- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈数据化营销
以超市为例，用数据驱动智慧选址和经营分析
因此管理层希望通过数据和分析获得精准开店选址的建议，减少开店的风险。 通过对Q市所有店铺初步探索分析后，决定选取一家销售业绩居中、销量稳定的门店，作为初始的分析对象。 我们提取了门店中的经营数据和会员数据，这些数据清晰就记录了会员消费的时间、客户来源、消费次数、消费客单价、产品分布等数据。 结合客户提出的开店需求，那目前需要解决的是，这家门店到底覆盖了多大的区域？ 至此，就可以在北部开一家新店，并且通过数据能够计算出新店与老店的距离，让新店服务新顾客，尽可能地少分流老店客户。 并且，通过传统的选址理论和技术手段在市场饱和的情况下比较难分析出新的机会点，分析的时候更多的是靠猜，所以一般都不太会冒险开店，使得老店的客户默默地被对手蚕食，丧失开设新店的机会。 image.png 这样数据驱动选址的方法，可以比较多运用在超市、母婴专卖、牙科诊所、美容美发、主题餐厅、宠物店上。 欢迎和我交流互动： 个人微信二维码.jpg
1.1K50发布于 2018-05-31 - 来自专栏全栈数据化营销
以超市为例，用数据驱动智慧选址和经营分析
因此管理层希望通过数据和分析获得精准开店选址的建议，减少开店的风险。 通过对Q市所有店铺初步探索分析后，决定选取一家销售业绩居中、销量稳定的门店，作为初始的分析对象。 我们提取了门店中的经营数据和会员数据，这些数据清晰就记录了会员消费的时间、客户来源、消费次数、消费客单价、产品分布等数据。 结合客户提出的开店需求，那目前需要解决的是，这家门店到底覆盖了多大的区域？ 至此，就可以在北部开一家新店，并且通过数据能够计算出新店与老店的距离，让新店服务新顾客，尽可能地少分流老店客户。 ? 并且，通过传统的选址理论和技术手段在市场饱和的情况下比较难分析出新的机会点，分析的时候更多的是靠猜，所以一般都不太会冒险开店，使得老店的客户默默地被对手蚕食，丧失开设新店的机会。 ? 数据与传统选址的对比 这样数据驱动选址的方法，可以比较多运用在超市、母婴专卖、牙科诊所、美容美发、主题餐厅、宠物店上。 ----
1.9K40发布于 2018-06-07 - 来自专栏大飞的部落阁
HttpRunner-8-数据驱动
数据驱动概览 为什么要用数据驱动 举个简单例子，当我们在测试一个输入框的功能时，可能需要输入不同的参数，此时，我们不需要设计多个用例，而只需要将输入值参数化，将不同的参数作为一个列表通过数据驱动的方式进行加载即可 httprunner 的数据驱动 通过上篇文章，我们已经知道 httprunner 的数据驱动需要在 testsuite 中使用关键字 parameters 来定义。 .yml parameters: user_id: [1001, 1002, 1003, 1004] 进行该配置后，测试用例在运行时就会对 user_id 实现数据驱动 通过以上内容，我们可以知道，在 HttpRunner 的数据驱动中，我们有 6 种方式进行实现。 独立参数 & 引用自定义函数 6 关联参数 & 引用自定义函数 数据驱动实例 在上面我们已经介绍了 6 中驱动模式，而且也学习了直接在 yml 文件中定义参数的两种场景，那怎么使用 CSV 文件实行数据驱动呢
51210编辑于 2022-06-17 - 来自专栏数据的力量
星巴克的选址逻辑：用数据决策模型规避风险
选址利用GIS选址 对于快餐连锁店，能够对比各种各样的数据，了解车流量、消费群体分布、安全信息、商业构成以及其它相关信息，可以帮助他们在决定门店选址中节省大量的开支。 这些区位数据还有一些其它意想不到的用途。星巴克的数据分析方法不仅仅对于门店选址有利。他们还会利用当地智能手机的用户数量，决定在美国南方州市的哪一区域进行手机应用优惠推广。 对于连锁门店，使用GIS和其它的数据密集型服务遵循一个简单的逻辑：数据有助于企业节省开支，同时也防止企业因为在不适宜的地点开设门店而导致的错误决策浪费金钱。 星巴克全球公司会提供一些标准化的数据和表格，来作为衡量店面的主要标准。而这些标准化数据往往是从各地的选店数据建立的数据库中分析而来的。 但在中国，星巴克也会委托专业的第三方招商团队帮助他们选址。 商圈的成熟和稳定是选址的重要条件，而选址的眼光和预测能力更为重要。
