- 综合排序
- 最热优先
- 最新优先
- 来自专栏CDA数据分析师
大数据没用？5个通过大数据分析提升客户体验的方式
在互联时代，拥有一个大数据战略来收集、存储、组织和分析广泛客户数据的踪迹，对于及时开展个性化客户交互至关重要。 以下这五种使用大数据分析的途径将能够帮助您提升互联客户体验： 1. 找到“隐藏的”大数据见解，更全面地了解客户。 您如何、在何处、何时、提供什么信息，都基于在多个触点和时间段的大数据分析，而不是经验丰富的决策者的简单直觉和知识。 开发一种大数据战略和架构来支持分析生态系统显得至关重要。它应是一种完整、灵活的生态系统，可以随时提供数据并支持轻松进行浏览。 5. 自由探索新能力和技术…..坚持不断创新 据Forrester调查，到2018年数码产品将占据或影响客户支出的60%。移动领域的增长继续推动创新，零售商正在开发全新、令人兴奋的功 能。
1.5K80发布于 2018-02-11 - 来自专栏加米谷大数据
大数据分析正在重新定义这5个行业
尽管多数人知道大数据技术正为生活带来翻天覆地的变化，也可以为人们提供更多定制化体验，但仍有不少人不知道这项技术将如何造福行业。 另外，公共卫生部门会利用大数据分析来找出食品安全的高危区域，并优先进行食品安全检查。此外，大数据分析可帮助医院管理人员，以期减少患者的等待时间并改善护理条件。 大数据分析洞察了如何让人们满意并再次回到这家商店。IBM的一项研究发现，62%的零售商受访者表示信息和大数据分析为他们带来了竞争优势。 银行 人们并不一定认为银行业是一个特别高科技的行业，但一些品牌正在通过数据分析来改变人们的这一观念。 交通 人们需要按时到达目的地，大数据分析帮助公共交通提供商提高客户的满意度。 数据分析也为铁路行业的人们提供帮助。车载传感器提供有关列车制动机制，里程等的详细信息。
62550发布于 2019-01-09 - 来自专栏智能大数据分析
【PySpark大数据分析概述】01 大数据分析概述
IBM的定义：大数据的“4V”特性，即Volume（数量）、Variety（多样）、Velocity（速度）和Value（价值），后来又加入了Veracity（真实性），形成了大数据的“5V”特性。 大数据是一个动态的定义，不同行业有不同的理解，衡量标准会随着技术的进步而改变。 二、大数据分析的概念 什么是大数据分析？大数据分析是指对规模巨大、海量的数据进行分析，挖掘数据蕴含的价值和知识。 大数据分析与传统数据分析的区别：传统的数据分析主要基于统计分析方法，而大数据分析则更侧重于预测性分析和预案性分析，处理大规模、多样性的复杂数据。 分析与建模 分析与建模是大数据处理的核心环节，涵盖了统计分析、机器学习、数据挖掘和模式识别等多个领域的技术和方法。在分析阶段，可以采用对比分析、分组分析、交叉分析和回归分析等方法。 5. 5. 数据查询与分析框架 数据分析层直接与用户应用程序对接，为其提供易用的数据处理工具。
1.4K10编辑于 2025-03-29 - 来自专栏数据科学与人工智能
【大数据分析】大数据分析方法 及 相关工具
基于此，大数据分析方法理论有哪些呢？ ? 大数据分析的五个基本方面 PredictiveAnalyticCapabilities （预测性分析能力） 数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断 AnalyticVisualizations （ 可视化 分析） 不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。 SemanticEngines （语义引擎） 我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。 挖掘 与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测的效果，从而实现一些高级别数据分析的需求。
4.8K80发布于 2018-02-27 - 来自专栏智能大数据分析
【PySpark大数据分析概述】03 PySpark大数据分析
