tag 數據分析

標籤
貢獻110
168
05:50 PM · Oct 25 ,2025
u_17567677 頭像 aixiaodekaomianbao_ddkwvd 頭像 ruanjiankaifa_xiaofanya 頭像 mirrorship 頭像 aloudata 頭像 u_16655836 頭像 u_13717764 頭像 u_14306318 頭像 shujuxiaowanzi 頭像 u_15879876 頭像 u_17342767 頭像 grapecity 頭像

@數據分析 / 博客 RSS 訂閱

ruanjiankaifa_xiaofanya 頭像

軟件部長 - 10分鐘配置出常用的數據可視化混合圖圖表（柱線、多Y軸混合）

在數據可視化領域，混合圖圖表是常見的圖表，可以多維度的展示覆雜數據關係。通過整合柱狀圖和折線圖的互補優勢，或通過多維度Y軸實現多指標對比，混合圖表能夠直觀呈現數據背後的趨勢、差異與關聯，為決策提供有力支撐。 混合圖圖表有很多種類型，其中柱線混合圖、多Y軸混合圖是常見的其中之一。 1. 柱線混合圖 • 核心組合：柱狀圖 + 折線圖 • 特點：柱狀圖展示分類數據的對比（如銷售額、產品類別）

數據可視化 , 圖表工具 , 數據分析 , 圖表 , 可視化

收藏 評論

xjsunjie 頭像

xjsunjie - AI原生智算雲：不止是算力池，更是智能時代的“數字基建引擎”——讓每個企業都能“開箱即用”AI生產力

引言：從“算力飢渴”到“範式革命” 我們正身處一個由大型語言模型（LLM）和生成式AI引爆的智能奇點。從ChatGPT的驚豔問世到Sora的顛覆想象，AI不再是實驗室裏的遙遠概念，而是正以前所未有的速度流向到千行百業的毛細血管中。然而，在這場波瀾壯闊的智能化浪潮之下，一個巨大的挑戰浮出水面——“算力飢渴”。模型參數的指數級增長，對算力的需求近乎貪婪，使得GPU“一卡難求”，

數據 , 人工智能 , 基礎設施 , 數據分析 , 開發者

收藏 評論

aloudata 頭像

Aloudata大應科技 - 大火的 ChatBI，是如何實現靈活的自然語言數據分析？

在數字化轉型的浪潮中，隨着數據已成為企業寶貴的資產，數據分析的需求日益增長。傳統 BI（商業智能）工具雖能提供強大的數據可視化能力，但需要依賴 IT 代碼開發、集中式報表製作的模式，已難以滿足現代企業快速變化、靈活多變的數據分析需求。 AI 大模型的爆發，使得 ChatBI（對話式商業智能）應運而生，其支持通過自然語言對話式的方式實現數據分析。這對業務人員而言，不僅簡化了數據分析流程，更無需依賴

數據挖掘 , 自然語言 , etl , 人工智能 , 數據分析

收藏 評論

shujuxiaowanzi 頭像

數據小玩子 - 【營銷數據洞察系列6】營銷活動全局ROI：除了當期銷量，如何衡量活動的長期價值？

成功的營銷活動不僅要關注短期銷售額，更要兼顧品牌資產積累（如品牌認知、用户留存）等長期價值，實現短期收益與長期增長的平衡。利用助睿BI搭建活動全景看板，關聯活動期間銷量、品牌搜索量、官網自然流量、新客留存率等指標，既能核算當期收益，也能追蹤長期品牌影響力，實現活動價值的全維度評估。 助睿BI鏈接：https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - 一行代碼，讓Elasticsearch 集羣瞬間雪崩——5000W 數據壓測下的性能避坑全攻略