2.4K51发布于 2018-06-20 某巨头150亿美元数据中心选址背后的技术考量
某巨头选择安德拉邦而非卡纳塔克邦建设150亿美元数据中心的原因某科技巨头计划在印度维沙卡帕特南市投资150亿美元，建设该国最大的人工智能数据中心园区之一。 这一决策使得其他邦的科技界对其选址标准产生了浓厚兴趣。获得某科技巨头支持的某AI初创公司创始人表示，这项投资长期将为该巨头和印度带来诸多益处。" 技术优势分析：维沙卡帕特南市具备直接连接国际海底电缆网络的基础设施地理位置有利于降低数据传输延迟园区设计专门针对AI工作负载优化预计将采用先进的冷却和能源管理技术这项投资标志着印度在全球AI基础设施布局中的重要进展
11400编辑于 2025-10-31- 来自专栏数据大宇宙
8张图，看懂数据驱动业务的六个层次
我们总说数据驱动业务，可平时看到的，却总是业务部门追着数据部门屁股要数据。哪里是驱动业务了，分明是被人牵着鼻子走啊！ 很多同学都有类似的疑惑：到底数据分析对企业有什么用？我的数据用到什么地方去了。 最关键的：如果数据都对企业没用，我的岗位还值钱吗？ 数据当然会驱动业务，只是在不同的企业发挥作用的形式不一样。今天我们一起来看一下，数据驱动业务的六个层次。看看你们企业是哪一种。 6 层次六：大内密探 自有数据以后，数据就开始成为间谍们交易的筹码。数据驱动业绩自然也有了大内密探这种模式。 然而，数据的黑市交易始终被法律所禁止。 有数据部门是这种状态吗，当然有；有数据分析师是这种角色吗，当然有。不信大家可以统计下自己发出的日周月报打开率，有多少能去到15%以上的。数据驱动业务？驱动个屁，这也是一个状态哈。 车夫型见：【数据分析师，你是车夫，还是拉车的驴子】 所以，各位亲，你们现在的“数据驱动业务“驱到哪一步了呢？
46620发布于 2021-09-01 - 来自专栏全栈数据化营销
数据分析：火锅实体店开店选址和经验建议分析
新店铺的开张充满不确定性，该店想要通过数据分析为店铺开张提供可行性分析和建议，主要解决的问题包括： 1、线下实体店选址：为店铺的选址提供建议 2、外卖的菜品分析：为菜品的选择提供建议 3、比较成功店铺的经营特色分析 二、数据来源 爬去大众点评、美团网、饿了么所有的火锅店，数据维度包括店铺名、位置经纬度、人均价格、菜品、服务评分、口味评分、环境评分、营业时间等，如下图： ? 三、选址分析 通过对采集的火锅店铺的数据，做筛选和可视化处理后，可以得到下图： ? 可以看到火锅店的营业时间主要集中在午市的11-14点、晚市的17-21点，21点以后仍然有少量的火锅店在营业，凌晨3-8点绝大多数火锅店都停止营业，但是石家庄市目前有四家24小时营业的火锅店，分别为2家火锅店 通过以上我们可以得到店铺的选址建议，对经营的初步分析建议。以上只是比较粗地做分析，在实际工作，我们考虑的因素会非常多，比如选址上，我们会考虑租金情况、周边的人流量分布、投资回报率和回报周期等等因素。
1.9K31发布于 2018-07-04 - 来自专栏全栈数据化营销
数据分析：火锅实体店开店选址和经验建议分析
新店铺的开张充满不确定性，该店想要通过数据分析为店铺开张提供可行性分析和建议，主要解决的问题包括： 1、线下实体店选址：为店铺的选址提供建议 2、外卖的菜品分析：为菜品的选择提供建议 3、比较成功店铺的经营特色分析 二、数据来源 爬去大众点评、美团网、饿了么所有的火锅店，数据维度包括店铺名、位置经纬度、人均价格、菜品、服务评分、口味评分、环境评分、营业时间等，如下图： image.png 三、选址分析 通过对采集的火锅店铺的数据 image.png image.png 可以看到火锅店的营业时间主要集中在午市的11-14点、晚市的17-21点，21点以后仍然有少量的火锅店在营业，凌晨3-8点绝大多数火锅店都停止营业，但是石家庄市目前有四家 通过以上我们可以得到店铺的选址建议，对经营的初步分析建议。以上只是比较粗地做分析，在实际工作，我们考虑的因素会非常多，比如选址上，我们会考虑租金情况、周边的人流量分布、投资回报率和回报周期等等因素。 更多数据化营销文章，欢迎关注我的微信公众号：全栈全网营销 个人微信公众号二维码.jpg
