《数据分析变革:大数据时代精准决策之道》一1.5 小结
本节书摘来自异步社区《数据分析变革:大数据时代精准决策之道》一书中的第1章,第1.5节,作者【美】Bill Franks(比尔•弗兰克斯),更多章节内容可以访问云栖社区“异步社区”公众号查看
从本章中我们获得的最重要的启发有以下几个。
运营型分析代表了分析的工业革命。其超越了使用传统分析手段处理运营问题。 多年来,某些企业已经超越了描述性分析和报表,推进到预测性分析。运营型分析通过把分析规范化更进一步。 运营型分析流程是嵌入式的、自动的决策制定过程,其在决策的过程中规定要产生的行为并促使行为发生。 没有坚实的传统分析基础,就不可能在运营型分析上获得成功。 分析1.0时代代表了传统分析方法。它关注的是内部结构化数据的批量分析。 分析2.0时代代表了大数据的兴起。它包括了新数据类型、新分析方法以及外部数据的使用。 分析3.0时代开启了运营型分析。它是分析1.0时代和分析2.0时代朝统一分析方法的最佳演进。 分析驱动的购买决策日渐达到与基于产品物理属性的购买决策并驾齐驱的地步。 通过在产品内部支持高科技传感器并基于数据进行分析,公司的行业界限被打破。 对于运营型分析驱动的自动化快速决策,数据质量依然重要。 分析对创新性的影响是增强而非压制。当前已经为小规模测试新想法提供了方便。 许多运营型分析并非基于新概念,而是把旧概念推到新高度。[1] 如前言所述,我们没有留出篇幅对类似分析之类的通用术语进行定义。我们假设读者业已熟悉基本核心概念。
[2] 有一本免费的电子书介绍了分析3.0的细节,参见http://iianalytics.com/a3/。
[3] 要了解更多信息,请参考Bill Franks所著的《驾驭大数据》一书。
[4] 参见2012年4月6日Xavier Amatriain和Justin Basilico在Netflix Tech博客上发表的“Netflix Recommendations: Beyond the 5 Stars (Part 1)”,网址是http://techblog.netflix.com/2012/04/netflix-recommendations-beyond-5-stars.html。
[5] 参见2013年6月28日Dawn C. Chmielewski在《洛杉矶时报》上发表的“Meet Max: The New Voice of Netflix Recommendations”,网址是http://articles.latimes.com/2013/jun/28/entertainment/la-et-ct-meet-max-new-voice-of-netflix-recommendations20130627。
[6] 基于2013年8月我为国际分析研究所写的题为“Is Big Data Changing the Business You Are in without You Realizing It?”的博客,参见 http://iianalytics.com/2013/08/is-big-data-changing-the-business-you-are-in-withoutyou-realizing-it/。
[7] 参见http://www.nike.com/us/en_us/c/nikeplus-fuelband。
[8] 参见https://www.coursera.org/和https://www.khanacademy.org/。
瓴羊Quick BI助力子不语实现全场景数据分析与决策 在中国跨境电商时尚服装类垂直领域,SHEIN与Temu 缠斗得“难解难分”,备受关注的SHEIN何时上市也是众人津津乐道的话题,但当“低调”的子不语集团(2420.hk)于2022年双十一在港交所主板上市以后,市场才意识到中国跨境电商又一巨头的出现。
带你读《增强型分析:AI驱动的数据分析、 业务决策与案例实践》之三:预测模型的新技术 本书“深入浅出的原理介绍 + 实际使用的案例”的内容安排能够使得数据分析建模人员从算法原理、数据挖掘知识结构、业务应用方法等方面得到提升,帮助数据分析建模人员开阔眼界、优化知识结构、提升实践技能。
带你读《增强型分析:AI驱动的数据分析、 业务决策与案例实践》之二:大数据探索及预处理 本书“深入浅出的原理介绍 + 实际使用的案例”的内容安排能够使得数据分析建模人员从算法原理、数据挖掘知识结构、业务应用方法等方面得到提升,帮助数据分析建模人员开阔眼界、优化知识结构、提升实践技能。
异步社区 异步社区(www.epubit.com)是人民邮电出版社旗下IT专业图书旗舰社区,也是国内领先的IT专业图书社区,致力于优质学习内容的出版和分享,实现了纸书电子书的同步上架,于2015年8月上线运营。公众号【异步图书】,每日赠送异步新书。
相关文章
- 数据分析是决定大数据成败的王道
- 数据分析方法:非正态数据转化成正态数据
- 如何进行大数据分析及处理_数据分析师
- 数据分析电子商务B2C全流程_数据分析师
- 小白学 Python 数据分析(10):Pandas (九)数据运算
- Python数据挖掘之决策树DTC数据分析及鸢尾数据集分析
- 机器学习笔记:常用数据集之scikit-learn在线下载开源数据集
- jsonp获取json数据
- K8S部署gitlab deployment:基于nfs进行数据持久化
- 将ABAP透明表的定义(元数据)解析出来导入到剪切板(clipboard)里
- 低代码数据绑定的表达式语法
- 100天精通Python(数据分析篇)——第75天:Pandas数据预处理之数据标准化
- Python采集猫咪数据并做数据可视化图
- 训练模型前数据是不是这样处理会更好
- 【大数据&人工智能】统计学入门——数据科学领域最需要了解的统计学基础概念
- [Sqlite]-->Java采用jdbc联系Sqlite各种特定的工艺数据库的数据操作
- tsne pca 自编码器 绘图(CC2)——一定记得做无量纲化处理使用standardscaler,数据聚类更明显
- 动手学习数据分析(三)——数据重构
- 数据分析:单元2 NumPy数据存取与函数
- 【数据分析】python带你分析122万人的生活工作和死亡数据
- Mybatis源码分析之(五)mapper如何将数据库数据转换成java对象的
- Hadoop(15):MapReduce框架原理之OutputFormat数据输出