问题的定义和拆解/SQL的提数和分析/报告撰写/AB测试

最新推荐文章于 2024-09-02 09:49:39 发布
最新推荐文章于 2024-09-02 09:49:39 发布
阅读量79 收藏
点赞数
文章标签： 数据分析
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/lrr1028/article/details/130945644
版权

 

 SQL的提数和分析

 

 

 

TR(Click-Through-Rate)即点击通过率,计算公式为CTR=实际点击次数/展示量，即 Click / Show content

Diff 相对值：重合用户消费分类/大盘消费分类-1，用diff相对值来说明这种差异性，在美食，舞蹈，搞笑这三个重合用户消费好 ，就对这三部分群体做针对性运营

 

 

 

 

 报告撰写

 

 

 

 

 

 

 

 

这一块不要写

 增长倍数是什么意思？

标准线是什么意思？

 

 周期特性？7天一个小周期属不属于电商周期的范畴 

 

 

 通货膨胀

 

 

 

 

 

 

 

 

 AB测试

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

lrr1028
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
动手学oracle SQL 分析函数窗口函数简单介绍
weixin_44852914的博客
02-12 304
oracle分析函数窗口函数简单介绍
数据分析-思维分析逻辑day04
m0_66767594的博客
03-24 2035
一、问题定义和拆解 举个例子 方法论 具体案例 问题的逻辑树拆解 二、数据获取和分析 前期准备 一般来说，在正是写sql之前，要花1天时间去做以下几件事： 1）哪张表、那份日志 2）筛选条件 3）之前有什么坑 4）现在是否有坑：select * ，先跑一个核心数据 对数据有一点感觉的基础上，再把问题的拆解模块构思一次，哪些点不好做，有个预期 SQL提数和分析 因为提数的最终目的就是为了分析，所以这两部是一起的，看似简单，但是往往比较花时间 1）各类其他事情打扰：专注 2）遇到坑：一定要文档详细记录下来 3
DS/ML：数据科学技术之机器学习领域六大阶段最强学习路线(初步探索性数据分析EDA→数据预处理/广义的特征工程→模型训练/评估/推理→模型分析/反思/再优化→模型部署与监控→模型全流程优化)详解
热门推荐
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
12-31 6万+
DS/ML：数据科学技术之机器学习领域六大阶段最强学习路线(初步探索性数据分析EDA→数据预处理/广义的特征工程→模型训练/评估/推理→模型分析/反思/再优化→模型部署与监控→模型全流程优化)详解 导读：数据科学和机器学习实战最强学习路线，博主这次花了真的是好久好久的时间(大概数不清的凌晨吧)，以数据科学生命周期和机器学习工程化的视角进行了精心整理，今天终于结束了，真心不容易……希望能够对家学习数据科学和机器学习技术有所帮助。本文章是博主在数据科学和机器学习领域，先后实战过几百个应用案例之后的精心总结
数据分析汇总
zhangye7805的博客
06-10 2746
1、解决数据孤岛，统一数据出口（避免多指标问题）2、解决查询数据慢的问题，数据量大，可以提前做汇总关系型数据库：MySQL、Oracle、postgreSQL、DB2 …非关系型数据库：Hbase、MongoDB、Redis ……直接找到哪一页去检索，避免全表扫描。提高查询速度，会影响where 和 order by索引是针对于字段的，需要添加到字段上常见索引分类：主键索引、唯一索引、普通索引、复合索引主键索引（了解）： -- 创建主键字段的时候会自动创建主键索引。
数据分析思维案例实战学习笔记
hejnhong的博客
08-04 5538
一、国企 1. 招聘解析 工行：技术化、分为保守、职责模糊 招行：职位具体、要求宽泛、看重能力 广发：跟业务线、杂 电信：中规中矩 2. 工作模块 1） 日报、周报、月报：每天看数据、短期复盘、决策 2） 临时数据： 弄清本质需求 3） 工作技巧：机器人发日报、目标建立、寻找领导帮助 3. 专题分析 1）需求解读 原始需求、了解需求、本质需求。沟通 2）建立逻辑树 3）SQL提数及分析 sql提数三段论；分析（组成部分、数量比较、有何变化、各项分布、各项相关性） 4）撰写报告 4. 软技能、面试技巧 吹水
入门数据分析师
qq_40286307的博客
06-23 418
数据分析师 “数据分析师是专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员” 数据分析 = 分析工具 + 分析思维 发展方向 业务线: 适合对事物感到好奇并深入研究，思维发散并且能收敛的，喜欢展示自我，逻辑思维较强的人。 研发线: 适合写代码的人，喜欢安静独处，计算机功底好，天生的程序员基因。 算法线: 适合做研究的人，数学功底好，因为很多时候要看各种国外论文。 各种数据分析工具的使用场...
数据分析-思维分析逻辑day01
m0_66767594的博客
03-12 3216
