- 综合排序
- 最热优先
- 最新优先
- 来自专栏华章科技
详解SaaS产品的5类核心指标
对于企业的不同角色和不同发展阶段，其需要关注的数据指标会有所不同。下面我将根据自己多年从事SaaS产品设计的经验，介绍SaaS常见的5类核心指标。 ▲图1 净新增MRR 5. 此外，CAC投资回收期≤12个月被认为是一个不错的指标，如图5所示。投资回收期越短，公司的现金流就越好，且还有助于减少因客户流失而沉没的获客投入。 ▲图5 CAC投资回收期≤12个月 5. 队列分析 队列本身不是一个指标，但非常重要。队列分析（Cohort Analysis）是一个可视化图表，用于绘制和比较每个队列的特定指标随时间的进展情况。 本文里我们详细了解了SaaS常见的5类核心数据指标，这些数据指标可以帮助我们更好地了解SaaS企业的经营状况。而在企业经营里，客户转化是重中之重。
3.5K30编辑于 2022-04-14 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-5 衡量线性回归指标mse,rmse,mae
本小节主要介绍衡量线性回归算法的一些指标。 回归问题如何评价？ ? 在kNN分类中，我们将在训练集上训练好的模型，在测试集上进行预测，得到的测试结果与测试集中已知的样本标签（监督学习）进行对比，统计样本分类正确的占比作为评估kNN分类算法好坏的指标。 在前面小节中将衡量分类的衡量指标分类精度放在了playML包下的metrics模块下，因此将回归算法的三个衡量指标也放在这个模块下： ? 在jupyter中调用封装好的回归问题的衡量指标： ?
3.6K00发布于 2019-11-13 - 来自专栏数据科学（冷冻工厂）
数据分析：5个数据相关性指标
有许多不同的指标可用，每个指标各有利弊，适用于不同的数据类型和任务。 本文[1]将探讨一些最常见的相似性指标并比较它们的优缺点。 通过了解这些指标的特点和局限性，我们可以选择最适合我们特定需求的指标，并确保结果的准确性和相关性。 2. 指标 2.1. 欧几里得距离 该指标计算 n 维空间中两点之间的直线距离。 import distance # Calculate Euclidean distance between two points point1 = [1, 2, 3] point2 = [4, 5, import distance # Calculate Manhattan distance between two points point1 = [1, 2, 3] point2 = [4, 5, cosine_similarity # Calculate cosine similarity between two vectors vector1 = [1, 2, 3] vector2 = [4, 5,
72310编辑于 2023-02-27 5项指标助您评估YashanDB数据库的性能
本文将基于YashanDB的核心技术能力，归纳梳理5项关键性能指标，帮助从业人员客观、科学地评估并优化YashanDB数据库的性能表现。1. 查询执行效率指标查询执行效率是评估数据库性能的首要指标。 存储与空间管理指标存储效率直接关系数据库的I/O性能和存储成本。 资源利用率指标内存、CPU和磁盘I/O是数据库系统性能的三大关键资源。 指标监控应包括CPU利用率、内存命中率、磁盘I/O吞吐和响应时延，发现瓶颈后可调整缓存大小及线程数量达到资源均衡使用。5. 结论本文围绕YashanDB数据库的架构和关键技术，萃取了查询效率、存储管理、事务能力、资源利用及高可用恢复五大指标体系。系统地把握这些技术指标，有助于精确定位性能瓶颈、指导合理调优。
20610编辑于 2025-10-15- 来自专栏Elastic Stack专栏
RAG评估指标：指标之旅
由于这些缺点，NLP 社区探索了更高级的外在指标来解决这些问题。基于模型的指标内在指标和 N-gram 指标的一个显著缺陷在于它们没有利用语义理解来评估生成内容的准确性。 使用 T5 作为基础模型，UniEval 采用了两步训练过程。第一步，称为“中间多任务学习”，利用查询和上下文处理多个任务，这些任务统一为现有相关数据集中的布尔问答任务。 图5 - UniEval 对 Mistral 和 Falcon 的评估，3600 个查询的分数分布。分数越高越好。 我们在 18 个数据集中尝试了几种方法，每个数据集使用 5 个查询（总共 90 个查询）：贪婪解码，我们选择最可能的 token。 波束搜索解码，保持多个可能路径并选择总体概率最高的路径（使用 5 个波束）。TopK 解码，我们选择顶级候选者，重新分配概率，并随机抽样一个 token（top k 值为 4）。
