- 综合排序
- 最热优先
- 最新优先
- 来自专栏华章科技
数据分析的 8 种思维
导读：数据分析，应该更加注重思维的培养，那么数据分析的思维主要有哪些呢？ 本文总结了 8 种数据分析的思维，并用一些小故事进行举例说明。 在数据分析的工作中，细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 ? 04 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是：跟尿布一起购买最多的商品竟是啤酒。 总结 本文总结了数据分析的 8 种思维，分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳，充分运用好这些思维，无论是工作，还是生活，相信都能够创造出更多的价值。 以上，希望能够对你有所启发。 ?
82532发布于 2019-09-25 - 来自专栏数据森麟
数据分析的 8 种思维
本文转载自林骥 在《数据分析的思维与工具》这篇文章中，我们提到，应该更加注重数据分析思维的培养，那么数据分析的思维主要有哪些呢？ 我总结了 8 种数据分析的思维，并用一些小故事进行举例说明。 1. 在数据分析的工作中，细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 3. 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 4. 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 啤酒与尿布的故事，是一个相关分析的经典案例。 沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是：跟尿布一起购买最多的商品竟是啤酒。 总结 本文总结了数据分析的 8 种思维，分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳，充分运用好这些思维，无论是工作，还是生活，相信都能够创造出更多的价值。 以上，希望能够对你有所启发。 ?
53811发布于 2019-09-27 - 来自专栏张俊红
数据分析的 8 种思维
在数据分析的工作中，细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 3. 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 4. 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 啤酒与尿布的故事，是一个相关分析的经典案例。 沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是：跟尿布一起购买最多的商品竟是啤酒。 8. 归纳思维 归纳思维的方向与演绎正好相反，归纳的过程是从个别到一般。 还是以金属能导电为例。 前提：金能导电，银能导电，铜能导电，铁能导电，…… 结论：金属能导电。 总结 本文总结了数据分析的 8 种思维，分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳，充分运用好这些思维，无论是工作，还是生活，相信都能够创造出更多的价值。 以上，希望能够对你有所启发。 ?
79610发布于 2019-09-25 - 来自专栏超级架构师
「自然语言处理」使用自然语言处理的智能文档分析
什么是智能文档分析? 智能文档分析(IDA)是指使用自然语言处理(NLP)和机器学习从非结构化数据(文本文档、社交媒体帖子、邮件、图像等)中获得洞察。 对于这种类型的用例，语义相似性是有用的，因为考虑两种技能(如人工智能和机器学习)或职位(如数据科学家和数据架构师)可能是相关的，即使它们不完全相同，这是很重要的。 4. 基于摘要的摘要使用自然语言生成来改写和压缩文档。与基于提取的方法相比，这种方法更加复杂和实验性。 文本摘要可用于使人们能够快速地消化大量文档的内容，而不需要完全阅读它们。 智能文档分析任务的复杂性 机器学习在非结构化文本上要比在结构化数据上复杂得多，因此在分析文本文档方面要达到或超过人类水平的性能要困难得多。 1. 它还可以取决于: 训练数据——机器学习模型的质量取决于训练数据的数量和质量。
3.3K30发布于 2020-08-28 - 来自专栏IT从业者张某某
8-点击流数据分析项目-Hive分析