文章目录一、国企数据分析工作招聘解析常规工作专题分析软技能及面试技巧二、BAT企业数据分析工作数据异常排查专题分析1、特点：2、例子面试1、准备2、三个必问的问题3、三个必问的问题解答三、中小型企业数据分析工作—斜杠青年工作内容转型分析1、规划好自己，再评估和准备2、评估自己3、优化自己4、寻找对象并实践四、数据分析工具介绍五、总结： 一、国企数据分析工作 招聘解析 根据招聘网站罗列的进行解读 常规工作 日报、周报、月报 临时数据:管理层需要、业务执行人员需要 常规工作技巧：机器人发日报、目标建立、寻找领
《数据分析思维与实战23讲》之思维导图合集（更新）
小白的编码屋
08-03 1989
掌柜最近在整理关于数据分析思维课程的知识点，全是用的思维导图方式。现在整理到第七讲（因为前几天电脑坏了耽误了进度????，不然是已经到十讲），后面会持续更新这篇博客，有需要的朋友请自取????！ 《数据分析思维与实战23讲》总结之思维导图系列数据分析的基础技能01 | 如何解决临时提数需求[02| 如何搞定BAT大厂的数据分析项目](https://github.com/Amberjay18/DataAnalysisThinkingMindMap/tree/master/DataAnalysisThinki
梯度提升机：数据分析的强有力工具
2401_85761003的博客
08-30 882
GBM是一种集成学习方法，它通过迭代地训练决策树来最小化损失函数。在每一步迭代中，GBM都会添加一个新的树来纠正前一个模型的错误。这种方法可以显著提高模型的性能，尤其是在复杂的非线性问题上。
零基础入门转录组数据分析——预后模型之随机生存森林模型
weixin_49878699的博客
08-29 910
转录组数据分析之一，先介绍相关基础知识，其次用实际案例为基础，由浅入深介绍构建预后随机森林模型并用模型计算风险评分的全过程
每天一个数据分析题（五百一十五）- 朴素贝叶斯分类器
最新发布
shiguangre的博客
09-02 178
朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器。下列选项不属于朴素贝叶斯分类器特点的是？内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！C. 相关属性可能会降低朴素贝叶斯分类器的性能，因为对这些属性，条件独立的假设已不成立。A. 面对孤立的噪声点,朴素贝叶斯分类器是健壮的。B. 面对无关属性,朴素贝叶斯分类器是健壮的。
数据分析- 海量数据求中位数
weixin_53731307的博客
08-30 1452
如果内存足够容纳所有数据，可以将数据加载到内存中，进行排序，然后直接找到中间位置的元素或者中间两个元素求平均值作为中位数。
每天一个数据分析题（五百一十三）- 决策树算法
shiguangre的博客
09-02 292
内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！在决策树算法中，ID3使用哪个度量来进行特征的选择？D. Gini指数。B. 信息增益比。C. 信息增益。A. 信息熵。
​如何通过Kimi强化论文写作中的数据分析？
2401_85812784的博客
09-01 964
在学术研究领域，数据分析是验证假设、发现新知识和撰写高质量论文的关键环节。
文本数据分析-（TF-IDF）（1）
2301_77698138的博客
08-30 1861
TF-IDF（Term Frequency-Inverse Document Frequency）是一种在文本挖掘中广泛使用的特征向量化方法，用于评估一个词语对于一个文件集或一个语料库中的其中一份文件的重要程度。TF-IDF的主要思想是：如果某个词语或短语在一篇文章中出现的频率（TF，Term Frequency）高，并且在其他文章中很少出现（即IDF，Inverse Document Frequency，逆文档频率高），则认为这个词或者短语具有很好的类别区分能力，适合用来分类。
数据分析学习之numpy
wuliwavv的博客
08-28 950
NumPy 学习
每天一个数据分析题（五百一十二）- 数据标准化
shiguangre的博客
08-30 858
在完整的机器学习流程中，数据标准化（Data Standardization）一直是一项重要的处理流程。不同模型对于数据是否标准化的敏感程度不同，以下哪个模型对变量是否标准化不敏感？内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！A. 决策树。
计算机毕业设计推荐-基于python的电子图书馆数据可视化分析
m0_73272351的博客
08-30 1174
在数字化时代，信息的获取和处理变得尤为重要。电子图书馆作为知识信息的重要载体，其数据量庞大且更新迅速，涵盖了丰富的文献资源和用户行为数据。随着大数据技术的发展，如何有效管理和分析这些数据，以提供更加精准的信息服务，成为了一个迫切需要解决的问题。基于Python的电子图书馆数据可视化分析，正是在这样的背景下应运而生。Python作为一种强大的编程语言，以其丰富的数据处理库和灵活的可视化工具，为电子图书馆的数据管理提供了新的可能性。
Oracle PL/SQL 用户指南与参考手册
《PL/SQL User’s Guide and Reference》是Oracle公司发布的一本官方文档，旨在帮助用户理解和掌握PL/SQL的使用和参考信息。 该文档适用于Release 2 (9.2)版本，发布于2002年3月，由John Russell为主要作者，Tom ...
评论 1
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
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