Task 01 数据分析认知

已于 2022-10-31 13:42:29 修改
阅读量169 收藏 2
点赞数
分类专栏： # 【数据分析思维】 文章标签： 数据分析
于 2021-07-01 21:08:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jcjic/article/details/118398022
版权
本文探讨了数据思维的概念，并通过案例分析了抖音日活跃用户（DAU）的增长、用户使用时长、视频分类统计和用户偏好，揭示了抖音成功背后的推动力。重点介绍了数据分析的定位、量化、工具选择以及沟通协调等关键能力，展示了如何利用用户偏好指导内容推荐，以实现产品改进。
摘要由CSDN通过智能技术生成

文章目录

内容来源：

白嫖某教育三天课程而来，自娱自乐，如有侵权，请告知删。

1.何为数据思维？

用客观数据分析问题
【案例1】 作战打仗，如何屡败屡战
在这里插入图片描述感性评判VS理性衡量
【案例2】费德勒VS纳达尔，谁更优秀？
在这里插入图片描述

2.数据分析能力究竟是什么？

2.1 描述现状

在这里插入图片描述

2.2 寻找规律

在这里插入图片描述

2.3 推动改进

在这里插入图片描述

3.数据分析必备的两类能力

在这里插入图片描述

3.1 硬技能：定位和量化

在这里插入图片描述

3.2 硬技能之工具

数据分析工具对比
在这里插入图片描述

3.3 软技能之工作方法

在这里插入图片描述

3.4 软技能之沟通协调

在这里插入图片描述

4.【案例】抖音高日活背后的秘密

4.1 抖音DAU增长曲线

在这里插入图片描述

4.2 用户使用时长对比

在这里插入图片描述

4.3 用户视频观看分类统计

在这里插入图片描述

4.4 用户偏好分析-偏好系数

在这里插入图片描述

4.5 利用偏好便签指导推荐内容

在这里插入图片描述

4.6 案例总结-解法回顾

在这里插入图片描述

学术前沿趋势分析Task01
Daisy的博客
01-11 1040
一、任务说明 任务主题：论文数量统计，即统计2019年全年计算机各个方向论文数量； 任务内容：赛题的理解、使用 Pandas 读取数据并进行统计； 任务内容：任务成果：学习 Pandas 的基础操作； 二、数据集介绍 数据集的格式如下： id：arXiv ID，可用于访问论文； submitter：论文提交者； authors：论文作者； title：论文标题； comments：论文页数和图表等其他信息； journal-ref：论文发表的期刊的信息； doi：数字对象标识符，https://www
DataWhale-动手数据分析-Task01：数据加载及探索性数据分析
ZZYYhzhy的博客
08-16 6399
part1 ：数据加载1.1 载入数据1.1.1 任务一：导入numpy和pandas1.1.2 任务二：载入数据【提示1】相对路径载入报错时，尝试使用os.getcwd()查看当前工作目录。【思考2】知道数据加载的方法后，试试pd.read_csv()和pd.read_table()的不同，如果想让他们效果一样，需要怎么做？了解一下'.tsv'和'.csv'的不同，如何加载这两个数据集？1.1.3 任务三：每1000行为一个数据模块，逐块读取【思考】什么是逐块读取？为什么要逐块读取呢？1.1.4 任务四.
LLM与数据分析
weixin_37172178的博客
11-06 1507
本文主要以LLM的应用为基础，说明LLM与数据开发、数据分析领域的相关工作以及未来可能存在的发展。搜索在传统数据库，搜索功能都是基于不同的索引方式（B Tree、倒排索引等）加上精确匹配和排序算法（BM25、TF-IDF）等实现的。本质还是基于文本的精确匹配，这种索引和搜索算法对于关键字的搜索功能非常合适，但对于语义搜索功能就非常弱。
数据分析-方法模型
weixin_41794169的博客
06-20 918
1、PULSE指标框架，产品与用户的桥梁 • Page view:页面浏览量 • Uptime:正常运行时间 • Latency:延迟 • Seven days active user:7天活跃用户数 页面浏览量：在实际的度量过程中，我们可以将这个指标细分为PV，UV等指标，并按照时间、客户分类、业务特征等进一步区分和透视。 正常运行时间：一个网站一个APP的持续稳定运行时间非常重要，一些大平台出现故障甚至会导致整个行业的的震动，例如阿里云由于市场占有率较高，其出现问题之后，带来的社会影响也是巨大的。 延迟
关于天池赛中零基础入门推荐系统 - 新闻推荐Task02数据分析
weixin_43796337的博客
11-27 641