1.1K40发布于 2018-06-22 - 来自专栏腾讯数据中心
ODCC将发布首本中国数据中心选址“工具书”
为了让指标体系构建得更科学、更全面，项目组对全国数据中心的主要地区进行了调研走访，掌握了当前我国数据中心的建设特点和选址特点，并结合历史资料和沉淀数据描绘出了国内数据中心选址工作的发展轨迹和未来趋势。 在调研的过程中，项目组还与业内专家进行了深入会谈，对比了中国数据中心建设选址与国外最新最典型数据中心建设选址特点的异同。 二是创建主要地区选址数据库。 根据选址评价分析指标体系，项目组对国内主要城市和地区的数据中心选址要素进行了量化统计，包括温湿度全年小时数、地址灾害等级、全年日照辐射分布等环境要素，工业用电价、水价等成本要素，以及其它必要要素，并最终汇集成选址数据库 在内容设计和撰写过程中，工作组一直秉承着准确、全面、直观、具体，打造数据中心选址“工具书”的态度来进行项目推进。 选址是数据中心整个生命周期的第一步。
78740编辑于 2023-03-30 - 来自专栏自动化测试实战
selenium数据驱动
Selenium最后一个知识点——数据驱动。学会了这个Selenium就算学完啦~ 看代码： 这是修改的testSell.py文件。 # coding: utf-8 import ddt import unittest # 测试数据 testData = [{"username": "warrior", "password": setup和tearDown方法每读一次testData里面的数据都要运行一次。如果只想在开始和结束的时候分别运行一次setUp和tearDown方法，就要用setUpClass那个方法了。
1K60发布于 2018-05-18 - 来自专栏PPV课数据科学社区
【资讯】云数据中心选址PK：微软第一，IBM第二，谷歌最少
这不仅使数据可以跨数据中心冗余，同样可以跨地域，因此可以避免局部问题（如恶劣天气或电气故障）。数据中心之间需要不远不近，既可以减少延迟也可以保证地域上分开。 数据保护：不同类型的数据有不同的位置要求，例如，需要将个人数据保留在欧盟。 Azure 5 2 4 1 Google 1 1 1 0 Rackspace 3 1 2 0 Softlayer 5 2 2 0 Azure以12个区域领先，接着是Softlayer的9个，Amazon 8个 巨头选址 长时间以来，亚马逊在欧洲只有一个数据中心（虽然随着德国新中心的建立而改变），这很奇怪。如果想保持冗余性，就需要2个数据中心挨着，否则延迟会是一个问题。 例如，在两个数据中心间复制生产数据库将延迟更久，如果要跨海洋发送数据（例如从美国到爱尔兰）。在爱尔兰和德国之间复制会更好！
95750发布于 2018-04-19 - 来自专栏云深之无迹
STC8A无人机（驱动篇）
这些功能在源码里面都有 实现的源码其实很少，就是几个文件而已，这里就不用keli了，太丑了 大概主文件里面的函数就是这些了 一般来说读源码的时候就是两个路子，一个是一步一步的跳转，还有就是看完驱动再跑主的 我以前是第一种，但是感觉效率有点低，这里看的方法就是先驱动吧。 我们说51的时候都是在说着老土，过气什么的，但是你玩的精通又有几个，其次在STC里面也有了库的概念，这里就带你看一下。 就直面自己物美价廉这个事情 离谱 反正友商是学不来 PWMGO是PWM初始化 这个是配置的文件 延时函数内部使用的是时钟频率 这个是STC定义的数据类型 PWM的输出都是强推挽模式 数据指针 PWM时钟选择 PWM的分频器 这个是数据手册 先配置寄存器，然后就是中断寄存位，异常检测，控制寄存器也打开 软件置0 这个是对单独的通道设置 安排 ADC是测量电压来的 初始化 中断标志 这个就是计算值 最重要的MPU6050传感器 里面的一些寄存器的位置 初始化MPU6050 里面的延时信号 这个是IIC的数据定义引脚 IIC的写入
65220编辑于 2022-11-29 客流量统计在商业选址中的作用：基于数据的技术分析