作為一名長期與Elasticsearch打交道的引擎研發，我見過太多集羣因為一個看似無害的wildcard模糊查詢而瞬間崩潰。 許多開發者繼承了SQLLIKE %...%的思維習慣，直接把它搬到ES中——在小數據量時沒什麼大礙，但當文檔量上億時，它會變成拖垮集羣的性能黑洞： 輕則：錯用字段類型，查不準結果，浪費存儲 重則：暴力掃描，CPU瞬間打滿，集

elasticsearch , 阿里雲 , 人工智能 , 數據分析

收藏 評論

showmeai2 頭像

ShowMeAI - 數據驅動！精細化運營！用機器學習做客户生命週期與價值預估！⛵

💡 作者：韓信子@ShowMeAI 📘 機器學習實戰系列：https://www.showmeai.tech/tutorials/41 📘 本文地址：https://www.showmeai.tech/article-detail/330 📢 聲明：版權所有，轉載請聯繫平台與作者並註明出處 📢 收藏ShowMeAI查看更多精彩內容 現在的互聯網平台都有着

機器學習 , 數據挖掘 , 生命週期 , 數據分析 , 用户增長

收藏 評論

tommm_692c5f8c96d8a 頭像

Tommm - 【數據科學】基於時序歸因分析的 App Store 關鍵詞逆向工程方法論

【數據科學】基於時序歸因分析的 App Store 關鍵詞逆向工程方法論 摘要：在移動互聯網進入存量博弈的 2025 年，ASO（應用商店優化）已從傳統的“熱詞覆蓋”演變為基於數據的精細化工程。本文提出一種結合競品情報（CI）與時間序列分析的增長策略：通過監控競爭對手版本迭代（Input）與榜單波動（Output）的因果關係，構建歸因模型，逆向推導高權重關鍵詞。文章詳細拆解了從數據採集、歸因分

Android , 數據分析 , ios

收藏 評論

yanpeng 頭像

燕鵬01 - Python數據分析入門指南（十九）：自動化你的分析流程

在數據科學的研究道路上，我們經常會遇到重複性的分析任務。無論是處理每日更新的温度數據，還是對多個數據集執行相同的預處理流程，手動重複操作不僅效率低下，還容易出錯。今天，我們就來探討如何通過Python實現分析流程的自動化，讓你的研究工作事半功倍。 為什麼需要自動化分析？ 對於正在進行畢業論文研究的你來説，時間是最寶貴的資源。想象一下，當你需要處理幾十個城市多年的温度觀測數據時，如

數據 , 後端開發 , 數據分析 , Python

收藏 評論

kaohanbao 頭像

烤漢堡 - Python入門到實戰：網絡請求與數據獲取

一、環境準備，安裝requests庫 1.安裝命令（終端執行） #安裝requests庫 pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple/ #(該方式是臨時指定的,每次下載需要去cmd終端下載庫 相對來説比較麻煩，每次添加庫的時候就要去cmd終端去下載) 2.解決安裝超時的問題（配置國內鏡像源） pip conf

教程 , 知識 , 數據分析 , Python

收藏 評論

deephub 頭像

deephub - 10個Pandas的高級技巧

Pandas是我們最常用的數據處理Python庫之一。儘管您可能已經與它共事多年，但可能還有許多您尚未探索的實用方法。我將向您展示一些可能未曾聽説但在數據整理方面非常實用的方法。 我目前日常使用的是pandas 2.2.0，這是本文時可用的最新版本。 import pandas as pd import numpy as np print(pd.__version__) 1、agg 你

機器學習 , pandas , 數據分析 , Python

收藏 評論

_60aa75b3660ed 頭像

温談 - 一種被低估的 App Store 研究方法：從“版本更新”反推增長策略

在做 App Store 增長分析時，大多數人關注的是 關鍵詞、榜單和下載量。 但一個常被忽略、卻極具價值的數據源是： App 的「版本更新行為」本身 本文將介紹我常用的一種思路： 如何通過分析競品的版本發佈時間、更新頻率和更新內容變化，反推其增長節奏與產品策略。 這不是傳統 ASO 教程，而是一種偏 工程化 + 數據分析 的研究方法。 一、為什麼「版本更新」本身值得研究？ 很多增長分