1.2K22编辑于 2024-12-11 - 来自专栏数据科学（冷冻工厂）
数据分析：5个数据相关性指标
有许多不同的指标可用，每个指标各有利弊，适用于不同的数据类型和任务。本文将探讨一些最常见的相似性指标并比较它们的优缺点。 通过了解这些指标的特点和局限性，我们可以选择最适合我们特定需求的指标，并确保结果的准确性和相关性。2. 指标2.1. 欧几里得距离该指标计算 n 维空间中两点之间的直线距离。 scipy.spatial import distance# Calculate Euclidean distance between two pointspoint1 = [1, 2, 3]point2 = [4, 5, cosine_similarity# Calculate cosine similarity between two vectorsvector1 = [1, 2, 3]vector2 = [4, 5, as np# Calculate Pearson correlation coefficient between two variablesx = [1, 2, 3, 4]y = [2, 3, 4, 5]
1K20编辑于 2023-01-19 - 来自专栏公众号PowerBI大师
好指标与坏指标
下层基础决定上层建筑，写出一个好的度量值的前提是有好的指标设计。什么样的指标才是好指标呢？ 这是一个很重要的问题，你设计的指标是评价一段时间的发生值，还是某一时点值? ? 前天出版社的编辑老师告诉我新书的第一批库存快卖光了，要开始加印。让我在关注销售册数的同时又加入了一个库存量指标。 显然销售册数是时间段指标，库存量是时间点指标。 ? 对于时间段指标通过日期表可以得到年、季度、月、周的对应值，并且利用时间智能函数可以轻松求得环比、同比等等，这并不难。 基本的思路就是把指标拆解成流入和流出，再分别求累计至今的发生值。 ? 以上是目标管理的SMART原则，也可以作为判断指标好坏的参考。简而言之，能够解决问题的就是好指标。
1.8K30发布于 2019-08-07 - 来自专栏悲了伤的白犀牛
你被5G了吗？“5G套餐用户”这个注水指标正在伤害5G发展
从对比来看，显然运营商们在公布5G用户数时“取了个巧”——用户用不用5G手机我无法控制，但用户用不用5G套餐，这就是我说了算，于是，三大运营商都不约而同地采用了“5G套餐用户”这个注水指标来适度夸大5G 不过，对于“5G套餐用户”这个注水指标，工信部似乎是默许的。 诚然，在发展初期，为了鼓舞市场士气，采用“灵活的形式来推广5G业务”，这是没有错的，但是，5G商用已经一年多了，到今天，仍然大张旗鼓地使用“5G套餐用户”这个注水指标，我认为正在伤害5G的健康发展。 有以下两点原因： 第一，注水指标带来的虚假繁荣可能导致5G建设规划有失偏颇 到3月底，国内5G基站总数已经高达81.9万个，但在“大干快建”的背后，5G网络的利用率一直上不去，据说平均利用率尚不到10% 如果我们仍然迷信于“5G套餐用户”这样似是而非的注水指标，仍活在5G大发展的自我构建的环境中，必然会造成在5G建设侧的盲目快进，这对5G的长期健康发展显然是不利的。
42620发布于 2021-05-31 - 来自专栏计算机工具
KDJ指标又叫随机指标（Stochastics）
KDJ指标又叫随机指标（Stochastics） 是一种相当新颖、实用的技术分析指标。它起先用于期货市场的分析，后被广泛用于股市的中短期趋势分析，是期货和股票市场上最常用的技术分析工具之一。 KDJ指标概述 组成：KDJ指标由K线、D线和J线三条曲线所组成。 KDJ指标的应用与解读 超买超卖区域：KDJ指标通常被划分为超买区（80-100）、超卖区（0-20）和徘徊区（20-80）。 当KDJ指标进入超买区时，表示买盘强盛，股价可能面临短期回调；当指标进入超卖区时，则代表卖盘沉重，股价可能即将见底反弹。 根据计算结果，我们可以绘制出KDJ指标的曲线图，并结合股价走势进行研判。例如，如果KDJ指标在超卖区形成金叉且股价出现底背离现象，则可能是买入的良机。
81910编辑于 2024-12-14 - 来自专栏阿黎逸阳的代码
影响房价指标画像——数值指标