随着客流数据采集技术的成熟，利用客流量统计进行选址已成为一种可验证、可复用、可比较的分析手段。1. 选址中的基础需求与技术切入点调研选址时，经营者关注的并不是“路过多少人”，而是以下三个技术问题：1.1 如何量化位置的真实客流需要区分偶发高峰与长期稳定流量，并捕捉全天、全周的节奏波动。 指标点位A（街边）点位B（商场中庭旁）日均总客流8,5003,200目标客群占比8%37%平均进店率1.2%6.5%租金（月）高略低从数据可以得出： 点位A的通行客流高，但目标客群占比偏低，属于“通行型流量 基于客流数据的选址流程（技术版）4.1 数据采集 采集周期：7–14 天 采集维度：小时级客流峰谷、动线方向、停留特征 4.2 数据清洗与结构化 去除异常数据（如大规模活动干扰） 分离工作日与周末数据 选址中的典型偏差与解决方法常见偏差技术问题处理方式只看周末人流数据不完整必须覆盖完整一周只看总客流忽略客群结构引入“目标客群占比”指标依赖商场级别按等级判断价值用实际客流与动线验证忽略进店率客流与销售脱节结合行为数据评估
42110编辑于 2025-11-21- 来自专栏低代码（low code）专栏
数据驱动是什么？数据驱动的深层次理解！
在谈到企业数字化转型时，很多人都会说起“数据驱动”，比如“数据驱动运营”、“数据驱动业务”等等。 在大家言必称“数据驱动”的时代背景下，我相信很多人并未深究和思考“数据驱动”的真正含义，只是过过嘴瘾罢了。那么，问题来了，到底什么是“数据驱动”呢？该如何理解“数据驱动”呢？ 下面就来谈谈我个人对“数据驱动”的理解。个人认为，“数据驱动”可以从应用层次和价值实现机制两个方面来理解，即“数据驱动”有4个层次和1个链条。 一、“数据驱动”的4个层次从数据加工的深度或应用层次来看，“数据驱动”由浅入深分为4个层次：监测—分析—挖掘—使能。监测是“数据驱动”的最浅层次，指的是用数据记录实际发生的事实。 数据的力量有大小之分，“数据驱动”层次分明。当然，理解“数据驱动”是为了更好的践行“数据驱动”，所谓“行胜于言”，“数据驱动”需要你我的行动。
98410编辑于 2025-05-27 - 来自专栏PPV课数据科学社区
数据驱动运营案例
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。 用数据说话，从埋点开始 数据只有采集了才能做分析，分析了才能实现价值。 图1. 数据运营微笑模型 上图是数据运营解决问题的思路，但相对的，数据运营分析的需求，也驱动着数据埋点的优化。 下图是一种消费用户分群的方式，以消费金额Monetary、消费频率Frequency和最近一次消费时间Recency，得到8个象限的用户，可以对不同的用户进行不同的运营推广策略。 图5. 精细化的分析运营需要对业务的深入理解，需要学会切入分析的角度，解析你的用户的特征，了解你的用户，再由数据的需求去驱动埋点的配置。 3. 解析核心路径 第三点是基于第二点的应用。 案例总结 在数据运营的实战中，可能常常会遇到一些让我们觉得有点别扭的数据。 而在这些数据背后，其实蕴藏着很多的细节与能量。
1.5K60发布于 2018-04-24 - 来自专栏数据科学与人工智能
数据驱动运营案例
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。 用数据说话，从埋点开始 数据只有采集了才能做分析，分析了才能实现价值。 图1. 数据运营微笑模型 上图是数据运营解决问题的思路，但相对的，数据运营分析的需求，也驱动着数据埋点的优化。 下图是一种消费用户分群的方式，以消费金额Monetary、消费频率Frequency和最近一次消费时间Recency，得到8个象限的用户，可以对不同的用户进行不同的运营推广策略。 图5. 精细化的分析运营需要对业务的深入理解，需要学会切入分析的角度，解析你的用户的特征，了解你的用户，再由数据的需求去驱动埋点的配置。 3. 解析核心路径 第三点是基于第二点的应用。 案例总结 在数据运营的实战中，可能常常会遇到一些让我们觉得有点别扭的数据。 而在这些数据背后，其实蕴藏着很多的细节与能量。
2.2K70发布于 2018-02-28 - 来自专栏腾讯NEXT学位
前端思维转变--从事件驱动到数据驱动
