关注 已有 138 人关注
资源集 产品数据分析的案例和经验总结
鸵鸟 鸵鸟 12个月前创建 1天前更新 共66条资源
对于产品经理、运营从业者来说,数据分析是基本能力,通过数据可以看到一些深层次的问题,同时优化内部的产品方案和运营手段,在这个集合当中。主要整理关于数据分析的一些内容。
一本书 一门课 一篇文章 一个站点 一个工具
上一页 下一页
没有你想要的内容?我来添加
×
【图书】
作者:
0/100
123

确定
确定
取消
最近学习了最优化理论,正好学到了机器学习中支持向量机(Support Vector Machine)和最大熵模型(Maximum Entropy Model)中用到的KKT条件(Karush–Kuhn–Tucker conditions). 之前看了一些相关书籍,发现KKT条件的证明不是有些简略,就是太偏“数学”(对于非数学专业的学生可能看不懂)——不适合非数学专业的同学入门. 因此我通过总结教...
描述: 纯理论的问题策略解决方式,高端数据分析才用到吧。
确定 取消
数据分析中会常犯哪些错误,如何解决? 麦采尧, 马达数据http://www.madadata.com CEO, 斯坦福CS毕业 前几天刚好看到了一篇文章,里面说道《华尔街日报》发现,坐拥很多数据的大公司,却通常不知道拿数据怎么办。有原因就是因为,管理者其实经常会犯一些数据分析中的错误。我不是这方面的行家,...
描述: 从问题出发,通过数据分析找到规律与改进方式。
确定 取消
最近这几年,互联网有俩词挺流行,一个是数据驱动,一个是技术无罪。 我们说很多产品决策的依据不是管理者拍脑袋,而是基于数据反馈,这当然是好事情。 我们说互联网产生了很多新模式,新技术,为鼓励新技术和新模式的发展,一些基于用户共享,基于用户反馈所带来的版权问题和类似的内容合法性,真实性问题,平台和技术服务商可以免责,所谓的避风港原则,也保护和激励了整个行业新技术和新模式的发展。 ...
确定 取消
今天聊一下增长黑客。 增长黑客是近年来国外很火热的一个词汇,顾名思义,它负责和驱动一切业务指标的增长。和运营平时干的事情没啥区别,只是多了一个非常酷炫的黑客后缀。 更多的含义和内容,在「增长黑客」这本书已经谈到,今天聊的是我业务中的一些增长案例。 我认为,增长黑客更见于细节和洞察,而不是爆发性的营销。后者好比老板要求你篇篇10万+,可这现实么?而细节,才是每个运营都能完成的...
描述: 运营的增长策略在各种模式都会体现出来。
确定 取消
今天是3.15,作为一个长相靠谱、内容靠谱,更新时间不靠谱的公众号运营者,没有被大家投诉,我很欣喜。 本篇文章的主题,是数据化运营。在写完《从零开始,构建数据化运营体系》后,我一直在想,能不能写得再好一点? 我胸中有很多付诸笔端的想法在鼓动,虽然在近两年的工作中,数据化运营是最得心应手的工作,但是写出来总差那么一点意思。另外一个角度看,是不够融会贯通。 于是我希望,在七周成...
描述: 从产品运营的角度讨论了数据化分析的思路,很有逻辑性,值得学习。
确定 取消
本文是《如何七周成为数据分析师》的第十二篇教程,如果想要了解写作初衷,可以先行阅读七周指南。温馨提示:如果您已经熟悉统计学,大可不必再看这篇文章,或只挑选部分。 当获得一份数据集时,你会怎么做? 立马撩起袖管进行分析么?这不是一个好建议。无数的经验告诉我们,如果分析师不先行了解数据集的质量,后续的推断分析是事倍功半的。 正确的处理方法是先使用描述统计。 &n...
描述: 数据结果的梳理与展示过程,很有条理。
确定 取消
对于运营数据分析,我相信很多小伙伴会存在以下问题: 面对异常数据经常出现“好像做了什么?好像发生了什么?所以可能造成了影响”的主观臆测? 面对数据报表,不知道该怎么分析?不知道该分析什么? 数据分析作为运营最基础的一项技能,你是否真正的将其价值发挥出来,合格的运营一定是数据驱动运营,而非运营驱动数据! 1 从单一维度到体系化的思考,是做数据分析必须做出的转变!对于数...
描述: 除了数据分析的一些元素统计,对系统分析思路也做了说明,值得收藏。
确定 取消
数据分析要有价值,有两个衔接点:一个是业务与数据的衔接点,一个是工具与技术的衔接点。 很久之前你我都曾经做过物理题。记得那时老师经常唠叨:“先认真审题,理解题意,然后再想方法,最后再落笔去做”,“审题啊!审题啊!说过几遍怎么就是不听,寻思鹰呢?” 理解当年老师的良苦用心,历经磨难,你我也都顺利结束了学业,不必再审题、不必再做题、不必再考试。然而,人生不如意十之八九,你我又走上了数据分析的道路。...
描述: 在每次数据分析前,都进行业务的全面了解。
确定 取消
大家新年好呀,在《数据科学家成长指南(上)》中已经介绍了基础原理、统计学、编程能力和机器学习的要点大纲,今天更新后续的第五、六、七条线路:自然语言处理、数据可视化、大数据。 准备好在新的一年,学习成为未来五年最性感的职位么。 —————— Text Mining / NLP 文本挖掘,自然语言处理。这是一个横跨人类学、语言学的交叉领域。中文...
描述: 数据可视化的思路很重要。
确定 取消
少年,你渴望力量么? 这才是真正的力量,年轻人!这是Swami Chandrasekaran所绘制的一张地图。名字叫MetroMap to Data Scientist(数据科学家之路),别称怎么死都不知道的。 数据科学家是近年火爆兴起的职位,它是数据分析师的后续进阶,融合了统计、业务、编程、机器学习、数据工程的复合型职位。 该地图一共十条路线,分别是基础原理、统计...
描述: 数据科学的分析方式,技术运用角度很多。
确定 取消
更多...
添加到资源集
+创建资源集
取消
确定
新建资源集 ×
标题:
描述:

返回
创建
用户名不正确!
下次自动登录