最近中国移动提出了DICT战略，显示其在政企市场进一步拓展的雄心，在这个背景下，重新探讨下运营商的大数据变现很有意义。虽然近半年“大数据圈”似乎有点风声鹤唳，但对于合法合规的进行大数据业务的企业来讲没有什么影响。

作者 | Jenny乔来源 | Jenny-Qiao-Love 当前的危机，很大程度都源自过去自己的不努力。既然没有后悔药，敢于面对当下才是根本。敢于重新开始，才是一个人最稀缺的能力。 自从开始创业，每天在干的一件事儿就是挖人。 每次在朋友圈里发招聘启事，都有人问我：你怎么还没招到人。 过去我也觉得这事儿挺怪的，新闻里铺天盖...

转眼间，2019年只剩下不到两个月了。人工智能的热度依旧，只是在资本市场，看空的投资人也越来越多了。从当年大数据的发展趋势看，这种情况反而对产业发展是有利的。因为这意味着，进入赛道的野蛮竞争玩家会越来越少。

大数据分析能够帮助企业的收入在短时间内翻一番。如果你希望在未来几年快速取得成功，就离不开数据的智能分析。这就是为什么几乎所有的跨国企业在其数据库中实施大数据分析的原因。

作者 | 诸葛io数据教练 原文 | 如何在数据分析中使用「象限法」进行分析？ 什么是象限分析法？ 看上面这张图，你看出来了什么？ 是的，一个初中时就学会的坐标轴，X轴从左到右是点击率的高低，Y轴从下到上是转化率的高低，形成了4个象限，这就是我们要说的象限分析法。 从这张图，你能分析出来什么呢？ 针对每次营销活动...

作者 | SUNIL RAY编译 | CDA数据分析师 Microsoft Excel是目前世界上被使用的最广泛的数据分析工具之一 使用Excel进行数据分析是使用R或Python进行数据科学的先驱 我们应该要学习用于分析数据的基本的Excel函数 介绍 我一直都很佩服Excel强大的数据分析能力。这款软件不仅能够进行基本的数据计算，还可以使用它来进行数...

导读：数据科学其实就是一门数学、计算机、软件相关的复合型的技术，离开编程自然是无法存在的。无论是数据科学家还是数据分析师，都需要跨学科人才，必须知道如何操作代码以便告诉计算机如何分析数据。他们要比软件工程师更擅长统计学，比统计学家更擅长软件工程，需要掌握的知识有数学统计、编程能力、机器学习、研究...

在我们的机器学习实验室，我们在许多高性能的机器已经积累了成千上万个小时的训练。然而，并不是只有计算机在这个过程中学到了很多东西：我们自己也犯了很多错误，修复了很多错误。

作者 | 我的智慧生活来源 | 咪付 生活中，距离通常是用于形容两个地方或两个物体之间的远近。在人工智能机器学习领域，常使用距离来衡量两个样本之间的相似度。 “物以类聚” 我们知道“物以类聚”通常用于比喻同类的东西经常聚在一起。机器学习中，距离就是遵循物以类聚的思想。通过两个样本特征数据进行距离计算后，得到的...

作者 | 我的智慧生活 来源 | 咪付 在人工智能领域，机器学习的效果需要用各种指标来评价。本文将阐述机器学习中的常用性能评价指标，矢量卷积与神经网格的评价指标不包括在内。 训练与识别 当一个机器学习模型建立好了之后，即模型训练已经完成，我们就可以利用这个模型进行分类识别。 比如，给模型输入一张电动车的照片...

在机器学习中，有许多方法来构建产品或解决方案，每种方法都假设不同的东西。很多时候，如何识别哪些假设是合理的并不明显。刚接触机器学习的人会犯错误，事后想想，这些错误往往会让人觉得愚蠢。我列了一个清单，上面列出了机器学习工程师新手最常犯的错误。希望你能从这些常见的错误中吸取教训，创建更健壮的解决方案...

作者 | SHAROON SAXENA编译 | CDA数据分析师 介绍 “学习机器学习算法背后的数学有什么用？我们可以轻松地使用Python和R中广泛可用的库来构建模型！” 我已经记不清从数据科学爱好者那里听到这种消息的次数了。这种谬论太普遍了，在有抱负的数据科学专业人员中产生了一种错误的期望。 根据我的经验，主要是有以下两个原因...

作者 | 大熊 来源 | 白日做梦 都说当代年轻人的生活现状是这样的：拿着几千的工资，过着上万的生活。 我司的同事真实地印证了这句话。 打开他们的朋友圈，晒各地网红餐厅的打卡照片，出门住的是四星以上的特色酒店，穿的是当季新款潮牌，用的是李佳琦安利的唇釉，买的是油管博主同款化妆品。 表面有吃有喝无比风光，实际...