今天的主角是数据驱动，事件相关的不进行详细说明了。 4.根据计算后的数据状态，重新渲染页面。 通俗地说，事件驱动思维是从事件响应出发，来完成应用的设计和编程。 数据驱动 ---- 数据驱动，将我们从复杂的逻辑设计带进数据处理的世界。 回到日常写码中，前端写页面，抽象成数据常用的无非是： 1.列表 => array 2.状态 => number/boolen 3.一个卡片 => object 4.等等 事件驱动到数据驱动 数据驱动 vs 数据驱动思维 转换到数据驱动思维后，我们在编程实现的过程中，更多的是思考数据的维护和处理，而无需过于考虑UI的变化和事件的监听。 这种方式有以下好处： 1.数据变更方便 2.DOM结构变轻 3.DOM结构/样式调整方便 4.抽象设计 5.代码量减少，易于维护 数据驱动与mvvm 数据驱动的设计思维或许与mvvm没有必然的联系，但是
2.4K10发布于 2019-01-07 数据治理，理清从业务驱动到数据驱动的关键逻辑
简单来讲，数据治理它的核心就是建模型、定标准规范、定流程、采数据、存数据、管数据、用数据，这个基本上就是数据治理它整体里面最核心的一个内容，但是我们的企业去做数据治理的时候，一定要问题驱动场景驱动，你为什么要去做数据治理这个事情 大家没有意识到在数据驱动之前仍然叫业务驱动，它是类似于我们软件生命周期里面一个完整的V模型，你仍然是需要流程驱动、业务驱动，去梳理关键的业务流程、业务活动，找到和沉淀关键的数据，这个时候你才知道怎么样用你沉淀下来的数据更好地去支撑业务 所以，脱离了业务驱动谈数据驱动，往往就是无源之水、无根之木。 我们做数据治理的项目一定要意识到首先是业务驱动，你通过业务驱动这种分析下来沉淀的数据，你才能够真正的想清楚这个数据怎么样为业务服务。 ，做数据这件事情不要单独的只是去强调数据驱动，一定要严格的按照完整的生命周期模型，先是业务驱动产生数据，接着才是数据怎么样去支撑业务，这样才是完整的、闭环的逻辑架构。
18100编辑于 2025-06-24- 来自专栏Android 研究
Android跨进程通信IPC之8——Binder驱动
主要内容如下： 1、Binder驱动简述 2、Binder驱动的核心函数 3、Binder驱动的结构体 4、Binder驱动通信协议 5、Binder驱动内存 6、附录:关于misc 驱动层的原路径 主要工作是： 1、驱动设备的初始化(binder_init) 2、打开(binder_open) 3、映射(binder_mmap) 4、数据操作(binder_ioctl)。 如下图： ? BC请求码.png 重点说几个： BC_FREE_BUFFER:通过mmap()映射内存，其中ServiceMananger映射的空间大小为128K，其他Binder应用的进程映射的内存大小为8K- 当Client端与Server端发送数据时，Client(作为数据发送端)先从自己的进程空间把IPC通信数据copy_from_user拷贝到内核空间，而Server端(作为数据接收端)与内核共享数据， 对于进程和内核虚拟地址映射到同一个物理内存的操作是发生在数据接收端，而数据发送端还是需要将用户态的数据复制到内核态。
2K30发布于 2018-08-30 - 来自专栏被删的前端游乐场
前端思维转变--从事件驱动到数据驱动
今天的主角是数据驱动，事件相关的不进行详细说明了。 根据计算后的数据状态，重新渲染页面。通俗地说，事件驱动思维是从事件响应出发，来完成应用的设计和编程。数据驱动数据驱动，将我们从复杂的逻辑设计带进数据处理的世界。 回到日常写码中，前端写页面，抽象成数据常用的无非是：列表 => array状态 => number/boolen一个卡片 => object等等事件驱动到数据驱动数据驱动 vs 事件驱动要对事件驱动和数据驱动进行直观的比较 数据驱动思维转换到数据驱动思维后，我们在编程实现的过程中，更多的是思考数据的维护和处理，而无需过于考虑 UI 的变化和事件的监听。 这种方式有以下好处：数据变更方便DOM 结构变轻DOM 结构/样式调整方便抽象设计代码量减少，易于维护数据驱动与 mvvm数据驱动的设计思维或许与 mvvm 没有必然的联系，但是 mvvm 框架提供一些具现方式将数据驱动变得更加轻松
67900编辑于 2024-07-27
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