- 综合排序
- 最热优先
- 最新优先
- 来自专栏SAP ERP管理实践
SAP 资产模块-3.物料转资产
SAP资产管理模块是SAP系统中的一个重要财务模块，包括资产的创建、采购、折旧计算、处置、转移、盘点等功能，主要用于跟踪、管理和计划企业的固定资产，帮助企业实现对固定资产的全面管理和控制。 场景说明：采购以物料方式入库之后，需对物料进行转资产记账；或者某一个资产需要维修领用配件及材料，需要把材料投到资产上。 事务代码：MB1A-发货 操作步骤： 1.输入事务代码 MB1A，确认过账日期、凭证日期、选择移动类型241、工厂、存储地点等信息 2.输入资产号、物料编码、数量、单位等信息 3.确认信息无误后，点保存过账，完成物料转资产操作。
1K10编辑于 2024-07-31 - 来自专栏机器学习原理
示例三（3）——人物画像特征提取
前言：一个人的信用评级一般用人物画像来评判，如何从很多的人物特征中提取有用的特征呢？ 下面以一个金融反欺诈模型为例子来对特征提取有一个简单的理解。 /data/LoanStats3a.csv', skiprows = 1, low_memory = True)#skiprows跳过第一行，low_memory低内存加载，报错就该成False ''' out_prncp_inv has 1 col collections_12_mths_ex_med has 2 col policy_code has 1 col acc_now_delinq has 3 chargeoff_within_12_mths has 2 col delinq_amnt has 4 col pub_rec_bankruptcies has 4 col tax_liens has 3 term has 2 col grade has 7 col emp_length has 11 col home_ownership has 5 col verification_status has 3
1.7K30发布于 2018-06-13 - 来自专栏绿盟科技研究通讯
《2021网络空间测绘年报》解读｜公有云资产画像与风险度量
全文共1142字，阅读大约需3分钟。 风险态势评估的前提是资产梳理，对云上资产服务的宏观把握十分重要。因此，对公有云资产的梳理与测绘势在必行。然而，对公有云资产开展测绘工作也存在着许多挑战。 PART 02 公有云资产多维画像 在《2021网络空间测绘年报》中，我们经过多方调研与对比测试，针对国内几大公有云厂商，整理出了相对可靠的IP库。 我们以Amazon AWS的S3对象存储服务为例，利用数据分析的手段生成了一部分S3访问域名，并对数千个S3存储桶中的数据类型进行了统计分析，分析结果如图3所示。 图3 可公开访问存储桶数据类型分布图 PART 04 总结 面向公有云资产的测绘与风险度量十分重要且挑战巨大。
1.2K10编辑于 2022-03-11 - 来自专栏Web行业观察
3D资产大掌柜—Connecter
Part1Connecter是什么 Connecter是一款3D资产管理工具，这款软件可以帮你管理3dsMax、C4D、UE4，Blender等3D建模软件的模型，理论上支持几乎所有的3d资产。 只能看到团队工作区的资产，看不到个人的工作区！ 免费版工作区只能同时在线5名用户！ Part3Connecter链接max和ue4/ue5 5插件安装 3DS MAX 首次将资源从 Connecter 拖放到 3ds Max 中时，将自动安装脚本。 将场景的命名和路径设置好之后，点击左下角的ADD就可以在Connecter里面看到资产。 这个是UE导入Connecter的格式 UE4和UE5的资产不共通，所以对应的资产最好分开管理。
2K10编辑于 2022-11-24 - 来自专栏凹凸玩数据
用户画像
关于用户画像的概念，数据相关从业人员应该都知道。用户画像的应用场景很广泛，比如精细化运营、数据分析与挖掘、精准营销、搜索和广告的个性化定向推送等。 用户画像的分析核心一个是对用户建模打标签，关于这，之前在内部交流群分享了一份个人学习的资料，大家都觉得真香，今天把全部内容共享出来供大家自行下载阅读。 主要目录： 1、用户画像应用场景 2、产品层面的宏观分析维度 3、用户画像标签类型 4、用户画像项目开发流程 5、数据仓库介绍 6、用户画像数据质量管理 7、常见需要开发的用户画像相关模型 8、用户行为标签表实际开发案例
6.9K20发布于 2020-02-20 - 来自专栏SAP最佳业务实践
SAP最佳业务实践:FI–资产会计(162)-3资产浏览器
4.2 AW01N资产浏览器 资产浏览器允许您分析个别资产主记录的值的更改。它用不同的形式和汇总级别来表示固定资产的已计划和过帐的资产负债表值和折旧值。 资产浏览器包括 输入公司代码和所需资产的表头部分 在不同折旧范围之间导航的概览树 显示与资产相关的对象的概览树 用于分析计划值、过帐值和不同参数，以及比较会计年度和折旧范围的标签。 有关这些功能的详细描述和使用资产浏览器的更多信息，请参阅 SAP ERP 文档。 系统中已创建和过帐资产主记录。 角色：资产会计 会计核算 -财务会计 -固定资产 -资产 -资产浏览器 1. 在 资产浏览器 屏幕，输入所需数据： 字段名称 用户操作和值 注释 公司代码 1000 资产 <资产编号> 会计年度 <会计年度> 例如：<本年度> 折旧范围 <选择一个折旧范围> 例如：01 帐面折旧 变量 标签显示折旧码和资产的详细特征。 ?