文章目录 8-点击流数据分析项目-Hive分析 一、环境准备与数据导入 1.开启hadoop 2.导入数据 二、创建hive表 创建 原始数据表（clickstreamdata-pre）： 创建点击流pageview 表clickstreamdata-pageview 创建点击流visit表clickstreamdata-visits 三、数据导入Hive 四、生成统计指标 生成统计数据指标的明细表 导入数据(2021 导出到mysql 总结 8-点击流数据分析项目-Hive分析 一、环境准备与数据导入 1.开启hadoop 如果在lsn等虚拟环境中开启需要先执行格式化，如果已经格式化的就不要二次格式化了 hadoop input-fields-terminated-by '\001' # 注意：需要修改为本机ip地址 备注：如果用lsn，需要打开mysql-workbench，导出的文件位于/home/ubuntu/dumps中 总结 本文完成了点击流分析项目的 hive导入，hive分析与hive导出等三个部分。
77610编辑于 2022-11-12 腾讯云智能分析Agent：可信可干预的自然语言数据分析方案
剖析企业数据分析的战略困境与实操瓶颈 企业数字化转型中，数据分析面临多重瓶颈：传统定制式需求依赖数据部门排期，获数效率需小时级响应；工具使用复杂，仅专业经营分析师可操作，小白用户（老板、业务人员）难以参与 部署腾讯云智能分析Agent技术体系 提供覆盖“问数-选表-洞察-报告-干预”的全流程智能分析方案，核心能力包括： 智能问数：自然语言理解支持多轮对话、意图澄清反问、输入联想、猜你想问，可查看SQL 腾讯内部经营分析场景落地实证 已在腾讯集团内部经营分析场景落地，实现AI问数秒级响应，支持对内部经营数据（如“大数据最近6个月毛利趋势”）实时分析。 腾讯云智能分析Agent的技术领先性 架构优势：基于数据分析大模型，集成RAG（检索增强生成）、SQL Copilot、NL2DSL、ADA技术，构建“业务层（多行业）-应用层（多端）-数据层（云BI基础能力 ）”蓝图，保障数据安全合规（来源：智能分析Agent架构蓝图）。
2300编辑于 2026-04-27- 来自专栏拓端tecdat
R语言自然语言处理（NLP）：情感分析新闻文本数据
介绍 情感分析是自然语言处理（NLP），计算语言学和文本挖掘的核心研究分支。它是指从文本文档中提取主观信息的方法。换句话说，它提取表达意见的积极负面极性。 人们也可能将情感分析称为 观点挖掘 （Pang and Lee 2008）。 研究中的应用 最近，情感分析受到了广泛的关注（K. 通过利用情感分析，自动化交易者可以分析财务披露中传达的情感，以便进行投资决策。 市场营销： 市场营销部门通常对跟踪品牌形象感兴趣。 它们所存储的数据各不相同，这些数据最终还控制着可以应用哪种情感分析方法。字典如下： SentimentDictionaryWordlist 包含属于一个类别的单词列表。 最后，我们进行情感分析。
2.6K10发布于 2021-01-13 - 来自专栏机器学习入门
【NLP自然语言处理】文本的数据分析------迅速掌握常用的文本数据分析方法~
学习目标 了解文本数据分析的作用 掌握常用的几种文本数据分析方法 文件数据分析介绍 文本数据分析的作用: 文本数据分析能够有效帮助我们理解数据语料, 快速检查出语料可能存在的问题, 常用的几种文本数据分析方法: 标签数量分布 句子长度分布 词频统计与关键词词云 数据集说明 我们将基于真实的中文酒店评论语料来讲解常用的几种文本数据分析方法. ,感觉大厅有点挤.由于餐厅装修本来该享受的早饭,也没有享受(他们是8点开始每个房间送,但是我时间来不及了)不过前台服务员态度好! 小结 学习了文本数据分析的作用: 文本数据分析能够有效帮助我们理解数据语料, 快速检查出语料可能存在的问题, 并指导之后模型训练过程中一些超参数的选择. 学习了常用的几种文本数据分析方法: 标签数量分布 句子长度分布 词频统计与关键词词云 学习了基于真实的中文酒店评论语料进行几种文本数据分析方法.
48510编辑于 2024-09-10 - 来自专栏Spark学习技巧
8个数据分析模型简介
大家在工作中是不是经常要做各种分析，但又常常遇到无从下手，抓不住重点，搞不清关键数据的情况。俗话说“工欲善其事，必先利其器。” 一个好用的数据分析模型，能给我们提供一种视角和思维框架，从而帮我们理清分析逻辑，提高分析准确性。 那老李研究数据分析也很多年了，今天特意为大家整理出了8大常用数据分析模型，帮助大家快速提高数据分析能力。 5、购物篮分析 购物篮分析是通过研究用户消费数据，将不同商品进行关联，并挖掘二者之间的联系。 8、杜邦分析法 杜邦分析法是财务分析常用的模型，主要通过对ROE进行分解，从盈利能力、运营能力和偿债能力三个方面去衡量企业经营业绩。
80521编辑于 2022-03-15 - 来自专栏程序猿DD
Java 8 Stream 数据流效率分析