一、PySpark简介 Python在数据分析和机器学习领域拥有丰富的库资源，如NumPy、SciPy、Pandas和Scikit-learn等，因此成为数据科学家和数据分析师处理和分析数据的热门语言。 Spark是目前处理和使用大数据的主流框架之一，其设计初衷是加速迭代计算，非常适合大数据分析、机器学习等应用场景。 （5）数据操作：提供了许多用于操作RDD的方法，例如map、filter、reduce等，使得对数据的操作变得简单高效。 （5）不可变性和传递性: 创建后，SparkConf对象不可修改，确保配置在应用程序生命周期中保持一致。创建SparkContext时需传入SparkConf对象，以便初始化和运行应用程序。 3. PySpark结合了Python在数据分析和机器学习领域的丰富库资源，以及Spark处理大数据的能力。它不仅能运行在单机环境，还能在集群上运行，适合处理大规模数据或进行分布式/并行计算。
2.2K10编辑于 2025-04-13 - 来自专栏全栈程序员必看
大数据分析系统
概念、分类 数据分析系统的主要功能是从众多外部系统中，采集相关的业务数据，集中存储到系统的数据库中。 根据数据的流转流程，一般会有以下几个模块：数据收集（采集）、数据存储、数据计算、数据分析、数据展示等等。当然也会有在这基础上进行相应变化的系统模型。 按照数据分析的时效性，我们一般会把大数据分析系统分为实时、离线两种类型。实时数据分析系统在时效上有强烈的保证，数据是实时流动的，相应的一些分析情况也是实时的。 而离线数据分析系统更多的是对已有的数据进行分析，时效性上的要求会相对低一点。时效性的标准都是以人可以接受来划分的。 2． 网站流量日志数据分析系统 2.1．
4.5K20编辑于 2022-08-24 - 来自专栏Spark学习技巧
何为大数据分析？
基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？ 1. 可视化分析。 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了 大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。 4. 语义引擎。 非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。 5.数据质量和数据管理。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。
2.8K20发布于 2019-05-14 - 来自专栏Spark学习技巧
大数据分析流程
一、为什么要做一份数据报告 你是一个在校学生，上着自己喜欢或不喜欢的课，闲来无事，你打开知乎，看到了数据分析话题，你下定决心要成为一个数据分析师，你搞来一堆学习资料和在线课程，看完之后自信满满，准备去投简历 然后发现不清楚各种工具和模型的适用范围，也不知道数据报告需要包括哪些内容，面试的感觉就是一问三不知…… 你是一个工作了一段时间的白领，你觉得现在这份工作不适合你，你下班以后去逛知乎，在上面看到很多人在说大数据代表未来 ，数据分析师是21世纪最性感的十大职业之一……你激动了，你也要成为数据分析师，你利用空余时间补上了统计知识，学了分析工具，然后发现自己目前的工作跟数据分析没啥关系，觉得没有相关经验没公司要你…… 这些问题的根源是什么 Step 5：描述分析 描述分析是最基本的分析统计方法，在实际工作中也是应用最广的分析方法。描述统计分为两大部分：数据描述和指标统计。 一个完整的数据报告，应至少包含以下六块内容： 1.报告背景 2.报告目的 3.数据来源、数量等基本情况 4.分页图表内容及本页结论 5.各部分小结及最终总结 6.下一步策略或对趋势的预测 其中，背景和目的决定了你的报告逻辑
4.3K41发布于 2019-08-02 什么是大数据分析？大数据分析技术为什么很重要？
一、大数据分析技术，到底在解决什么问题如果只从结果看，大数据分析好像就是把很多数据整理后拿来分析。但往前追一步你就会发现，真正麻烦的地方，其实发生在分析之前。 二、企业常说的大数据分析技术，通常包括哪些能力大数据分析技术听起来很大，但拆开看，其实核心能力并不难理解。一般来说，企业最常遇到的几个部分，分别是数据接入、数据处理、数据建模和分析展示。先说数据接入。 说白了，大数据分析技术一旦要落地，工具就不能只看表面好不好看，更要看整套能力是不是完整。三、为什么现在企业越来越重视大数据分析技术这一点其实和企业管理方式的变化有很大关系。 常见问答Q1：大数据分析技术和数据分析工具有什么区别？数据分析工具更偏使用层，解决的是怎么做分析、怎么展示结果；大数据分析技术更偏底层支撑，解决的是数据怎么接入、处理、统一和长期复用。 Q2：中小企业也需要关注大数据分析技术吗？需要。企业规模不是唯一标准，只要数据来源开始变多、分析需求开始频繁、人工处理开始吃力，就有必要关注这部分能力。Q3：不会编程的人能理解大数据分析技术吗？可以。