1.5K80发布于 2018-03-29 - 来自专栏张叔叔讲互联网
画像平台常见的3种数据模型
画像数据对于画像平台无疑是非常重要的，按什么样的数据模型存储画像数据直接影响了上层画像平台所能支持的功能范围，本文内容主要介绍3种常见的画像数据模型及其适用的平台功能。 基于用户－行为模型，可以结合用户属性类标签和行为标签实现更加复杂的人群圈选和分析功能，比如圈选出3月1日到3月24日之间，平均在线时长超过1000秒的河南省男性用户；针对给定人群，分析其从3月15日到3 基于行为明细数据可以实现更加细致的人群圈选和分析功能，比如圈选出3月1日到3月7日，中午12：00到14：00之间，使用Android系统进行登录的河南省女性用户；筛选出3月24日登录2小时之内发生了点赞行为的用户 以上介绍了常见的3种画像平台数据模型，随着模型复杂度的提升，工程实现难度不断提高，但是可支持的功能范围逐渐扩大。 ---- 本文节选自《用户画像：平台构建与业务实践》，转载请注明出处。
1.1K20编辑于 2023-10-06 - 来自专栏算法之名
Flink用户画像用户画像行为特征
","id":15,"tablename":"user_info","account":"abcd","age":24,"email":"981456@qq.com","status":0} 创建用户画像 reduce.addSink(new CarrierAnalySink()); env.execute("portrait carrier"); } } 创建用户画像会员分类标签 ); reduce.addSink(new MemberAnalySink()); env.execute("portrait member"); } } 用户画像行为特征 这里我们会分析用户的几个行为，并进行画像 浏览商品行为：频道id、商品id、商品类别id、浏览时间、停留时间、用户id、终端类别(1、PC端，2、微信小程序，3、app)、deviceId。 创建用户画像商品类别偏好标签 创建一个商品类型标签实体类 @Data public class ProductTypeLabel { private Long userid; private
10.6K20发布于 2021-11-10 - 来自专栏AI机器思维
数据画像
01 什么是健康码画像？ 健康码画像让普通大众理解了数据，其实在实际的应用中还有很多针对特定场景的画像，如用户画像、产品画像、业务经营画像等，下面以用户画像为例讲解。 02 什么是用户画像？ 通过这个用户画像，从而对这个人有了一个整体的认识，一个完整的人物画像已经呈现在了你的脑海里。当标签被描述得越多，用户画像就越清晰。 3）从数据角度而言，用户画像有助于建立数据资产，挖掘数据的价值。使数据分析更为精确，甚至可以进行数据交易，促进数据互联互通的流通。 3.数据标准化：用户画像需要整合多源甚至跨系统的数据，如客户可能使用多个设备，拥有移动网络的多个账号，需要把同一个身份ID组合，建立统一的标准，才能完整标识实体的用户画像。
5.8K40发布于 2020-04-22 - 来自专栏算法channel
画像分析
关于用户画像的概念，数据相关从业人员应该都知道。用户画像的应用场景很广泛，比如精细化运营、数据分析与挖掘、精准营销、搜索和广告的个性化定向推送等。 用户画像的分析核心一个是对用户建模打标签，关于这，之前宝器在内部交流群分享了一份个人学习的资料，大家都觉得真香，今天把全部内容共享出来供大家自行下载阅读。 主要目录： 1、用户画像应用场景 2、产品层面的宏观分析维度 3、用户画像标签类型 4、用户画像项目开发流程 5、数据仓库介绍 6、用户画像数据质量管理 7、常见需要开发的用户画像相关模型 8、用户行为标签表实际开发案例
2.7K50发布于 2020-02-21 - 来自专栏凹凸玩数据
用户画像
开发画像后的标签数据，如果只是“躺在”数据仓库中，并不能发挥更大的业务价值。只有将画像数据产品化后才能更便于业务方使用。 图3 用户标签查询 03 元数据管理 标签编辑管理功能主要是面向数据开发人员。数据开发人员在开发完标签后，需要将标签录入元数据进行管理，如图4所示。 ? 例如：组合“近30日购买次数”大于3次和“高活跃”“女性”用户这3个标签定义目标人群，查看该类人群覆盖的用户量，以及该部分人群的各维度特征。下面介绍产品上的实现方式。 图13 对比分析两个人群特征 本文介绍了用户画像产品化主要涵盖的功能模块以及这些模块的应用场景。用户画像产品化是把数据应用到业务服务中的一个重要出口，业务人员熟知业务，但对数据不了解。 本文摘编于《用户画像：方法论与工程化解决方案》，经出版方授权发布。
