ITPub博客

大家都知道，数据分析主要包括统计学、计算机、业务知识三个部分内容，对于大多数人来说，目前比较欠缺的应该是计算机知识，因为统计学入门门槛不高，可以跟着课程学，而业务知识在短期内也无法积累，最后只剩计算机知识。可计算机知识很多人一听就发怵，不知道自己需要学哪些内容，学到什么程度？今天老李就根据我10年+的在软件、互联网大厂等公司负责大数据、数据分析和平台的经验，按照由易到难的进阶步骤，一步一步告诉你，

这几天老李在后台看到有粉丝私信我，问说经常在网上看到这种热力图，自己也想学，但不知道这种动态的热力图要怎么做。其实方法很多，用Excel、FineBI、R语言等都可以实现我分别用这三种方法试了一下1、用Excel做需要安装DataMap For Excel插件，做出来的图不是动态的2、R语言的REmap包拥有空间热力图及空间迁移图功能，但编码复杂，不适合小白3、FineBI是我比较常用的，做出来的

谈到品牌，我们经常会用大和小来形容：“牛X，大品牌！”“小品牌，刚起量~”“杂牌，听都没听过。”很多时候我们对于品牌的绝对体量，市场占有率等数据认知是极其有限的。所以，日常和同事、朋友扯淡聊到的品牌大小，大多数情况下说的是品牌知名度。今天，我们花三分钟时间来快速学习一下，什么是品牌知名度，品牌知名度的价值以及如何计算。品牌知名度的价值品牌知名度，简单的释义是某个范围内，有多少人知道（听说过）这个品

我比较喜欢打游戏，属于又菜又爱玩的类型。为了提升水平，会去看一些高手的视频。每次看完高手视频，我都热血澎湃，赶紧上号准备上分。但是，现实却告诉我，看别人玩得再6，自己上手的时候还是不行。这不单单是操作的手速问题，而是你无法复制教学视频中的情景，遇到不同的场景不知道如何应对。而有些教学视频就做得不错，他会打一场完整的比赛，然后经常说自己对当下局势的思考和判断，然后说出自己的应对方法。这类视频看完，我

本文总结了数据分析的几个阶段中最常犯的10个错误，以及规避的方法，收藏起来，分析不翻车！ 一、数据采集阶段1、数据失真数据是可能骗人的，比如店铺、电影的评分，可能被人为操控；比如某公司发布的行业分析报告，也具有很大的主观性。基于错误的数据，做出的分析结论是无益甚至是有害的。所以在采集数据时，我们先要考证数据的来源及可信度，还要关注不符合常理的数据变化，对数据采集方法进行调整。2、幸存者偏

当传统的分离管理模式逐渐带来管理壁垒，无法适应企业整体发展需求时，业财融合开始成为广大企业的重要任务。作为管理会计的关键命题，业财融合的目的在于促进管理协同，推动企业管理从事后管理向事中和事前管理过渡，从而助力企业转型升级，高效发展本期专家访谈，我们有幸邀请到了中国成本研究会理事、一汽启明前财务总监苏俐先生，来分享他对于业财融合和管理会计信息化的研究及看法。拥抱变化—管理会计与信息技术的两次碰撞管

库存管理，是供应链管理的基础，也是一个电商公司的核心能力之一。库存冗余，占用现金流较多，销售不掉会造成亏损。库存匮乏，会容易造成断货，用户就去其他平台购买，造成销售损失和用户流失。在三四年前，互联网上有一批电商行业的创业明星，很多都死于了库存管理不当。很多对库存的分析要不是陷入库存结构出不来，要不就是简单粗暴地看一下库存和排行就叫库存分析了，库存分析应该是一个从简单到复杂、从宏观到微观的过程。核心

跟数据打交道这么多年，我发现这两年有个现象越来越普遍了，那就是很多原本跟数据无关的岗位，现在也开始把数据分析作为岗位的基础要求了。财务、市场、产品、运营，甚至是人事......后台来咨询我的越来越不局限于数据分析师了。经常有刚入门数据分析的新手问我：看了你之前的干货，学了各种数理统计知识和数据分析方法，自以为入门了，但一应用到实际工作场景中就蒙圈了——这么多数据分析模型和方法，我该怎么选用呢？数据

当你觉得眼前的旧代码很烂时，该怎么办?你觉得旧代码写的很烂，那又怎样呢?它们已经上线，已经在实际运行中经受住了考验。重写代码消耗了12个月！我们从头开始重写代码浪费的时间。你能想象在软件行业，12个月的时间没有任何新产品推出，没有任何新版本更新吗？真的，我不由自主地问自己这个问题：在这个快速发展的世界里，12月的时间能让我们做多少事情？“2015年1月20日，星期二，下午5:10，AntiMalw

一、漏斗模型1898 年，一个美国人提出了漏斗模型的概念，后来被总结为AIDA模型，从吸引客户的注意，到引起客户的兴趣，再到产生拥有的欲望，最后形成购买的行动，每个环节都会有客户流失，越靠后的环节，客户数量往往就越少，画出来的图形，就像一个漏斗。以常见的销售过程为例，我们可以把客户细分为目标客户、意向客户和订购客户：从销售漏斗图的形状，我们就能比较直观地看到每个环节的转化情况。通过横向或纵向的对比

