你的A/B测试结果有多靠谱？
原文再续，书接上回，Z检验醒木拍案，AB组高下立判，但究竟是霄壤之别，还是聊胜一筹，且听本回分解～之前在《你的A/B测试结果真
0评论2021-07-300
产品的微观数据指标（二）
上篇文章比较详细的介绍了功能覆盖率与功能频次，这一篇会把功能的衰减、功能卸载率、卸载前的行为路径这三个指标一并介绍完，也
0评论2021-07-306
问卷数据，该如何着手分析呢？
工作中用到的调研问卷，探索的内容相对具体，涉及的变量也比较少，一般不会用到太复杂的分析方法，Excel+SPSS即可搞定，本文整理
0评论2021-07-300
BI函数字典之时间日期函数
本文笔者为大家介绍了BI函数字典中的时间日期函数：DATE、DATETOSR、DAY、DAYS……一、DATE 定义：DATE(I1,I2,I3) 返回由指定年
0评论2021-07-300
生产环境又有问题？都是脏数据惹的祸！
本文笔者对脏数据的来源、脏数据的危害、脏数据的预防、如何对已出现的脏数据进行处理等问题进行详细阐述。“小光，今天那个诡异
0评论2021-07-300
数据分析函数字典第一期：数学函数
本文笔者为大家介绍了BI函数字典中的25个数学函数：ABS、ASINH、C、COS、DEGREES、EVEN、EXP、FACT……BI函数字典涵盖了BI系统中
0评论2021-07-300
五个方面，聊聊大数据可视化的初体验
数据可视化常常需要通过统计图来展现，不同类型的统计图有着不同的使用场景以及使用方法。距离上一次投稿快9个月了（感谢那些给
0评论2021-07-300
机器学习 | 贝叶斯算法及应用
朴素贝叶斯是基于“特征之间是独立的”这一朴素假设，应用贝叶斯定理的监督学习算法。基于条件概率的贝叶斯定律数学公式朴素贝叶
0评论2021-07-300
数据分析函数字典第三期：字符串函数
本文笔者为大家介绍了BI函数字典中的23个字符串函数：CHAR、CLEAN、CODE、FIND、FORMAT、LEFT……一、CHAR 定义： char（I）：将
0评论2021-07-300
数据模型，数字化转型的核心能力
业界数字化转型已经进入深水区，数据越来越受到大家重视，由于数据中台等等概念的兴起，大家越来越回到数据的根本问题“数据模型
0评论2021-07-300
数据模型：向上承接业务，向下引导数据
数据模型在数据管理中居于什么样的位置？笔者认为数据模型在数据管理中处于向上承接业务，向下引导数据的关键位置。导读：国际数
0评论2021-07-300
数据可视化设计（2）： 可视化设计原则
在上一篇文章《数据可视化设计（1） ：情感化设计指导可视化设计理念》中，根据情感化设计本能、行为、反思三种水平，提出了清晰
0评论2021-07-300
数据驱动，本来就不应该这么简单
数据驱动，拆开来看就是“数据+驱动”。所以大多数人把数据驱动理解为以数据作为一种证实/证伪的依据，然后由人（比如产品经理，
0评论2021-07-300
VIP会员