6K30发布于 2020-11-04 - 来自专栏算法无遗策
用户画像构建
用户画像是指用户的进行标签化、信息结构化。 构成用户画像的基本元素通常有：姓名、照片、个人信息、经济状况、工作信息、计算机互联网背景。 用来丰富用户画像的元素有：居住地、工作地点、公司、爱好、家庭生活、朋友圈、性格、个人语录等等。 创建用户画像的方法 用户画像的作用 精准营销，分析产品潜在用户，针对特定群体利用短信邮件等方式进行营销； 用户统计，比如中国大学购买书籍人数 TOP10，全国分城市奶爸指数； 数据挖掘，构建智能推荐系统
4.8K11发布于 2019-12-23 - 来自专栏Unity游戏开发
Unity-资产-常用资产
Texture 纹理是图片或者影视文件覆盖在GameObjects上面来给予他们可视化的效果 Unity支持任何类型的image 和 movie文件在3D项目资产文件中作为纹理。 Avatar Definition : Create from this model/Copy from other Avatar Legacy : 使用legacy animation system 3. Unity Materials命名 Search ： Unity查找材质的方式 List of Imported materials : Audio Clip Unity支持单声道，立体声和多通道音频资产 Unity可以导入的音频文件格式是.aif、.wav、.mp3和.ogg。Unity还可以导入.xm、.mod、.it和.s3m格式的跟踪模块。 跟踪器模块资产的行为与Unity中的任何其他音频资产相同，尽管在资产导入检查器中没有波形预览功能。
1.7K30发布于 2019-07-15 - 来自专栏全栈程序员必看
用户画像总结
（3）数据挖掘：以用户画像为基础构建推荐系统、搜索引擎、广告投放系统，提升服务精准度。 在互联网领域，用户画像数据可以包括以下内容： （1）人口属性：包括性别、年龄等人的基本信息 （2）兴趣特征：浏览内容、收藏内容、阅读咨询、购买物品偏好等 （3）消费特征：与消费相关的特征 （4）位置特征 3、标签体系结构分类 一般来说，设计一个标签体系有3种思路，分别是：（1）结构化标签体系；（2）半结构化标签体系；（3）非结构化标签体系。 （1）用户画像的基本方向；（2）用户数据收集；（3）用户标签建模。 （3） 面向应用 从刚才的数据整理、数据平台的计算，都已经将服务于上层应用的标签大宽表生成。（用户所对应的各类标签信息）。
3.7K11编辑于 2022-09-09 - 来自专栏计算机视觉CV
用户画像小结
前段时间做可一些用户画像方面的工作，对用户画像技术有了初步了解。如果你是一个对大数据和用户画像技术完全不了解的小白，希望这篇文章可以提供一点帮助。 在项目开展前，当然要先了解用户画像主要是干什么的，下面是我总结的两篇文章，大家可以先对大数据和用户画像有个基本的认识。 用户画像--《美团机器学习实践》笔记 如果刚接触用户画像，可以先通过以上两篇文章对用户画像挖掘和应用有初步了解。如果你读完以后是一脸懵的话，我知道你很急，但是你先别急。 3 实战 买好装备，学好技能，可以简单实战下了~ 3.1 用户消费画像 我当时是先从实现一个RFM模型入手，熟悉从数据库读取库表，对库表进行操作以及分析的流程，顺便熟悉pyspark的一些常用API。 ~ 以上内容阐述了如何通过最直观简洁的方式来构建用户画像，让大家对用户画像的概念有更深入的理解。
1.8K111编辑于 2023-08-04 - 来自专栏架构师修炼
用户画像基础
图1-2 数据应用体系的层级划分 标签类型： 用户画像建模其实就是对用户“打标签”，从对用户打标签的方式来看，一般分为3种类型（如图1-3所示）：①统计类标签；②规则类标签；③机器学习挖掘类标签。 除去基础设施外，系统主体还包括Spark Streaming、ETL、产品端3个重要组成部分。图1-4所示是用户画像数仓架构图，下面对其进行详细介绍。 ? 表1-9 购物车信息表（dw.shopping_cart_df） 3. 画像表结构设计 表结构设计也是画像开发过程中需要解决的一个重要问题。 这里，labelid表示标签名称；cookieid表示用户id；act_cnt表示用户当日行为次数，如用户当日浏览某三级品类商品3次，则打上次数为3；tag_type_id为标签类型,如母婴、3C、数码等不同类型 例如，某用户在“20180701”日浏览某3C电子商品4次（act_cnt），即给该用户（userid）打上商品对应的三级品类标签（tagid），标签类型（tag_type_id）为3C电子商品，行为类型