来源：https://blog.csdn.net/Al_assad/article/details/82356606 Stream 是Java SE 8类库中新增的关键抽象，它被定义于 java.util.stream （这个包里有若干流类型：Stream代表对象引用流，此外还有一系列特化流，如 IntStream，LongStream，DoubleStream等 ），Java 8 引入的的Stream主要用于取代部分 集合类库也提供了便捷的方式使我们可以以操作流的方式使用集合、数组以及其它数据结构； stream 的操作种类 ① 中间操作 当数据源中的数据上了流水线后，这个过程对数据进行的所有操作都称为“中间操作”； 先说结论： 传统 iterator (for-loop) 比 stream(JDK8) 迭代性能要高，尤其在小数据量的情况下； 在多核情景下，对于大数据量的处理，parallel stream 可以有比 stream； stream 中含有装箱类型，在进行中间操作之前，最好转成对应的数值流，减少由于频繁的拆箱、装箱造成的性能损失； 还有很多开发者不知道Stream不好调试，那么也可以看看这篇文章：Java 8的
49510编辑于 2022-07-12 - 来自专栏锦小年的博客
Python数据分析(8)-numpy运算函数
本节主要介绍numpy中的运算函数，有些需要记住并熟练的使用，主要分为三类：数学运算、算数运算、统计运算。
54440发布于 2019-05-26 - 来自专栏肉眼品世界
经典8个数据分析模型
大家在工作中是不是经常要做各种分析，但又常常遇到无从下手，抓不住重点，搞不清关键数据的情况。俗话说“工欲善其事，必先利其器。” 一个好用的数据分析模型，能给我们提供一种视角和思维框架，从而帮我们理清分析逻辑，提高分析准确性。 研究数据分析也很多年了，今天特意为大家整理出了8大常用数据分析模型，帮助大家快速提高数据分析能力。 2、转化漏斗模型 转化漏斗模型，主要是通过转化率分析整个业务流程中的转化和流失情况。通过转化数据，对每个环节的流失用户再进行精准营销。 5、购物篮分析 购物篮分析是通过研究用户消费数据，将不同商品进行关联，并挖掘二者之间的联系。 8、杜邦分析法 杜邦分析法是财务分析常用的模型，主要通过对ROE进行分解，从盈利能力、运营能力和偿债能力三个方面去衡量企业经营业绩。
64840编辑于 2022-06-15 - 来自专栏拓端tecdat
自然语言处理NLP：情感分析疫情下的新闻数据|附代码数据
----点击文末“阅读原文”获取全文完整代码数据资料。本文选自《自然语言处理NLP：情感分析疫情下的新闻数据》。 点击标题查阅往期内容【视频】文本挖掘：主题模型（LDA）及R语言实现分析游记数据NLP自然语言处理—主题模型LDA案例：挖掘人民网留言板文本数据Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集自然语言处理 NLP：主题LDA、情感分析疫情下的新闻文本数据R语言对NASA元数据进行文本挖掘的主题建模分析R语言文本挖掘、情感分析和可视化哈利波特小说文本数据Python、R对小说进行文本挖掘和层次聚类可视化分析案例用于 分析NASA元数据的关键字R语言NLP案例：LDA主题文本挖掘优惠券推荐网站数据Python使用神经网络进行简单文本分类R语言自然语言处理（NLP）：情感分析新闻文本数据Python、R对小说进行文本挖掘和层次聚类可视化分析案例 R语言对推特twitter数据进行文本情感分析R语言中的LDA模型：对文本数据进行主题模型topic modeling分析R语言文本主题模型之潜在语义分析（LDA:Latent Dirichlet Allocation
1.2K10编辑于 2022-11-07 大火的 ChatBI，是如何实现灵活的自然语言数据分析？
AI 大模型的爆发，使得 ChatBI（对话式商业智能）应运而生，其支持通过自然语言对话式的方式实现数据分析。 Aloudata Agent：自然语言问数的极强灵活性作为中国数据语义编织（Semantic Fabric）领导者，Aloudata 大应科技推出的 Aloudata Agent 分析决策智能体凭借基于 开启自然语言数据分析新篇章凭借卓越表现，Aloudata 大应科技曾先后入选 IDC「GenAI+Data」中国市场代表厂商、Gartner中国具有代表性数据基础设施供应商等权威榜单，赢得了行业权威认可 如果您正在寻找一款能够灵活应对各种数据分析场景、实现自然语言对话式问数的 ChatBI 工具，那么 Aloudata Agent 无疑是理想选择，助您开启数据分析的新篇章，驱动敏捷决策和业务创新。 适用对象：希望实现自然语言问数、AI 数据分析，推进数据民主化，提升数据交付敏捷性，让一线业务能够减少对数据开发的依赖，自主开展全面、灵活、智能、安全问数，覆盖金融（银行、证券）、制造、消费、零售、交通
31210编辑于 2025-12-17- 来自专栏商业智能方案
8个常用数据分析方法，轻松搞定各种业务分析