文章目录前言一、关于数据分析数据分析的目的：数据分析的作用：二、实现步骤1.引入库2.读取数据：3.数据预处理：4.数据浏览：4.1用户点击日志文件_训练集4.2测试集用户点击日志4.3新闻文章信息数据表4.4新闻文章embedding向量表示5.数据分析：5.1用户重复点击5.2用户点击环境变化分析5.3用户点击新闻数量的分布5.4新闻点击次数分析5.5两篇新闻连续出现的次数总结 前言 经过上一篇依据Datawhale的针对天池赛中零基础入门推荐系统 - 新闻推荐Task01的文章，接下来本文将对此次.
LLM Agent之数据分析领域的应用
2401_82469710的博客
01-29 1001
基于以上任务选择模块每个步骤的任务类型，例如 stock_task，会有不同的 few-shot prompt 来指导模型针对该任务类型，生成多步的 API 调用，包括每一步调用的 API，输入，输出和返回值。行为规划中一个有意思的点，是论文构建的API中包含三种不同的执行方式，串行操作常规单个输入单个输出，并行操作获取一个证券的多个指标数据，以及循环操作，类似 map 对多个输入执行相同的操作。行为规划模块包含两个步骤，第一步是任务拆解，以上改写后的 query 会作为输入，输入任务拆解模块。
基于spm12对fMRI数据分析
weixin_51411330的博客
02-18 2816
任务描述 这批数据来自于spm12（https://tinyurl.com/scelanz）官网，被试需要做2个runs，如下图所示，需要对箭头的方向做出反应，箭头朝右就按右键，朝左按左键，这批数据中有被试的反应时，准确率，可以在此文件夹用txt形式打开(sub-01_task-flanker_run-2_events.tsv)。 2.数据整理 2.1 观察结构像和功能像 在MATLAB的命令窗口行输入 spm fmri 我们还需要将*.gz数据进行解压，可以用命令 gunzip('*.g..
数据分析从零到精通第一课 数据分析技巧和OLAP工具简介
fegus的博客
05-28 1496
开篇词 避免踩坑 搭建数据分析师的核心竞争力 你好，我叫“取经儿”，是北京回龙观的一名数据“民工”，你可以直接叫我“经哥”。 我毕业后先在电信工作了 3 年，2015 年开始转行成为一名数据分析师。之后近 6 年的时间里，我就职过多家互联网公司，服务过很多产品线，从 To B 到 To C ，从用户侧到商业广告侧，从日活百万的 App 到日活过亿的服务，从每天收入十几万的产品到日入几千万的产品等，都给了我很多宝贵的经验积累。 数据分析工作中的趣味与挑战 于我而言，从事数据分析工作是一件有趣又具有挑战的事儿
天池_二手车价格预测_Task1-2_赛题理解与数据分析
ExcaliburUlimited的博客
03-22 2248
文章再菜，也要有的目录1️⃣ 赛题理解✍️1️⃣.1️⃣ 赛题重述1️⃣.2️⃣ 数据集概述思考????????1️⃣.3️⃣ 预测结果评价指标⚒️2️⃣ 数据分析EDA????2️⃣.1️⃣ 数据总览2️⃣.1️⃣.1️⃣ 各种计算包的导入2️⃣.1️⃣.1️⃣ 数据载入2️⃣.1️⃣.2️⃣ 数据的基本形态2️⃣.2️⃣ 数据的缺失情况????2️⃣.3️⃣ 数据的异常情况☢️2️⃣.4️⃣ 待预测的真实值的分布情况...
数据分析—学术前沿趋势分析—task1 论文数据统计
wangtz1517的博客
01-13 355
数据分析—学术前沿趋势分析—task1 论文数据统计 数据分析—学术前沿趋势分析—task1 论文数据统计1 背景简介2 数据介绍2.1 数据来源2.2 数据介绍3 数据统计思路与代码实现3.1 导入数据并读取3.2 数据预处理3.3 数据分析与可视化4 总结 1 背景简介 本篇博客是来自datawhale开源团队集体学习项目。 题目是以kaggle里面一个比赛为例子，比赛地址是：https://www.kaggle.com/Cornell-University/arxiv，对使用公开的arxiv论文完成一
【2021.08】python会员数据化运营task01
Mounvo的博客
08-22 810
文章目录学习目的 学习目的 1、了解企业数据化运营中，运用数据工具对会员进行运营的思路和方法 2、了解RFM模型的运用 3、掌握Python处理数据的技巧 4、掌握EXCEL表的可视化图表及透视工具
大数据分析工具作业task01:np.random总结及几种常见概率分布图形的绘制
miffy_love_zyx的博客
09-27 1818