5 数值变量和房价之间的关系 最后看下不同数值指标和房价之间的散点图和拟合图，代码如下： #读取特征中文标签 x_label = pd.read_csv('x_label.csv', encoding 5 改造日期 改造日期指标不同值对应的房屋价格趋势如下： 可以发现改造日期从1950年到2010年，房子价格呈上升趋势。 10 低质量成品 低质量成本指标不同值对应的房屋价格趋势如下： 可以发现低质量成本指标和房屋销售价格之间没有很明显的关系。 13 地下室半浴室 地下室半浴室指标不同值对应的房屋价格趋势如下： 可以发现地下室半浴室指标值对房屋销售价格影响不大。 三、影响房价指标画像分析-总结 总结的影响房价指标画像如下： 至此，数值型的房价影响指标已讲解完毕。后续文章会对类别型的房价影响指标和房价趋势进行预测，敬请期待。
75420编辑于 2023-08-21 - 来自专栏项勇
指标记录5-FAST PKAMA、Centred Trend Indicator、BOLINGER BANDS
本篇补充几个新指标，来自于其他策略，当补充学习，并放入指标库。 .5 : 1) ma := alpha * src + (1 - alpha) * nz(ma[1], src) // condt L_ma = ma > ma[2] S_ma = ma < ma[2]
58120编辑于 2023-03-24 5个关键指标评估YashanDB数据库性能表现
在保证ACID事务属性和多版本并发控制的前提下，评估YashanDB性能表现的关键指标对于数据库管理员（DBA）及开发人员具有重要意义。 本文将基于YashanDB的体系结构和功能特性，介绍五个关键指标，帮助技术人员准确把握数据库性能表现，优化应用部署。1. 该指标涉及SQL解析、优化、执行及存储引擎的数据访问性能。YashanDB通过优化器生成基于成本模型的执行计划，结合向量化计算和并行执行，有效缩短事务执行时长。 数据缓存命中率与I/O性能数据缓存命中率是评价数据库减少物理磁盘I/O次数的能力的重要指标。 5. 主备同步延迟与高可用切换时效高可用是数据库系统稳定性的核心指标，主备复制的同步延迟直接影响数据一致性和业务连续性。
17410编辑于 2025-10-155个关键指标评估YashanDB数据库的表现
本指南将重点介绍5个关键指标，帮助技术人员全面评估YashanDB数据库的运行状况及其性能表现。1. 响应时间响应时间是衡量数据库性能的基本指标之一。它指的是从发起请求到数据库返回结果之间的时间间隔。 4.系统资源利用率系统资源利用率包括服务器的CPU、内存和I/O资源的使用情况，是了解YashanDB数据库运行状况的重要指标。 5. 数据增长趋势数据增长趋势是评估数据库扩展能力的重要指标，特别是对于日益增长的业务需求。YashanDB需要定期监测数据量的变化，确保在数据增长带来的性能影响下，数据库仍能平稳运行。 结论评估YashanDB数据库的表现需要通过多个关键指标进行综合分析。监控响应时间、吞吐量、锁争用情况、资源利用率以及数据增长趋势是了解数据库健康状况的重要手段。 通过上述指标的监测和分析，能够为数据库优化提供有效的数据支持。务必将这些策略应用于日常数据库管理中，以提升整体性能和稳定性。
11610编辑于 2025-10-15- 来自专栏巡山猫说数据
「02」工作5年，我总结了指标里的这些“坑”
作为一个5年+的数据打工人，相信只要与数据打过交道，都直接或间接的接触过“指标”相关的问题或需求，那么，我们今天就来聊聊指标里的那些“坑” 指标搭建过程 开局先上图： ? 后面我们接着说 第三步：明确计算逻辑 配料之后，我们就要开始做菜了 产品功能映射完了，我们还需要对原子指标进行处理：组合原子指标，修饰原子指标，使其变成派生指标（也就是在原子指标上，加入业务流程） ，或是由多个原子指标组合而来，这些就是派生指标 派生指标就类似做菜时的烹饪手段，煎炸炒烧，如何把原子指标“做成“我们需要的指标，从而更好的度量产品，反应产品好坏，达到我们建立指标的目的，才是我们最关键的步骤 我们现在来解答一下：通过指标的分类，我们会大致知道，在不同的度量目的下，需要建设怎样的指标 从覆盖角度来说，我们可以大致把指标分为 横向指标 & 纵向指标 纵向指标：漏斗转化，如UV渗透率 但是纵向指标有一个非常明显的缺点 ；横向指标和纵向指标组合，我们才能度量不同场景下的产品情况 从度量内容来说，我们可以大致把指标分为 效率指标 & 消费指标 & 活跃指标 效率指标：度量服务效率是否高效，如功能渗透率、用户转化漏斗等