在数据分析训练营给大家讲解数据分析案例的时候，发现一些新手小白在做数据分析时，拿到数据不知道怎么分析、从什么维度分析，脑海里没有清晰的分析思路。 对于数据分析思路的培养是一个不断练习积累的过程，刚入行的小白可以先套用一些常用的数据分析方法或模型，掌握基础的分析思路。 本文给大家讲解8个常见的数据分析方法，帮助大家快速上手数据分析，解决实际工作问题。 1.逻辑树分析法 逻辑树分析法就是把一个复杂的问题拆解成若干个小问题，像树枝一样展开。 计算出R、F、M的值后，再按照他们与均值比较后的高低可以将客户分成8类，然后对不同价值的客户采取对应的营销策略。 8.杜邦分析法 杜邦分析法是一个经典的财务分析方法，把企业的盈利水平、经营效率和风险承受能力综合在一起评价企业经营业绩。
1.1K30发布于 2020-07-14 - 来自专栏生信菜鸟团
转录组数据分析定量featureCounts-8
salmon index -t Homo_sapiens.GRCh38.cdna.all.fa -i salmon_index -t：参考基因组fasta文件，可以接受压缩格式 -i：存储索引的文件夹名 分析流程
70510编辑于 2024-07-10 - 来自专栏一行数据
8个Python高效数据分析的技巧。
---- 大家好，我是一行 今天给大家分享一篇内容，介绍了8个使用Python进行数据分析的方法，不仅能够提升运行效率，还能够使代码更加“优美”。 这对绘图时数据可视化和声明坐标轴特别有用。 2.0 3.0 df.apply(np.sum, axis=0) A 12 B 27 df.apply(np.sum, axis=1) 0 13 1 13 2 13 8 Pivot Tables 如果您熟悉Microsoft Excel，那么你也许听说过数据透视表。 Pandas内置的pivot_table函数以DataFrame的形式创建电子表格样式的数据透视表,，它可以帮助我们快速查看某几列的数据。
3K10发布于 2020-12-28 - 来自专栏Python数据科学
8 个 Python 高效数据分析的技巧
不管是参加Kaggle比赛，还是开发一个深度学习应用，第一步总是数据分析，这篇文章介绍了8个使用Python进行数据分析的方法，不仅能够提升运行效率，还能够使代码更加“优美”。 # Map seq = [1, 2, 3, 4, 5] result = list(map(lambda var: var*2, seq)) print(result) [2, 4, 6, 8, 10] 这对绘图时数据可视化和声明坐标轴特别有用。 如果您熟悉Microsoft Excel，那么你也许听说过数据透视表。 Pandas内置的pivot_table函数以DataFrame的形式创建电子表格样式的数据透视表,，它可以帮助我们快速查看某几列的数据。
3.4K20发布于 2019-10-21 - 来自专栏CoXie带你学编程
8个Python高效数据分析的技巧
1,2,3,4] 2out = [] 3for item in x: 4 out.append(item**2) 5print(out) 6[1, 4, 9, 16] 7# vs. 8x 1# Map 2seq = [1, 2, 3, 4, 5] 3result = list(map(lambda var: var*2, seq)) 4print(result) 5[2, 4, 6, 8, 这对绘图时数据可视化和声明坐标轴特别有用。 如果您熟悉Microsoft Excel，那么你也许听说过数据透视表。 Pandas内置的pivot_table函数以DataFrame的形式创建电子表格样式的数据透视表,，它可以帮助我们快速查看某几列的数据。
2.7K20发布于 2018-08-30 - 来自专栏PPV课数据科学社区
【聚焦】数据分析能力的8个等级
并非所有的分析方法作用都相同。和大多数软件解决方案一样，你会发现分析方法的能力也存在差异，从简单明了的到高级复杂。下面我们按照不同分析方法所能给人带来的智能程度，把分析能力划分为8个等级。 1. 统计分析是在历史数据中进行统计并总结规律。 6. 预报回答：如果持续这种发展趋势，未来会怎么样？还需要多少？什么时候需要？示例：零售商可以预计特定商品未来一段时间在各个门店的需求量。 8. 优化回答：如何把事情做得更好？对于一个复杂问题来说，那种决策是最优的？ PPV课其他精彩文章： ---- 1、回复“干货”查看干货 数据分析师完整知识结构 2、回复“答案”查看大数据Hadoop面试笔试题及答案 3、回复“设计”查看这是我见过最逆天的设计，令人惊叹叫绝 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
1.6K40发布于 2018-04-23
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