8810编辑于 2026-04-14- 来自专栏全栈程序员必看
python大数据分析实例-用Python整合的大数据分析实例
用Python进行数据分析的好处是，它的数据分析库目前已经很全面了，有NumPy、pandas、SciPy、scikit-learn、StatsModels，还有深度学习、神经网络的各类包。 用Python的好处是从数据抽取、数据收集整理、数据分析挖掘、数据展示，都可以在同一种Python里实现，避免了开发程序的切换。 这里就和大家分享我做的一个应用实例。 statsmodels.api as sm import time import datetime from dateutil.relativedelta import relativedelta import random 5、
5.8K10编辑于 2022-09-03 - 来自专栏datartisan
国庆大数据分析思路
明天，是否有一份 PPT 或者一个 H5 等着你去写？ 国庆期间移动用户大数据分析，可以从如下几个角度来分析。 国内漫入用户分析 分析国内漫入用户来自哪些省份甚至城市。
2.1K20发布于 2019-12-26 - 来自专栏全栈程序员必看
大数据分析技术方案
一.目标 现在已经进入大数据时代, 数据是无缝连接网络世界与物理世界的DNA。发现数据DNA、重组数据DNA是人类不断认识、探索、实践大数据的持续过程。 大数据分析可以有效地促进营销,个性化医疗治病，帮助学生提高成绩,利于老师提高教学水平,还可以用于教学，许多产品可以用到大数据技术，如量化分析金融产品等。 必须加强大数据技术的研究并实际应用.这里对目前最流行和最实用的用户画像技术进行讲解，并分析大数据分析的常用算法。 二.用户画像 1. 可视化分析系统提供系统监控，权限多级管理，多维数据分析，等等功能，还支持自服务式报表设计和数据分析。 最终百分点帮他构建了5个标签大类，75个标签小类，数万个小标签，以下是当时的一些效果截图。 刚才讲的都是百分点已经做的事情，但是百分点做得还远远不够。
2.5K20编辑于 2022-09-20 - 来自专栏硬核项目经理的专栏
Spark快速大数据分析
一、Spark数据分析导论 1.Spark是一个用来实现快速而通用的集群计算的平台，扩展了MapReduce计算模型，支持更多计算模式，包括交互式查询和流处理 2.包括Spark Core、Spark
2.7K20发布于 2019-08-06 - 来自专栏深度学习|机器学习|歌声合成|语音合成
大数据分析：特征工程
文章目录 信用分析 归一化处理 相关性分析 数据质量分析 信用分析 归一化处理 相关性分析 数据质量分析 # coding=utf-8 # /usr/bin/python ''' Author:Yan Errol Email:2681506@gmail.com Wechat:qq260187357 Date:2019-04-21--22:07 Describe:数据质量分析和数据的清洗 ''' import seaborn as sns import numpy as np import pandas
2.4K10发布于 2021-01-14 - 来自专栏Python 知识大全
大数据分析《流浪地球》
1 数据分析 全部数据均来自豆瓣影评，主要是【‘口碑’，‘评论日期’，‘评论内容’】三方面数据。 csv.DictWriter(fb, header) writer.writeheader() writer.writerows(data_list) 3 数据分析
2.3K10发布于 2020-02-13 - 来自专栏全栈程序员必看
大数据分析那点事
