互联网本身具有数字化和互动性的特征,这种属性特征给数据搜集、整理、研究带来了革命性的突破。与传统的数据分析师相比,互联网时代的数据分析师面临的不是数据匮乏,而是数据过剩。因此,互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是,互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。

数据分析师-文章列表:

  • 商业策略分析:十三、数据模型管理(数据分类、建模、数据仓库和ETL)
  • 商业策略分析:十二、数据治理(驱动因素、数据治理体系、如何开展数据治理)
  • 商业策略分析:十一、运筹优化模型
  • 商业策略分析:十、业务流程分析与流程优化(价值流程、对比测试)
  • 商业策略分析:九、用户分群方法(用户细分与聚类、层次聚类、K-means聚类、决策树-聚类事后分析)
  • 商业策略分析:八、使用时间序列分析方法做预报(效应分解、平稳和非平稳时间序列分析模型)
  • 商业策略分析:七、使用统计学方法进行变量有效性测试(假设检验、方差分析、列联表分析卡方检验、线性回归、逻辑回归)
  • 商业策略分析:六、用户标签体系与用户画像(标签体系、标签分类、用户画像、用户分群)
  • 商业策略分析:五、宏观业务分析方法(矩阵分析法、连续型变量降维、主成分分析法、因子分析、多维尺度分析)
  • 商业策略分析:四、数据采集与数据预处理(采集方法、市场调研、错误\缺失数据处理)
  • 商业策略分析:三、指标体系与数据可视化(python可视化图表、描述性统计分析与绘图、搭建指标体系)
  • 商业策略分析:二、数据处理(Pandas读写数据、数据查询/类SQL操作、数据清洗)
  • 商业策略分析:一、EDIT模型概述
  • 商业策略分析:商业策略数据分析概貌
  • 业务数据分析:七、业务分析报告与数据可视化报表
  • 业务数据分析:六、业务分析方法
  • 业务数据分析:五、多维数据透视分析
  • 业务数据分析:四、描述性统计分析
  • 业务数据分析:三、数据库应用
  • 业务数据分析:二、数据结构