5.4K50发布于 2020-08-06 - 来自专栏从救火到防火：大模型赋能云原生安全
第 4 期：基于资产画像的治理闭环：从基础镜像到 CICD 的源头治理方法论
Python多层依赖链NodeJS数千个npm包JavaJAR重复嵌套Golangvendoring冲突治理方式：引入SBOM建立依赖白名单锁定版本自动重建镜像漏洞只标记一次（依赖链归并）五、治理闭环3： 禁止高风险漏洞进入生产（利用第3期里讲的四维风险决策模型锁定的“真正有危险的漏洞”）禁止未签名镜像部署禁止绕过AdmissionController“没有治理的CI/CD，就是漏洞制造机。” 我们在第2期里讲的“运行时画像”（哪些库加载了，哪些没加载），不仅仅用来做风险过滤，更要反馈给开发和运维团队，反馈到CI阶段。终极操作：镜像瘦身（Slimming）。 •第2期（已发布）：介绍核心能力资产画像，演示如何将数百万漏洞压缩成数十个必须修的风险，实现精准打击。•第3期（已发布）：深入剖析四维风险决策模型，掌握如何比同行更快锁定“真正有危险的漏洞”。
14300编辑于 2025-12-30 - 来自专栏Keegan小钢
研发NamePump期间的那些事（3）：内容资产化
我们希望通过这篇文章，与你一起思考：当内容真正成为资产，Web3 世界中的创作、互动与激励机制，又会发生怎样的变化？ 这一点，尤其在 Web3 的价值观中，具有无可替代的重要性。 另一个显著的优势是去后台化。采用去中心化的链上合约和文件系统，我们不再需要传统的后台服务，节省了大量的开发和维护成本。 这种设计使得平台的透明度和信任度得到极大提高，同时也强化了 Web3 的核心理念：去除中介、增强用户的自主权、确保内容和数据的不可篡改性。 每个帖子不仅承载了内容，还拥有了作为代币资产的属性，成为一个不可篡改的内容资产。这些内容资产在社区的互动和打赏中得到了沉淀和增值。 每个帖子都成为一个独立的经济单元，体现了 Web3 中创作者与用户共同建设价值的理念。
28800编辑于 2025-04-11 - 来自专栏数据的力量
如何构建用户画像
伴随着对人的了解逐步深入，一个概念悄然而生：用户画像（UserProfile），完美地抽象出一个用户的信息全貌，可以看作企业应用大数据的根基。 一、什么是用户画像？ 二、为什么需要用户画像 用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？ 所以，用户画像，即：用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。 3.1 数据源分析 构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。 如，同样一瓶矿泉水，超市卖1元，火车上卖3元，景区卖5元。商品的售卖价值，不在于成本，更在于售卖地点。标签均是矿泉水，但接触点的不同体现出了权重差异。这里的权重可以理解为用户对于矿泉水的需求程度不同。 标签 权重 地点 矿泉水 1 超市 矿泉水 3 火车 矿泉水 5 景区 类似的，用户在京东商城浏览红酒信息，与在品尚红酒网浏览红酒信息，表现出对红酒喜好度也是有差异的。
3.6K61发布于 2018-06-20 - 来自专栏阿黎逸阳的代码
电信流失用户画像
本文和你一起探索电信流失客户的画像，后续文章会对电信用户进行流失预测。 一、数据读取与分析 首先介绍一下数据集，它总共包含了7043个用户的信息。 二、流失客户画像分析-明细 1 是否为老年人 是否为老年人指标不同值对应的客户流失率如下： 老年人和非老年人的客户数分别为1142和5901，在客户数上老年人的占比要远小于非老年人。 #每个箱体的总样本数 d3['bad_rate'] = d3['bad']/d3['total'] #每个箱体中坏样本所占总样本数的比例 d3['badattr'] = d3['bad d3['woe'] = np.log(d3['badattr']/d3['goodattr']) #计算每个箱体的woe值 iv = ((d3['badattr']-d3['goodattr 三、流失客户画像分析-总结 总结的流失客户画像如下： 至此，电信流失客户画像已讲解完毕。后续文章会对电信客户流失进行预测，敬请期待。
3.9K10编辑于 2023-08-21
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