本次分享会以产品为核心，按照产品发展的过程，依次详细分析产品策略研究期、产品概念评估期、产品研发期、产品测试期、产品导入期、产品发展期、产品成熟期、产品衰退期这8个产品发展的必经阶段所必须做的数据挖掘工作。针对产品每一阶段的不同特点，分享了数据挖掘的核心技能，并指出了每一阶段数据挖掘需要避免的坑。

数据模式包括：特征化与区分、频繁模式、关联和相关性挖掘、分类与回归、聚类分析、离群点分析等。 任务可以分为两类：描述性和预测性数据。 数据特征化：汇总所研究类的数据。 数据区分：将目标类一个或多个可比较类进行比较。 频繁模式挖掘、关联和相关性： 频繁模式(Frequent Pattern)是频繁出现在数据集中的模式(如项集，子序列和子结构)。频繁模式一般可以…

数据服务产业链初现，大数据公司在其中扮演什么角色？

摘要：在《Redis集群技术及Codis实践》这篇文章介绍过Codis，今天云智慧的张克琛总监为我们带来了他在运维PB级数据过程中，对于Codis与数据库管理方面的实践经验，是非常有实操性的一篇分享。在把未知问题场景化、问题化、方案化等方面值得我们学习和借鉴。 面对PB级别数据存储，我们一路走来也踩过很多坑，这里就直接进入主题了，给大家分享一下监控宝系统架构…

Data slides are not really about the data, they are about the meaning of the data. ——《Slide:ology》 在传递信息时，有数据比没数据更有说服力，而一旦有了数据，那就牵涉到如何呈现。PowerPoint为我们提供了诸多图表，它们在一定程度上已经可以满足我们平时需求。当…

随着我们进入2017年下半年，是时候看看那些使用数据科学和机器学习的公司面临的共同挑战。假设你的公司已经在大规模收集数据，需要用到分析工具，而且你已经认识到数据科学可以发挥重大作用（包括改善决策或企业经营、增加收入等等），并进行了优先排序。收集数据和识别感兴趣的问题并非小事，但假设你已经在这些方面起了个好头，那么还剩下哪些挑战呢？ 数据科学是一个宽泛的话题，…

在R语言中，对数据进行回归建模是一件很简单的事情，一个lm()函数就可以对数据进行建模了，但是建模了之后大部分人很可能忽略了一件事情就是，对回归模型进行诊断，判断这个模型到低是否模型的假定；如果不符合假定，模型得到的结果和现实中会有巨大的差距，甚至一些参数的检验因此失效。

支持度，简单的字面理解就是支持的程度，一般以百分比表示。生活中常见的使用场合有投票、竞选、民意调查等，比如某校高一三班进行班委竞选，该班级共有学生50名，在班长一职的竞选中，张三得到40票。那么就可以说在该班班长竞选中，张三的支持度是:40/50*100%=80%。 该名词还常出现在数据挖掘的关联分析中，常跟 置信度(或可信性)一起出现。 如：某超市中有10…

蛮荒时代

导读：去年9月，百分点公司发布了“全球首款”大数据操作系统BD-OS（基于Lambda架构）。日前，百分点技术副总裁刘译璟和百分点BD-OS产品线高级研发总监刘国栋接受CSDN记者采访，结合BD-OS的设计、研发和架构，对大数据技术演进及应用实践的趋势进行了解读。 所谓“全球首款”，意味着Hadoop、Storm、Spark等当前主流大数据技术的相关从业者几…

摘要：数据是非常强大的。当然，如果你能真正理解它想告诉你的内容，那它的强大之处就更能体现出来了。 通过观察数字和统计数据的转换以获得清晰的结论并不是一件容易的事。必须用一个合乎逻辑的、易于理解的方式来呈现数据。 谈谈数据可视化。人类的大脑对视觉信息的处理优于对文本的处理——因此使用图表、图形和设计元素，数据可视化可以帮你更容易的解释趋势和统计数据。 但是，并…

对于线下的商超、零售店，关注的重点在于如何进行客流统计分析，并应用到商业化的提升之中。目前主流的方案是利用客流统计摄像头来精准采集客流数，跟踪店内行动轨迹，形成热点数据，对接POS/ERP数据，汇总成报表，形成单/多个门店、周期内的变化曲线，并掌握星期、天气、活动等因素给客流带来的影响，促进门店业绩增量。

看到这个题目，你可能想问：“拒绝推断”是什么？这样专业的术语，与征信业又有什么关系？本周，我们从一个模型的改进方案出发，向你展示完善的征信体系的重要性。

数据挖掘需要掌握的内容包括：统计学、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、高性能计算等。 下图比较清楚的画出了学习数据挖掘需要掌握的知识内容： 1、统计学 统计学是通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。其中用到了大量的数学及其它学科的专业知识，它的使用范围几乎覆盖了社会科学和自然科…

摘要：拥抱开源技术的前提——认识数据湖 世界对数据湖的兴趣依然在不断增长，但如果说对数据湖的宣传都是的话，这就贬低了数据湖真正的能力。“数据仓库”和“大数据”等概念都逐渐深入人心，但“数据湖”仍然是让IT和业务相关者头疼的一件事情。 随着人们对于数据湖的清晰定义、使用案例、最佳实践等信息的需求不断增长，IT专业人士需要一则明确的数据湖指南，回答以下问题：数据…

如何在数据的蛮荒时代来拓荒

摘要：文章整理出了2015年最优秀的十个Plotly图表，这些交互式的图表使用Plotly的web app和APIs制作而成。 第十位. “2001-2014对同性婚姻的支持” 这些Tufte迷你图(sparklines)由Pew Research绘制。 制作这些图表运用了Python, R以及Plotly web app. 第九位. “在Facebook网…

有关销售分析的12个指标！！

本文作者系统介绍了用户体验评测指标体系的构建。

1、数据对象 相当于类的概念，在销售系统中，对象可以是顾客、商品和销售情况。 属性：属性可以标签的、二元的、序列的或数值的。 标签属性：例如充值渠道中的各种充值类型，在数据库中表示为0、1、2这种，每个数字代表一个充值渠道，例如：1代表支付宝，2代表微信支付。在这种情况下众数是有意义的，就是出现最多或者最少的数。 二元属性：就是我们常说的bool属性。一种情…