- 博客(16)
- 收藏
- 关注
原创 飞书机器人自动化教程
① “win + r”输入“taskschd.msc”回车,进入“任务计划程序”。② 在“任务计划程序”窗口的右侧面板中,点击“创建基本任务…2、获取自定义机器人的 webhook 地址,并点击完成。使用windows系统自带定时任务执行python代码。⑦点击右边的浏览,选择python脚本,下一步。3、Python代码,记得保存为py文件。④ 设置执行时间,可设置每周。1、在飞书目标群右上角设置。③ 写入定时任务名称。⑥ 选择“启动程序”。
2024-07-04 15:48:38
434
原创 临时取数或数据报表如何一次对齐需求?
场景1:这个表的数据帮我处理下,筛选几个字段出来,型号、问题描述、问题归类、故障原因、数量。:例如:字段按照型号——问题类型——计数三个字段进行统计,从表上能看出每个型号的Top问题排序及其对应的故障数。下面还会有两次不断的总结,但还没有归纳,总结一句话就是:对齐所有要考虑的维度,引导式对话,看情况给案例展示或者写需求文档。:明确定义什么是一次加工,例如,是完成一个产品的全部制造流程,还是仅指某个特定工序的完成。:创建一个标准化的需求收集模板,包括关键问题,如目的、数据源、预期的格式、关键指标等。
2024-06-27 18:47:16
294
原创 让别人一眼就知道你是SQL查询老手(数分方向)
因为 table 中根本就没有名称为1的字段,所以该 SQL 等效于 select * from table,这个SQL语句很明显是全表扫描,需要大量的 IO 操作,数据量越大越慢,: 这是一个始终为真的条件,通常用于模板化查询,方便在不改变原始查询结构的情况下添加额外的条件。建议查询时增加必输项,即 where 1=1 后面追加一些常用的必选条件,并且将这些必选条件建立适当的索引,效率会大大提高.where 1=1是sql语句条件逻辑判断表达式,由于1=1成立,恒为真,该表达式1=1将始终返回"真"。
2024-06-26 11:32:33
300
原创 数据分析师工作流程
🙆偶尔会和老大讨论指标异动分析的报告,如果收到优化建议也需要再完善的。除此之外,有业务方提了优化需求的话,也需要增加一些分析维度。然后就是按部就班地整理前几天做的指标异动分析报告啊,取数啊之类的。如果分析定位到问题,或者发现用户有较大运营空间,也会建议业务重点关注。🙆下午其实没有特别忙,偶尔还会摸鱼哈哈。但会议也一般是在下午,会议一般是和业务方/领导进一步明确大家的预期、分析框架的完整性、分析的可行性等等。②对数据异常波动进行分析:监控自己的报表有没有异常,有异常就赶紧汇报,没异常吃早饭。
2024-06-26 10:58:18
194
原创 Excel中设置日期2024/01/01为2024/01,且VBA也为2024/01
ws.Cells(i + 1, 2).Value = Format(DateSerial(2024, i, 1), "yyyy/mm") ' 设置值。Set ws = ThisWorkbook.Sheets("2024年-Top-P系列") ' 你的Sheet名称。ws.Cells(i + 1, 2).NumberFormat = "yyyy/mm" ' 设置格式。' 循环从1到12,代表月份。
2024-06-12 18:43:49
710
原创 数据分析师如何优化 MySQL 查询语句速度?
然 而,如果在编译时建立访问计划,变量的值还是未知的,因而无法作为索引选择的输入项。14、并不是所有索引对查询都有效,SQL是根据表中数据来进行查询优化的,当索引列有大量数据重复时,SQL查询可能不会去利用索引,如一表中有字段 sex,male、female几乎各一半,那么即使在sex上建了索引也对查询效率起不了作用。11、在使用索引字段作为条件时,如果该索引是复合索引,那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引,否则该索引将不会被使 用,并且应尽可能的让字段顺序与索引顺序相一致。
2024-03-18 17:41:54
619
1
原创 除了用临时表,还有哪些方法可以在 MySQL 中处理大量并发查询?
在面对大量并发查询的情况下,为了提升MySQL的性能,除了使用临时表之外,还可以通过查询优化、并发控制、硬件与架构优化以及系统管理与调优等多种方法和策略来处理。但需要注意,查询缓存的使用场景受限,只适用于稳定的查询和数据不经常变动的情况下。数据库分片:对于超大规模的数据库,可以考虑使用数据库分片技术,将数据分散存储在多个数据库节点上,以提高并发查询的处理能力和性能。缓存层:在数据库前增加缓存层,如Redis或Memcached等,将常用的查询结果缓存起来,减少数据库的访问次数,提高查询性能。
2024-03-18 16:35:06
644
原创 算法原理简介
该算法思想是基于决策树,通过boosting算法的方式,在GBDT基础上的工程实现,它不断地进行特征分裂来生长一棵树,每次添加一个树,其实是学习一个新函数,去拟合上次预测的残差,本质上是对上次预测失败的部分再进行预测并且为继续失败的部分赋予更高的权重的过程。从训练集中随机选取k个中心点,通过计算每一个样本与中心之间的距离,将样本点归到最相似的类中,接着重新计算每个类的中心,重复这样的过程,直到中心不再改变,最终确定了每个样本所属的类别以及每个类的中心。如果是,在该点周围建立一个类,否则,设定为外围点;
2023-09-08 11:23:53
164
原创 Navicat Premium 15安装教程
7.将弹出对话框内的一串代码复制,粘贴到Request Code大框中,点击左侧底部“Generate”按钮。4.点击最右侧中部“Generate”按钮,会在Serial Keygen栏目生成一串代码,将其复制。5.打开安装好的Navicat Premium 15,点击注册,粘贴那串代码并进行下一步。2.点击右上角“Patch”按钮,找到安装位置,选择“navicat”,点击确定。此工具安装比较简单,无脑下一步就可以了,当然比较建议修改安装路径。二、安装Navicat Premium 15。
2023-08-15 20:26:23
1390
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人