很多从事数据分析的同事都以为数据分析师，应该是通过数据对业务团队决策、公司管理层的决策进行“指点江山”。在实际工作内容应该是做数据分析报告；构建机器学习模型；打造数据产品，做的都是非常有“技术含量”的活。

作者 | SHAROON SAXENA编译 | CDA数据分析师 介绍 当你向有抱负的数据科学家谈论p值时，以下情况看起来是否很熟悉？ 我无法告诉你数据科学家（甚至是成熟的科学家）在涉及到如何解释p值时是多么的手足无措。实际上，可以花点时间回答以下问题： 如何解释p值？ P值有多么的重要？ 你将如何向非数据科学人员（例如利益相关...

作者 | 午后呓语 来源 | 怀左同学 01 前一段时间，网络上非常流行的一篇文章，内容说的是现在的90后，已经不敢看体检报告了。 看完那篇文章后，当时的我，并没有太大的感触。 然而，直到上周末发生了一件事，让我开始意识到，原来体检报告真的蛮吓人的。 那件事就是——我陪女朋友去医院拿她的体检报告。 其实她在很早之前...

作者 | 猎聘大数据研究院来源 | 猎聘(liepinwang) 本报告核心洞察： Ø 2019年三季度中高端人才紧缺程度总体达到今年前三季度最高水平。 Ø 互联网、房地产人才供需稳坐头两把交椅，明显高出其他行业；京沪仍是人才供需大户。 Ø 金融中高端从业者平均月薪19979元，位居各大行业之首，比全国中高端人才月薪均值多近3000元；...

作者 | 王婷婷来源 | 21世纪经济报道 5亿人参与2019天猫双11战报不断刷新记录 尽管外界认为消费者对于经济低迷仍然存在担忧，但是双11仍然点燃了他们的购物热情。 双11开场1分36秒，2019年天猫双11全球狂欢节成交额超100亿。 10个小时（11月11日10时4分49秒），2019年天猫双11全球狂欢节成交额超1682亿，打破2017年天猫...

无论是北京的金融街还是上海的陆家嘴，都糅杂着梦想、金钱和欲望的香味。直至今日，这个王国的版图依然以最初打下江山的这两个根深蒂固的棋子为圆心向外辐射和扩张。

在这篇博客中，我不打算预测数据科学面对的未来是什么，不会去猜测它的未来是光明有前途，还是毫无希望。这里我只结合自己，还有我认识的一些人的经历，提供一些决定性因素帮忙做预测。

当一个公司的业务团队，可以比较方便准确、及时、完整的看到数据，往往都会很容易从数据的变化中看到业务问题。再通过关键业务维度的拆分，可以定位清楚业务问题发生的版块、准确衡量业务变化影响大小。

一名数据分析师不管在什么行业，在什么类型的企业任职，把服务公司的业务流程、业务逻辑、业务与数据对应起来这是基础的基础。在这个前提下，通过我业务方的沟通与交流，你应该要了解的信息，在时间维度上，可能是未来1个月，3个月，6个月或者12个月：

11月9日，票房突破13亿，豆瓣超50万人打出8.4的高分。豆瓣8.4分属于什么水平？国庆档大热的爱国三部曲中，《我和我的祖国》7.9分、《中国机长》6.9分、《攀登者》6.4分，就连排名票房榜首的《战狼II》也不过才7.1分。

将AI专有技术应用于从世界领先，最强大的科学仪器收集的庞大数据池中，可以加速科学发现的过程。强大的机器学习方法提供了从原始实验数据中提取科学意义的新方法，最终可以帮助资助者从研究投资中释放更多价值。

首先想象一下一个场景–你已经在给定的数据集上训练了一个机器学习模型，并且已经准备将其放在客户面前。但是，这个时候你应该如何确定该模型会给出最优的结果呢？是否有一种度量标准或技术可以帮助你快速评估数据集中的模型？

我的数据从业历程是从咨询公司切入，那里有稍微学术点的指标体系和方法论。然后在数据服务公司应用，那里有比较成熟的数据采集实现技术。而后在微博数据创业公司将之前的知识技能进行应用和商业。回过头来看，那会的观点暂时经得起这五年时间的考验，同时也正是因为没经历过甲方公司的数据分析，所以彼时对业务的重要性...

作者 | CDA数据分析师 出品 | CDA数据科学研究院 大家好，2019 年的双 11 过去了，成交额又破记录了！你贡献了多少？ 在上期节目的最后，我们留下了一个问题，就是这次双十一成交额会冲到多少。（上期内容请看《今年双11，你盖楼了吗？| 大数据解读，双11那些有趣的事儿...》） 很多朋友留言，有的说会破3000亿，也有人...

人是不完美的，我们经常在软件中犯错误。有时这些错误很容易发现：你的代码根本不能工作，你的应用程序崩溃等等。但是有些bug是隐藏的，这使得它们更加危险。

“数据质量是生命线”，不管是对数据从业者来说，还是针对数据应用者来说，是一样重要的，所以在SQL语言来提取数据的时候一定要保证数据的准确性。

结合自己的成长经验，从一个数据分析师成长为管理过近百人的数据团队的负责人，也许有不少经验和走过的坑可以总结，从而帮助大家。所以决定接下来写一个《数据分析师》成长记录。同时也回答收集到的各个问题。本篇写了数据分析师的入门需要的基本的知识，逻辑，工作方法。