3.1PEST分析法 3.2 5W2H分析法 3.3 逻辑树分析法 3.4 4P营销理论 3.5 用户使用行为理论 3.6 数据分析方法论小结 四、常用的数据分析工具 五、理解数据 5.1 4P、用户使用行为、STP理论、SWOT等等 常见的管理方面的理论模型有PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则，其中比较经典实用的主要有：PEST分析法、5W2H、逻辑树 3.2 5W2H分析法 5w2H分析法是以五个W开头的英语单词和两个H开头的英语单词进行提问，从回答中发现解决问题的线索，即何因（ why )、何事（ what )、何人 ( who )、何时( When )、何地（ where ) 、如何做(How )、何价( How much )，这就构成了5W2H分析法的总框架 5w2H分析法操作简单方便、易于理解，通常应用于企业营销、管理活动，对于决策和执行活动有很大的帮助 5w2H分析理论的用途相对广泛，可用于用户行为分析、业务问题专题分析等。
2K10编辑于 2022-07-23 - 来自专栏数据万花筒
Python大数据分析告诉你，为何电影《哪吒》5天破10亿！！
从评分分布来看，大多数评分都给了满分，占总数的86.5%，其次是4.5分，占总数的7.7%，给到3分及以下的人非常少，还不足总人数的5%，要知道众口难调，这个差评比例在电影中可以算非常低的了。 其实这部大片，算是国产动画电影里面的大制作，电影制作花了5年的时间，剧本改了60几个版本，制作的团队高达千人。
57810发布于 2021-11-15 - 来自专栏技术翻译
大数据Python：3大数据分析工具
在这篇文章中，我们将讨论三个令人敬畏的大数据Python工具，以使用生产数据提高您的大数据编程技能。 正如它的网站所述，Pandas是一个开源的Python数据分析库。 让我们启动IPython并对我们的示例数据进行一些操作。 现在有了Pandas，您也可以在Python中进行数据分析。数据科学家通常将Python Pandas与IPython一起使用，以交互方式分析大量数据集，并从该数据中获取有意义的商业智能。 这是来自Apache Spark项目的大数据分析库。 PySpark为我们提供了许多用于在Python中分析大数据的功能。它带有自己的shell，您可以从命令行运行它。 datasets.load_iris() In [3]: digits = datasets.load_digits() In [4]: print(digits.data) [[ 0. 0. 5.
5K20发布于 2018-12-13 - 来自专栏ShowMeAI研究中心
图解大数据 | 大数据分析挖掘-Spark初步
[watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAU2hvd01lQUk=,size_20,color_FFFFFF,t_70,g_se,x_16 Apache Spark是一种用于大数据工作负载的分布式开源处理系统。它使用内存中缓存和优化的查询执行方式，可针对任何规模的数据进行快速分析查询。 Spark基于内存计算，提高了在大数据环境下数据处理的实时性，同时保证了高容错性和高可伸缩性，允许用户将Spark部署在大量的廉价硬件之上，形成集群。 Apache Spark 已经成为最受欢迎的大数据分布式处理框架之一。 [66d552e10959a2b89f5bb83615259f7a.png] 3.Spark作业与调度 Spark的核心是作业和任务调度系统，它可以保障各种任务高效完整地运行。
2.6K41编辑于 2022-03-08 - 来自专栏大数据开发
大数据分析：基于Hadoop的数据分析平台
大数据时代的带来，一个明显的变化就是全样本数据分析，面对TB/PB级及以上的数据规模，Hadoop始终占据优势。今天的大数据学习分享，我们来聊聊基于Hadoop的数据分析平台。 Hadoop在大数据技术生态圈的地位，可以说是难以动摇，经过这么多年的发展，基础核心架构的地位，依然稳固。 Hadoop系统的可伸缩性、健壮性、计算性能以及低成本，使得它事实上已成为当前互联网企业主流的大数据分析平台。 基于Hadoop平台，可以根据实际的业务需求，来进行数据系统的规划和设计。 针对不同的具体需求，采用不同的数据分析架构来解决实际问题。 按照数据分析的实时性，分为实时数据分析和离线数据分析两种。 总之，在大数据的发展当中，Hadoop始终占据着重要的位置，掌握Hadoop技术，是进阶大数据的基础门槛。
2.4K20发布于 2021-06-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号