数据库

移动互联网应用数据分析基础体系

APP的数据指标体系主要分为五个维度,包括用户规模与质量、参与度分析、渠道分析、功能分析以用户属性分析。用户规模和质量维度主要是分析用户规模指标,这类指标一般为产品考核的重点指标;参与度分析主要分析用户的活跃度;渠道分析主要分析渠道推广效果;功能分析主要分析功能活跃情况、页面访问路径以及转化率;用户属性分析主要分析用户特征。本文将详述这五大维度。在2012年及2013年诸多

怎样通过数据去引导优化产品迭代?

数据分析是双刃剑,做好了,对产品优化具有重大价值,做坏了,会误导产品甚至狗带。网上流传这么一句话,不会数据分析的产品经理不是一个好的产品汪。招聘网站对于产品经理招聘的数据也显示,数据分析是产品经理吃饭必备的工具。大量的砖家也很乐于在各种社区和公众号分享他们的数据思维和数据分析方法论。今天我想要和大家简单探讨一下怎么去处理数据分析的后事,数据分析完成之后如何去优化产品迭代。1

攻克微服务中的最大难点:用户数据

今天 数人云与大家分享的文章将探讨微服务架构的创建与开发工作当中最为困难的部分——用户数据。只有我们摆脱自己的依赖时微服务才能起作用,换言之,存在于单一数据库上的多任务进程并不是真正的微服务。使用Spring Boot/Dropwizard/Docker并不代表大家所构建的就是微服务。再次强调,大家需要着眼于所处业务领域,而我们的数据才是实现微服务的关键所在。考虑到我

张溪梦:硅谷十年,数据分析的变与不变——连载一

张溪梦:来自硅谷的数据驱动增长实践——连载二张溪梦:数据分析的三个层次和五个阶段——连载三作者:张溪梦,GrowingIO创始人&CEO,前LinkedIn商务分析高级总监。美国 Data Science Central 评选其为“世界前十位前沿数据科学家”。本文根据9月23日Simon知乎live分享(PPT演讲+提问回答)内容编辑整理,干货极多,分为三部分分享给大家,本

产品经理了解数据库,真的这些就够了!

时常可以在网上看到大家对于产品经理需要懂数据库这个问题进行热议,那我们首先得明白,数据库是什么?数据库有何用处?数据库对产品经理而言是否有加持作用?本文围绕产品经理和数据库展开了讲述,推荐对此感兴趣的伙伴阅读。大家好,本次我们分享一个在网上热议的话题,那就是产品经理需要懂数据库吗?懂的话需要懂到什么程度?这个仁者见仁智者见智,我觉得学一些简单的数据库知识,确实对产

数据分析——用户行为分析的真正价值

这篇文章源于知乎的一个问题和44条评估的启发文章原创:转载需本人授权 一、关于题主问题的描述 很多人可能不知道, 「 行为分析 」 四个字的分量已经代表了近两年一些高速成长的公司对数据分析需求的精细化程度,同时,它也催生出了新一代的数据分析工具和分析方法。过去,所有人都在关注PV、UV、跳出率、访问深度、停留时长,还有很多人始终放不下的热力图等,总体来说,这些指标都属于统计

Neo4j中实现自定义中文全文索引

数据库检索效率时,一般首要优化途径是从索引入手,然后根据需求再考虑更复杂的负载均衡、读写分离和分布式水平/垂直分库/表等手段;索引通过信息冗余来提高检索效率,其以空间换时间并会降低数据写入的效率,因此对索引字段的选择非常重要。Neo4j可对指定Label的Node Create Index,当新增/更新符合条件的Node属性时,Index会自动更新。Neo4j Index默

从入门到精通:如何用图表做好数据分析?

我们结合互联网产品和运营的业务需求,由浅入深地给大家解答有关图表的问题。随着精益化运营的概念不断深入人心,数据分析已经成为了互联网人的必修课。相比于高深的概率统计、算法模型,简单、直观的图表工具得到了更为广泛的应用。那么图表都有哪些类型?不同类型的图表又该怎么用?在这篇文章中我们结合互联网产品和运营的业务需求,由浅入深地给大家解答这些问题。一、初阶:维度和指标初阶的图表简单

关于数据和产品增长,这里有 6 个你可能关心的问题

作者:张溪梦 Simon链接:GrowingIO 与市场上其他分析产品有哪些不同?如何配置拉新与留存之间的比例?最后和大家分享下「数据分析分为哪几个阶段」这个问题。部分问题回答的较为简短,如果想要了解更多信息,我在对应问题后面附上了之前写过的一些详细解读文章。Part 1 | 公司和产品从什么时候开始关注数据? Q:在产品的不同周期,我们应该关注哪些不同的东西?从什么时候开

如何成为一名数据分析师:必备技能 TOP5

什么是数据分析师(Data Analyst)? 数据分析师指的是不同行业中,专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测的专业人员。他们知道如何提出正确的问题,善于数据分析,数据可视化和数据呈现;辅助公司商业决策,帮助降低成本,提高收益,改进产品,留住客户,发现新的商业机会等。总的来说,根据数据分析师的级别,他们主要的工作内容可能包括以下:与IT部门