產品運營 , app-store , aso , 數據分析

收藏 評論

smartbidashuju 頭像

Smartbi - Smartbi 11 月版本更新：智能助理 + 訂閲自動化，數據處理效率與交互體驗持續優化！

​ 11 月版本煥新上線！Smartbi AIChat 與一站式 ABI 平台再升級，“智能助理”與“訂閲功能”來啦！同時還有更多使用提效、性能優化與系統體驗改善。本文帶您一一拆解功能亮點，開啓 Smartbi 的進化之路。 01Smartbi AIChat ▏智能助理 不再糾結智能體選擇，實現“一問即答”的智能體驗 之前用 AIChat 問數，得先按需求手動選擇“分析模式”、“專家

數據挖掘 , bi , 數據可視化 , 數據分析

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 不止是新聞：國外輿情網站主陣地與監測策略

在全球化商業競爭愈發激烈的當下，企業想真正理解海外市場，不再僅僅依靠新聞報道本身。新聞只是冰山表層，而真正影響品牌聲譽、消費認知與市場態勢的，是隱藏在社交媒體、論壇社區、專業評論區以及興趣人羣聚集地背後的輿論結構。企業需要的不僅是新聞監控，而是能對輿情“主陣地”的全景把握的國外輿情網站。要判斷市場情緒是否轉變、競爭對手是否造勢、消費者是否出現負面討論，企

碎片化 , 人工智能 , 基礎設施 , 數據分析 , 社交媒體

收藏 評論

aloudata 頭像

Aloudata大應科技 - 如何找到適合好用的 AI 數據分析工具？Aloudata Agent 值得一試！

AI 數據分析軟件顯著提升企業決策精準性與敏捷性 在數字經濟時代，數據已經成為企業最核心的生產要素，無論是戰略規劃、市場策略調整，還是日常運營優化，都依賴於對數據的深度洞察。而 AI 數據分析軟件則是將數據轉化為決策力的關鍵工具。 傳統數據分析依賴人工處理與經驗判斷，存在“響應慢”、“分析不靈活”、“誤差率高”等問題，難以滿足快速變化的市場需求。AI 數據分析軟件則通過自然語言交互、智能問數、自動

agent , 數據 , etl , 人工智能 , 數據分析

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - DataWorks 又又又升級了，這次我們通過 Arrow 列存格式讓數據同步速度提升10倍！

引言 在大數據時代，數據集成作為企業數據流轉的核心樞紐，承擔着異構數據源之間高效同步的重要職責。隨着數據量的爆炸式增長，傳統的行存同步方式在面對大規模列存數據處理時，逐漸顯露出性能瓶頸。 為解決這一挑戰，DataWorks數據集成推出基於ApacheArrow列存格式的高性能同步能力，實現從“行式傳輸”到“列式直通”的技術躍遷。通過引入零拷貝

大數據 , 數據集成 , 阿里雲 , DataWorks , 人工智能 , 數據分析

收藏 評論

friesonthepier 頭像

去碼頭整點薯條 - 利用 Python 進行數據分析 —— 4 數據的導入導出

在數據分析中，我們一般不會像前幾篇文章那樣自己創造數據，而是需要利用外部數據。本篇要解決兩個問題： 如何將外部數據導入，並轉換為 DataFrame？ 如何將 DataFrame 導出為常用的文件格式？ 4.1 讀取文本數據 本篇文章用到的數據，可以從 GitHub 上下載：https://github.com/wesm/pydat... 4.1.1 csv 數據：處理標題行 我們可以從

讀書筆記 , pandas , 數據分析 , Python

收藏 評論

friesonthepier 頭像

去碼頭整點薯條 - 利用 Python 進行數據分析 —— 1 數據結構、函數和文件

本文是我個人學習《利用 Python 進行數據分析》一書的筆記。整個系列於今日起連載。 1.1 數據結構 Python 的基本數據結構包括元組、列表、字典、集合，此外還有一些特殊的數據結構（如 range 對象、字符串等）。 1.1.1 元組（tuple） 什麼是元組？元組是固定長度、內容不可改變的序列。 如何創建元組？ # 用逗號分隔是創建元組最簡單的方法 tup = 1, 2, 3 tup =

