- 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。 ?
94032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。 ?
58811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。 ?
92710发布于 2019-09-25 - 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。
95110编辑于 2022-11-12 - 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。
95321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
62810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。
60640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。
77640编辑于 2022-06-15 - 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。
1.2K30发布于 2020-07-14 - 来自专栏Elastic Stack专栏
通过 OpenTelemetry 分析 AI Agent 数据
—— 以 hermes_agent 的 gen_ai.* 数据为例本文以 Elastic 中一个真实的 Agent 服务 hermes_agent（数据流 traces-generic.otel-default ）为例，讲清楚：LLM 的每一次调用会在 OpenTelemetry span 里留下哪些字段、每个字段装的是什么、input 与 output 字段之间是什么关系、以及如何用 ES|QL 去分析、理解并利用这些数据 实战 ES|QL 分析范式提示：pipeline 抽出的字段名里含点号，在 ES|QL 中需用反引号包裹，如 `attributes.gen_ai.output.messages_tool_names` 8. 小结一次 LLM 调用 = 一个 span，gen_ai.input.messages / gen_ai.output.messages 承载原始对话，pipeline 把它们拆成可分析的结构化字段。
27711编辑于 2026-07-19 - 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。
3.4K10发布于 2020-12-28 - 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
90310编辑于 2024-07-10 - 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。
3.2K20发布于 2018-08-30 - 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。
3.9K20发布于 2019-10-21 - 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、
1.8K40发布于 2018-04-23 AI 数据分析系统选型，2027年建议考察对比这 4 类 8 款
企业选AI数据分析系统时，IT、数据分析师和业务人员常常卡在同一个地方：各家官网都写着“智能问数”“AI归因”“Agent”，功能清单看上去差不多；价格又分按账号、按计算容量、按数据量几种，再加上二次开发和实施费 这篇文章从这个变化出发，盘点8家主流AI数据分析厂商，说明各自的定位、选型时要注意的地方，以及更适合哪类企业。 一、8家厂商全景##二、今年要多看的一个维度：能不能进入你已有的Agent工作流过去评估AI分析系统，大家主要看问数准不准、图表好不好用、能不能归因。 它和传统分析工具的区别主要在三点：第一，数据从源头管准。AI分析算错，很多时候问题出在埋点设计不完整、口径不统一，而不在模型本身。 8.友盟+特点：SDK覆盖面广。U-App专注移动应用统计，已加入AI数据助手和智能简报；开箱即用、接入快，能减少日常发版复盘与渠道监控的报表工作量。
4400编辑于 2026-10-26- 来自专栏嵌入式音视频
【AI】数据分析-数据可视化模块
NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。 Numpy 是 Python 语言在科学计算领域取得成功的关键之一，如果想通过 Python 语言学习数据科学、人工智能（包括深度学习、语言处理等分支），就必须学习 Numpy。 1,2,3,4,5,6]) print(b) print('b 数组的维度：',b.shape) 执行结果如图 ---- 【示例3】创建二维数组 a=np.array([[1,2,3],[4,5,6],[7,8,9 ---- 【示例 7】arange()函数指定起始值、终止值及步长 x=np.arange(10,20,2,dtype=float) print(x) 执行结果如图 ---- 【示例8】
1.1K20编辑于 2023-03-16 - 来自专栏Dance with GenAI
AI数据分析：集中度分析和离散度分析
在deepseek中输入提示词： 你是一个Python编程专家，要完成一个Python脚本编写的任务，具体步骤如下： 读取Excel表格："F:\AI自媒体内容\AI行业数据分析\toolify月榜\toolify2023 2列第21行-31行； 然后按照上面的计算步骤一直计算到第15列第21行-31行； 计算第2列第1行（设为数据起点）到第15列第1行（设为数据终点）数据组的简单年均增长率，写入第16列第1行，然后计算第 2行，第3行数据，一直计算到第20行； 计算第2列第1行（设为数据起点）到第15列第1行（设为数据终点）数据组的复合年均增长率，然后计算第2行，第3行数据，一直计算到第20行； 注意：每一步都输出信息到屏幕 但是代码要整合在一起 计算复合年均增长率的时候，年数n是固定值:13 源代码： import pandas as pd import numpy as np # 读取Excel文件 file_path = "F:\\AI 自媒体内容\\AI行业数据分析\\toolify月榜\\toolify2023年-2024年月排行榜汇总数据.xlsx" df = pd.read_excel(file_path) # 计算第2列到第15
53510编辑于 2024-06-24 - 来自专栏Dance with GenAI
AI数据分析：根据Excel表格数据进行时间序列分析
ChatGPT中输入提示词： 你是一个Python编程专家，要完成一个Python脚本编写的任务，具体步骤如下： 读取Excel表格："F:\AI自媒体内容\AI行业数据分析\toolify月榜\toolify2023 自媒体内容\AI行业数据分析”，图片标题为：2023年Top20 AI应用近一年的发展趋势； 显示图片； 注意：每一步都输出信息到屏幕 源代码： import pandas as pd import matplotlib.pyplot 自媒体内容\AI行业数据分析\toolify月榜\toolify2023年-2024年月排行榜汇总数据.xlsx' try: df = pd.read_excel(file_path) print("Excel : {e}") exit(1) # 如果提取失败，退出程序 # 绘制折线图 plt.figure(figsize=(14, 8)) # 实线颜色设置 solid_lines_colors = ['b', 应用近一年的发展趋势') plt.xlabel('月份') plt.ylabel('月访问量') plt.legend() # 保存图片 output_dir = r'F:\AI自媒体内容\AI行业数据分析
97110编辑于 2024-06-24 - 来自专栏山行AI
PandasAI——让AI做数据分析
前言 PandasAI是一款数据分析领域的ChatGPT应用，本文对原项目进行翻译旨在进行知识科普和梳理。 这个项目的github地址为：https://github.com/gventuri/pandas-ai PandasAI Pandas AI 是一个 Python 库，它为 Pandas（一款流行的数据分析和操作工具 usp=sharing#scrollTo=MhByl8oxEJFH 大家可以在colab上进行功能尝试，只是在代码生成阶段需要填入自己的API key。 安装 pip install pandasai 使用 免责声明：国内生产总值(GDP)数据收集自此处[8]，由世界发展指标(World Development Indicators)-世界银行(World usp=sharing [8] 此源: https://ourworldindata.org/grapher/gross-domestic-product?
2.6K40编辑于 2023-06-14
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