前言 使用Hadoop已经有一段时间了，从开始的迷茫，到各种的尝试，到现在组合应用….慢慢地涉及到数据处理的事情，已经离不开hadoop了。Hadoop在大数据领域的成功，更引发了它本身的加速发展。现在Hadoop家族产品，已经达到20个了之多。 有必要对自己的知识做一个整理了，把产品和技术都串起来。不仅能加深印象，更可以对以后的技术方向，技术选型做好基础准…

随着近年来SaaS产品的持续升温，产品种类不断增加，针对客户和业务的精细数据分析能力成为了最重要的核心竞争力之一，矗立在行业顶端的团队都有着深厚的数据决策文化，这篇文章里我总结了 SaaS 类产品中最关键的 6 个指标，以供大家参考。

摘要：数据分析到底是什么，数据分析到底做什么，以及为什么企业需要数据分析，数据分析人才到底是什么样。作为数据分析新人，我们需要学习哪些东西。 那么我当年，在进入数据分析这块行业的时候也是和很多刚进入这块的同学一样，一样的迷茫，一样的不知道该学习什么，一样的不知道为什么需要有什么样的职业规划。刚开始选择了在国内的一家一线品牌的电商公司，具体工作是做网站分析师。…

KPI 的核心是量化，而在互联网运营过程中，残酷的说一句，基本上能够量化的东西，大部分都可以用并不有利于目标的方式刷出来。

摘要：传统的新店选址无外乎是通过人肉观察和统计网站拉数据等方法，但是这些方法费时费力费钱，最后数据可能还不精准。互联网+时代当然要用大数据的方法解决这些问题。今天推荐三种利用互联网选址的方法。 先给各位看官一张图： 这是百度的定位数据图，很牛B的一张图。数据来源于2015年除夕，这个图没有加任何地图元素，仅仅依靠百度地图的定位数据就完整的展示了上海地图轮廓，…

数据分析对企业来说意义重大，现在数据分析岗位也很普及。好的数据分析，能为企业转型决策提供依据，作为企业中的顶梁柱，你怎么能不会数据分析？

企业在正常运营中会产生数据，而对这些数据的深层次挖掘所产生的数据分析报告，对企业的运营及策略调整至关重要。对企业数据做好分析，对于促进企业的发展、为企业领导者提供决策依据有着重大作用。

在文章《浅析网站流量趋势预测》中，我们曾对网站的直接流量进行过分析和预测,直接流量整体较为平稳，但在工作日和周末存在较大差异。因此我们之前的方法是将工作日和周末的访问量数据分开处理，通过分布情况单独进行预估。这种方法得到的预测值范围较大，精确度也较差。本篇文章我们将使用时间序列的方法对网站直接流量的变化趋势进行预测。 下面是4月4日——5月1日的网站直接流量…

在哪里能找到各行业的分析研究报告？

本文分析的数据，来源于中国票房网（cbooo.cn）中『票房』的『年度票房』查询，其标注数据来源于『EBOT艺恩票房智库』。

现在，技术的进步使您只需将脸部放在屏幕前即可轻松解锁手机。如果你要检查技术炒作，人工智能将成为这个世界将要经历的下一件大事。

几乎所有的运营工作都是围绕着“拉新”、“留存”、“促活”、“转化”4个环节来开展的。我们常常面临这样的问题，好不容易拉进来一批用户，“玩着玩着”就都消失了，更别谈转化和变现了，因此，精细化运营的起点在“拉新获客”。

本文从用户分群的4个维度以及如何将用户分群应用于业务增长进行了详细介绍。

如今，市场环境日趋复杂，零售行业态势整体走低，在大数据的影响下，机遇与挑战并存。本文阐述零售行业现状，并从便利店着手分析现有问题，提供数据层面的解决方案。

转化率是一个综合影响因素，需要公司各部门协作解决。

数据科学领域的相关技术，近两年发展迅猛。有时仅凭个人的经验很难解决一些问题。互联网上遍布各类文章和资源，在学习时应该集万家之长，注重实践，并善于总结。同上面各博客的博主一样为知识的开源做一份贡献，让知识广为传播。

BDP手把手教你让老板对你刮目相看的“升职宝典”，学会该分析就能为公司省下巨额差旅费，成为BOSS眼前红人！

本文将企业大数据体系的构建分为六个层级，但并非是线性过程，每个层级之间或有基础关系，但并不是说一定要逐层构建。

Hadoop是一个由Apache基金会所开发的开源分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储。Hadoop得以在大数据处理应用中广泛应用得益于其自身在数据提取、变形和加载(ETL)方面上的天然优势。Hadoop的分布式架构，将大数据处理引擎尽可能的靠近存储。

这一篇来自于Uber数据架构组，他们负责人Chandar说：Spark 已经是“必备神器了”。