numpy.random在生成大型样本时比纯python方式快乐一个数量级 写这篇文章的原因是小米菲一直对于numpy中的伪随机数们傻傻分不清楚，再加上我的大数据分析工具老师让我们画出六种分布的图形（包括正态、指数、均匀；0-1、二项、泊松。）所以趁着这个机会恶补一下，顺便学学常用的统计图形怎么画。 一个目录1.函数总结2.均匀分布2.1均匀分布np.random.rand()2.2 均匀分布的图像绘制2.3 补充——直方图hist()参数bins变量类型3. 正态分布（高斯分布）3.1 np.rand.
Pandas | 数据分析时将特定列转换为数字类型 float64 或 int64的方法
HG0724的博客
11-08 1458
是处理数据转换时非常有用的工具，尤其是在数据清洗和预处理阶段，它可以帮助确保数据类型的一致性。更多详细信息和用法可以参考。根据上述方法，将空字符串替换为NaN，这就方便使用isnull函数进行后续处理。库中的一个函数，用于将参数转换为数字类型。这个函数的默认返回类型是。’ ’ 【有个空格的哦】，具体取决于提供的数据。# 空字符当成有数据处理了。
数据分析——学习框架
最新发布
不迁怒，不贰过。小知识，大智慧。
11-11 1217
本教程旨在为读者提供一个系统化的数据分析学习框架，涵盖从数据收集、清洗、分析到可视化和报告的各个环节。通过深入探讨每个环节的理论与实践，读者将能够掌握数据分析的基本技能，提升数据处理和分析的能力。无论您是数据分析的初学者，还是希望进一步提升技能的专业人士，本教程都将为您提供有价值的指导和实用的工具，助您在数据分析的旅程中取得成功。
2020年美国总统大选数据分析与模型预测
2302_79553009的博客
11-06 4580
对2020年美国总统大选数据的深入分析，提供各州和县层面的投票情况及选民行为的可视化展示。数据预处理阶段将涉及对异常值的处理，以确保分析的准确性。通过数据清洗、集成、转换将为后续分析整理合理的数据集。在数据分析阶段，本次实训关注候选人在各州的得票情况及各州的政党优势，同时对县级投票支持率和选举结果进行可视化。此外，人口特征分析将帮助我们理解不同性别、年龄及地域对投票的影响。模型建立阶段将应用KNN和朴素贝叶斯算法，对大选结果预测进行建模，以其发现潜在的影响因素并为未来的选举策略提供依据。
数据分析和数据挖掘的区别在哪
直到世界的尽头
11-11 471
目标：数据分析侧重于解释数据，数据挖掘侧重于发现模式。方法：数据分析主要使用统计和可视化技术，数据挖掘使用算法和模型。应用场景：数据分析侧重于业务报告和运营优化，数据挖掘侧重于发现新知识和新模式。数据规模：数据分析处理中小规模数据，数据挖掘处理大规模数据。结果的可解释性：数据分析的结果通常更易于解释。虽然它们有所区别，但在实际应用中，数据分析和数据挖掘常常结合使用，以提供全面的洞察和解决方案。
什么是聚类分析，它在数据分析中的应用是什么
power_9的博客
11-08 417
聚类分析在数据分析中的应用非常广泛，它可以作为独立的工具来获取数据的分布状况，观察每一簇数据的特征，并对特定的聚簇集合作进一步分析。评估聚类结果的质量是另一个重要的阶段，聚类是一个无管理的程序，也没有客观的标准来评价聚类结果，它是通过一个类有效索引来评价。一般来说，几何性质，包括类间的分离和类内部的耦合，一般都用来评价聚类结果的质量。层次聚类包括凝聚层次聚类和分裂层次聚类，而非层次聚类则包括基于划分的方法（如K-means聚类）、基于密度的方法（如DBSCAN聚类）和基于模型的方法（如高斯混合模型聚类）。
深入探索 Seaborn：高级绘图的艺术与实践
qq_44771627的博客
11-08 769
在数据科学领域，数据可视化是至关重要的一步。它不仅能够帮助我们更好地理解数据，还能有效地传达信息，支持决策过程。Seaborn 是一个基于 Matplotlib 的高级 Python 数据可视化库，它提供了许多高级绘图功能，使得数据可视化变得更加直观和美观。本文将带你深入了解 Seaborn 的高级绘图技术，从基础到进阶，再到实战案例，帮助你在数据可视化领域更上一层楼。
数据分析-43-时间序列预测之深度学习方法GRU
qq_20466211的博客
11-08 196
GRU是LSTM的简化版本，它通过合并LSTM中的遗忘门和输入门简化了结构，使得计算效率更高。在某些任务上，GRU的表现与LSTM相当甚至更好，且参数较少，训练速度更快。
Python认知诊断
07-28
Python拥有许多优秀的库，如NumPy、SciPy、Matplotlib和pandas，这些库在数据分析和可视化方面非常完善和优秀，满足了Python程序员编写科学计算程序的需求。此外，Python还有许多专门用于人工智能的库，如numpy和...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

数据闲逛人

谢谢大嘎喔~ 开心就好

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值