讀書筆記 , 數據分析 , Python

收藏 評論

u_56701 頭像

hackernew - 帕累託改進在數據分析中的應用

A. 帕累托最優 帕累託改進是指，這個改進能在不傷害任何一個人的利益的同時，使至少一個人的境遇變好。 如果一個局面已經好到沒有帕累託改進的餘地了，就是帕累托最優。 思考：囚徒困境中，如果對方選擇不招供，那麼此時本方若選擇不招供，對方就會少罰，這就是一個帕累託改進。 生活中，越low的人越見不得身邊的人好，假使某項改進不影響其本人利

納什均衡 , 帕累託改進 , 帕累託改進在數據分析中的應用 , 人工智能 , 數據分析 , 帕累托最優 , 博弈論

收藏 評論

ruanjiankaifa_xiaofanya 頭像

軟件部長 - 2026年五大BI工具深度解析：Tableau、Power BI、Quick BI、帆軟、JVS-智能BI全面對比。

在數據滿天飛的時代，每一組看似平凡的數據都隱藏着商業密碼，一款好用的數據分析系統可以幫助企業呈現出清晰、有價值的視覺效果。幫助企業洞察市場先機、驅動業務增長。 我整理了5款比較主流的商業智能BI系統，從核心能力到適用場景，對他們進行了全方位對比，大家可以根據自己的場景對號入座做選擇。 1、Tableau Tableau是以其卓越的數據可視化能力和交互式分析體驗，長期佔據全球BI市場的重要地位

bi , 數據可視化 , 數據分析

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 從數據到決策：海外社交媒體分析服務如何指引企業的市場戰略

在全球競爭迅速加劇的環境中，企業的市場戰略不再能依賴單一渠道或過往經驗來制定，而必須以海量數據為基礎，通過結構化的洞察模型去判斷趨勢、識別機會並預判風險。海外社交媒體作為用户意見、消費行為、文化趨勢最集中的場域，已經成為企業戰略規劃中最關鍵的前置數據源。海外社交媒體分析服務的價值，也因此從“輔助工具”升級為“戰略基礎設施”，決定了企業在海外能否看得更準、走得更穩。 市場戰略

數據 , 人工智能 , 數據分析 , 社交媒體 , 結構化

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - Labubu二手市場崩盤黃牛恐慌拋售，這場造富遊戲沒撐過2025……

2025年就要結束了，又到了媒體們一年一度的大盤點節點，如果要盤點2025年的現象級事件，柴油們能想到什麼呢？ 按照時間線，小柴想到的有DeepSeek、電影《哪吒2》、一夜爆火的AI智能體Manus、Labubu全球搶購潮、機器人馬拉松、理想汽車撞大卡、羅永浩炮轟西貝、美國斬殺線…… 而在這些現象級事件中，除了羅永浩大戰西貝，小柴印象最深刻的就是Labubu

普通用户 , 人工智能 , 數據分析 , 社交媒體

收藏 評論

u_13717764 頭像

嗶哥嗶特 - 算力+替代雙潮下，磁性元件行業如何重構？

當英偉達 Blackwell 架構引發的算力海嘯席捲全球，當國際地緣政治重塑電子產業供應鏈格局，作為電子元器件核心環節的磁性元件行業正迎來前所未有的變革。一邊是 AI 服務器功耗飆升催生的高性能元器件剛需，訂單量與磁性元件產品單價同步暴漲;另一邊是國產替代浪潮加速來襲，本土企業從 “中低端跟隨” 向 “高端突破” 邁進。 這場由技術革新與國產化趨勢共同驅動的行業重構，正在重

服務器 , 英偉達 , 人工智能 , 數據分析 , 迭代

收藏 評論

u_13717764 頭像

嗶哥嗶特 - 領益智造控股英偉達液冷供應商

12月22日，領益智造發佈公告，擬以8.75億元人民幣收購立敏達35%股權，並通過表決權委託方式額外取得17.78%表決權，合計控制立敏達52.78%表決權，實現對標的公司的絕對控股。交易完成後，立敏達將納入領益智造公司合併報表範圍。在AI算力基礎設施加速擴容、服務器液冷散熱技術從風冷向液冷快速迭代的行業背景下，此次併購絕非單純財務投資，而是領益智造精準切入AI服務器液冷核心環節

服務器 , 英偉達 , 人工智能 , 數據分析 , 液冷

收藏 評論