有人经常会把数据分析与机器学习给搞混掉，机器学习这个主题已经很普遍了，每个人都在谈论它，但很少有人能够透彻地了解它，今天老李给大家分享一下机器学习的概念。数据分析和机器学习如果你认为大数据仅仅是关于SQL语句查询和海量的数据的话，那么别人也会理解你的，但是大数据真正的目的是通过对数据的推断，从数据中获取价值、从数据中发现有用的东西。例如，“如果我降低5%的价格，我将增加10%的销售量。”数据分析是

在说如何成为一名数据可视化工程师之前，我想先说一个大的前提：对于前端、程序员等各种岗位而言，不要盲目地切入数据可视化这个领域，因为核心竞争力相对于来说不会很大，这只是锦上添花，并不会雪中送炭。没有一个公司的老板，会专门招人来做可视化大屏，都是IT部门去搞定，再或者数据部门，这些都不是核心工作。好了，说正题。国内让我惊艳的可视化公司有如下几个：帆软 ：应用很广，国内头部的数据分析公司阿里的datav

最近好多朋友都跟我说，现在互联网企业里的技术研发全都是白菜价，做市场的、做营销的、做运营的都比做技术的要好得多，感觉国内很多公司都看不起搞技术的，事实上是怎么样的呢？IT技术专家到底存不存在？首先，国内很多公司都是有高水平的技术专家的，并不是所有IT技术最后都转去做了技术管理，具体要看项目。就拿我自己来说，我刚毕业进的第一家企业就扔了一个技术项目给我，公司要从无到有使用td-scdma芯片，协议非

最近呢，对链家平台上的北京二手房数据做了个可视化分析，对目前北京的二手房交易情况有了个大致了解，最终得到一个很实在的结论：奋斗一辈子也买不到一个厕所这句话不是骗人的，是真的；关于具体分析内容请看下文1、工具说明本文用到的 Python 库有外加百度地图 API2、数据采集所有数据来源于链家二手房交易平台，上面每页排列 30 条二手房数据，本文采集了前 100 页 数据，每条二手房交易数据中提取 标

运维到底是干什么的？估计连运维工程师本身都不清楚，在百度上搜索也基本得不到答案，找了很多的运维老员工，终于总结出了运维工程师的工作内容：一般来说，运维工程师都是说的互联网企业的运维师，通常属于技术部门，是支持互联网产品技术以及研发，测试和系统管理的四个主要部门。国内外公司以及大型和小型公司之间的划分将有所不同，主要的工作内容有下面几种：1、保障业务系统长期稳定运行毕竟业务系统要是出现一点差错，用户

大家好，最近大A的白马股们简直跌妈不认，作为重仓了抱团白马股基金的养鸡少年，每日那是一个以泪洗面啊。跌妈不认不过从金融界最近一个交易日的大盘云图来看，其实很多中小股还是红色滴，绿的都是白马股们。以下截图来自金融界网站-大盘云图：2月26日大盘云图那么，今天我们试着用python爬取最近交易日的股票数据，并试着用excel简单绘制上面这个树状图。爬取网易财经各板块股票数据excel树状图简单的树状图

从节前开始就有好多朋友问我对于阿里“拆中台”的看法，今天正好又被问到这个问题，就随笔写写自己的看法，一起探讨。我猜想大家问这个问题，言外之意心里无非就是以下这几个问题：阿里都“拆中台”了，我们要不要也跟着拆？从阿里“拆中台”，我们能看到什么？从阿里“拆中台”，我们能学到些什么？阿里都“拆中台”了，我们要不要也跟着拆？这个问题最简单，我们先姑且不考虑阿里拆中台信息的准确性，就算是阿里把中台都拆了，我

年终要拿奖金的时候，年终要拿出漂亮数据的时候，年终要总结一年能力的时候，能决定老板对你评价的，大多数是年底的表现和状态，年底的总结汇报简直重中之重。一般来说，年终总结需要图表和数据支撑，才能让别人懂你做了什么，但前者占了很大的比重，看到图表的第一眼，老板甚至会有惊艳的感觉：但也有人说，现在的可视化太酷炫了，感觉有点脱离朴实平淡的风格了。两种说法都没有问题，有人喜欢深色酷炫的，有人喜欢浅色简单的，不

一、用户价值模型1、RFM模型RFM分析是客户关系分析中一种简单实用客户分析方法，他将最近一次消费、消费频率、消费金额这三个要素构成了数据分析最好的指标，衡量客户价值和客户创利能力。RFM分析也就是通过这个三个指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。R——最后交易距离当前天数（Recency）F——累计交易次数（Frequency）M——累计交易金额（Monetary）在

我是10几年前进入股市的，当时还是学生，因为经常看我爸炒，于是从小就对K线图还有红红绿绿的界面有亲切感。后来走上数据分析的职业道路，知道了炒股还有量化这个门道，于是天天下班在家写代码，用概率来预测股票未来一段时间涨跌，整了一段时间还是亏钱，感觉这玩意还得专业团队才整的来，于是放弃。再后来无意中读了一本美国传奇基金经理彼得·林奇写的《彼得林奇的成功投资》，感觉它简直就是我人生中的光。里边教的低估值选