟你确保说学完Python你就能拿高工资 但是你学完Python肯定有饭吃 说不定还能找到一个貌美如花的女朋友✌️ 我见过市面上很多的 Python 讲解教程和书籍,他们大都这样讲 Python 的: 先从 Python 的发展历史开始,介绍 Python 的基本语法规则,P
我见过市面上很多的 Python 讲解教程和书籍,他们大都这样讲 Python 的: 先从 Python 的发展历史开始,介绍 Python 的基本语法规则,Python 的 list, dict, tuple 等数据结构,然后再介绍字符串处理和正则表达式,介绍文件等 IO 操作,再介绍异常处理, 就这样一章一章往下说。 虽然这样的讲解很全面,但是单纯的理论说明经常很枯燥,让人越看越累,越累越不想看。 那么,有没有比这更好的方法呢? 01 让 6200 多人选择的编程专栏 因为我也有过那段「自学」Pyth
关于作者:我是水大人,资深潜水员,一个基于开发、面向分析、走向全栈的饱经摧残的数据新手,爱折腾不爱玩,爱总结爱思考的老兵,错了改改了又错的惯犯。
Python 全栈将是你升职加薪的硬通货。 我见过很多的 Python 讲解教程和书籍,它们大都这样讲 Python 的: 先从 Python 的发展历史开始,介绍 Python 的基本语法规则,Python 的 list, dict, tuple 等数据结构,然后再介绍字符串处理和正则表达式,介绍文件等 IO 操作,再介绍异常处理, 就这样一章一章往下说。 虽然这样的讲解很全面,但是单纯的理论说明经常很枯燥,让人越看越累,越累越不想看。 那么,有没有比这更好的方法呢? 因为我也有过那段「自学」Python
解决痛点:周报/月报是数据分析日常绕不开的工作内容,那么,如何输出更专业的报告?更好的支持业务,相信本文可以帮助到你。
而新兴国货谷雨,以77的得分位居第二,在冷酷的大环境下,逆势突围。由此,一面数据运用社媒数据、电商数据、消费者评论数据对谷雨的品牌增长特点进行解读。
数据科学家(Data scientist)的叫法来自国外,广义上它是对从事数据分析和数据挖掘从业人员的一个泛称,它只是一个头衔,并不是一个职位。狭义上,数据科学家一般是指行业里面的领军人物和顶尖科学人才,如百度前首席数据科学家吴恩达。 在人才市场上我们通常可以看到的是后三个职位(数据分析师、数据挖掘工程师、数据工程师),接下里我们就区分一下这几个职位的相同点和不同点。首先看下企业对这三个职位的要求和描述。 职位和能力 下面是阿里对这3个职位的要求和描述: 数据分析师 岗位描述: 1、独立负责业务数
听上去很高大上的大数据研发工程师/数仓仓库工程师,日常工作很多时候就是给产品/运营跑一下数据,他们要什么我们就提供什么,感觉枯燥且乏味。想请教一下,有没有什么更好的办法,既可以提高工作效率,又可以达到技能上的提升,最好能举几个例子。
解决痛点:本文为大家总结了,面试中常会问到的10道业务侧数据分析思路题,对于准备跳槽的你相信会有很大帮助。
“数据仓库(Data Warehouse)是一个面向主题的(Subject Oriented)、集成的(Integrated)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合,用于支持管理决策(Decision Making Support)。”——数据仓库之父W.H.Inmon
阅读建议:本文是实战中总结出的「AB实验最佳流程」,其中内容涉及数据分析、产品、运营、研发的工作,帮助你更科学的评估实验。由于篇幅较长,建议「关注」「收藏」,闲暇时间拿来品品。
引用著名瑞典统计学家 Hans Rosling 的一句话:想法来源于数字、信息,再到理解。
竞品分析是企业发展过程中绕不开的一个领域,对于数据分析相关岗位而言,类似战略分析师、商业分析师,都需要具备或多或少的竞品分析能力。本章,小火龙带大家了解一下竞品分析是如何做的,以及其中可用于度量的相关指标。
看看市场上的测试岗位,大多数都是围绕这这些来设定的:功能测试,自动化测试,测试开发,性能测试,服务端测试
数据分析能主动做出预警,是所有人的终极期望。可现实是很惨淡的,经常是指标已经下跌了,业务部门忙得团团转了,数据分析才慢慢悠悠地分析“昨天为啥DAU下降30%”。
今天我分享的是在腾讯云在大数据对用户行为预测这个项目中,有关教育行业的一些实践,希望可以给大家带来一些帮助。这一年我们所做的是用户行为预测解决方案,针对教育行业定制一些行为分析和预测,希望可以帮助大家更好地借助于数据。大数据对外开放有两个模式。第一个模式是平台技术,我们会将大数据的能力开放到云端给大家使用,比如腾讯大数据框架。第二个模式,我们考虑到对内数据服务的能力模型,复制对外,为大家提供一些有针对性的行业服务。
日常运营APP的同学都知道 ,要想成为APP消息推送的王者级玩家,不仅要做好推送前的SDK和API的接入,在创建推送中熟练使用各个推送能力,更要不断提高推送效果的正向反馈,学会运用:
总之,字数越少,麻烦越大。因为真的不知道提需求的人想干啥。而且,往往这么提的还是部门领导,说完以后就消失不见了,想再当面沟通也很难见到人。最后,往往夯吃夯吃干半天,得到一句:“你就分析了这?我早知道了”真是让人苦不堪言。
为什么业务分析师要学 Power BI 尤其是 DAX 呢?我们分三文来说清楚。
领取专属 10元无门槛券
手把手带您无忧上云