68820发布于 2021-05-18 5个关键指标衡量YashanDB的数据库表现
为了帮助企业更好地评估YashanDB的性能，本文将围绕五个关键指标进行深入剖析，期望为数据库管理员和架构师提供技术指导。1. 因此，企业在评估YashanDB时，需关注其可扩展性指标，以确保系统能够遵循业务发展的需求而进行调整。4. 5. 资源利用率（Resource Utilization）资源利用率包括CPU、内存和存储的使用情况，是评估数据库性能的重要参考标准。 关注延迟指标，确保不会影响用户体验。考虑可扩展性设计，以便随时响应业务发展变化。优化事务隔离级别，确保数据的一致性。实时监测资源利用情况，适时进行调整。 深入了解和应用以上五个关键指标，能够为用户在选择和运维YashanDB时提供有力的支持。持续学习和适应新技术将是推动数据库发展与商业成功的必要路径。
11310编辑于 2025-10-15- 来自专栏centosDai
.NET 指标
指标是在一段时间内报告的数值度量值，主要用于监视应用程序的运行状况并生成警报。 例如，Web 服务可能会跟踪每秒接收到的请求数、响应所花的毫秒数，以及向用户返回错误的响应数。 入门 在 .NET 应用中使用指标涉及两个部分： 检测： .NET 库中的代码采用度量值，并将这些度量值与指标名称关联起来。 收集： 由一个 .NET 应用开发人员来配置需要传输应用中的哪些命名指标来进行外部存储和分析。 某些工具还使工程师能够利用配置文件或单独的 UI 在应用外部配置此功能。 但如果你是应用开发人员，并且任何现有指标都不符合你的需求，你还可以创建新指标。 后续步骤 检测教程 - 如何在代码中创建新指标 集合教程 - 如何存储和查看应用的指标数据 内置指标 - 发现已可以在 .NET 运行时库中使用的指标 比较指标 API EventCounters -
71330编辑于 2022-01-07 - 来自专栏用户画像
AUC指标
由于AUC指标能较好地概括不平衡类别的样本集下分类器的性能，因此成为很多机器学习系统中的最终判定标准。
1.4K20发布于 2019-08-29 - 来自专栏centosDai
收集指标
在本教程中，我们将展示几个关于如何收集指标的示例： 使用 OpenTelemetry 和 Prometheus 在 Grafana 中填充指标。 有关自定义指标检测的详细信息和检测选项的概述，请参阅比较指标 API。 创建一个示例应用程序 先决条件：.NET Core 3.1 SDK或更高版本 在收集指标之前，我们需要生成一些度量值。 为简单起见，我们创建一个小型应用，该应用具有一些简单的指标检测。 .NET 运行时还内置了各种指标。 若要详细了解 .NET 中现成的指标，请参阅内置指标。 指标数据流将如下所示： .NET 指标 API 从示例应用程序中收集度量值。 在同一进程中运行的 OpenTelemetry 库将聚合这些度量。
91530编辑于 2022-01-07 - 来自专栏音视频咖
衡量直播平台的推流效果，主要看这5个指标
（2）高码率稳定传输：优化直播推流链路，保障高码率的直播流上行持续稳定； 02 衡量指标 工欲善其事，必先利其器，推流加速开始前，我们需明确主播推流的评价体系，让优化效果有章可循。 列举以下推流的关键指标： 1.推流卡顿率 目前行业内没有统一标准的卡顿率定义，Tlive认为服务器5s内收到的音视频数据时长小于4s，视为推流卡顿；推流卡顿率=卡顿时长/推流时长。 2.帧率抖动 5s统计一次直播流视频帧率，1min计算一次帧率方差，方差过大，视为推流帧率抖动. 3.本地覆盖率 主播推流到同省同运营商服务器，视为本地覆盖。 5.播放卡顿率 目前行业内没有统一标准的卡顿率定义，观众端播放器缓存耗尽无数据可播视为播放卡顿，对应到播放器的loading事件。
10.6K2020发布于 2018-10-10 - 来自专栏个人总结系列
NPS指标
同时这个指标也更为直观，不仅直接反应了用户对企业的忠诚度和购买意愿，也在一定程度上可以看到企业当前和未来一段时间的发展趋势和持续盈利能力。 也是用户忠诚度分析指标，NPS的推荐意愿，更能代表用户内心对产品的满意度，并预测未来的发展趋势。
2.2K30发布于 2021-11-24
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