使用机器学习模型越久，就越能意识到，正确了解模型当下的运行目的及效果有多重要。在实践中，即便是在最佳情况下，跟踪模型的运行情况都十分繁琐。大多数情况下，我都会构建自己的工具来调试和分析机器学习模型。为了更好地利用时间和资源，我决定使用一系列可用的在线工具来

眼看着数据从一开始的几十发展到现在的快8W，渐渐地数据在我们眼里就只是一串数字。其中，微博“肺炎患者求助”超话上的求助者经历，便是这场疫情惨烈程度的一个缩影。到底哪些人会在“微博超话”这个原本的追星聚集地来进行求助呢?

只有掌握了数据科学的基础知识，才能够继续学习那些更加高深的概念，比如深度学习和人工智能。而数据科学所涵盖的内容极为宽泛，其分支领域包括数据准备与探索、数据表示与转换、数据可视化与表达、预测分析以及机器学习等。其中，专业技能包括数学与统计学、编码、数据整合与

很多人都知道80/20帕累托法则，而ABC分类法可以说是该法则的衍生，目的是把握关键，分清主次。10件商品占销售总额的70%；于是你可以按照70%，20%，10%的销售额比重把产品分为ABC三类，然后把重点的管理资源放在A，把较少的资源分配给C或者砍掉部分

笔者走访过数十家帆软建筑行业内的合作客户，经常会听到这样的一个疑问，“目前做的数据可视化项目总感觉只是数据展现而已，而不达不到数据分析的高度，数据分析要怎么做呢？”能提出这样的问题，已经表明有些建筑企业已经在探求深层次的数据价值了。

随着互联网、移动互联网和物联网的发展，谁也无法否认，我们已经切实地迎来了一个海量数据的时代，数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB，对这些海量数据的分析已经成为一个非常重要且紧迫的需求。多年来在严苛的业务需求和数据压力下，我们几乎尝

而通常所说的用户行为分析，则指的是利用大数据分析方法，通过对用户线上行为数据、用户属性数据的收集，存储，分析，以找到相关规律，然后通过A/B测试等方式，探究有效方案的方式。在大数据分析技术发展成熟之前，对于用户行为的分析就从没有停止过，不过原有的分析方式是

对于业务型数据分析来说，Excel可以说是打交道最多的软件了，可以说没有之一。之前有比较系统地读过《Python数据分析基础》，写了一些笔记，这里只选取关于Excel的部分。这篇笔记不是讲各类Excel函数和快捷键，而是讲Python对Excel的 .xl

首先Java是大数据运作的核心，Java+大数据，是对大量、动态、能持续的数据，通过运用新系统、新工具、新模型的挖掘，从而获得具有洞察力和新价值的东西。在实际的大数据应用中，以Hadoop，spark等为代表的大数据框架无一例外采用Java作为其原生平台。

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析的数学基础在20世纪早期就已确立，但

数据分析，除了我们面对的数据之外，更多的是这些数据背后隐藏的各种业务。例如当我们看到用户的消费记录时，它可能不仅仅是收银系统购买商品，还包含了为了会员系统的满减而做的凑单，活动管理系统的开业折扣商品，或者是推荐系统的推荐商品。对于业务深入的了解，有助于更好

早先在公司参加了一次付费渗透率的培训，后来觉得蛮有意思的，拿出来和大家分享一下，顺便说说我的看法。“宏观上来说，付费渗透率代表了在玩家群体的付费意愿、消费观念和目前的游戏消费能力。”某种程度上，这说明了游戏本身付费玩家转化能力，IB，经济系统是否为玩家所接