AI 和大数据袭来，却增加创业者颠覆科技巨头的难度

随着人工智能能和大数据的热潮来临，带来了更所的科技创新的机遇与前景，但与此同时，也增加了初创者们颠覆大公司的机会……新的一周，Google公开了一项在AI领域的破纪录研究成果。该项研究成果揭示了一个重要的信息。传统上我们认为，日益依赖消费者和社会经济的科技公司特征是创新和反垄断的——这也是小企业可以颠覆大公司的机会所在。 然而当科技公司之间的竞争依赖于通过大数据进行的机器学

业界综合 2017年07月26日

AI 和大数据让挑战巨头的路更加困难

新的一周，Google公开了一项在AI领域的破纪录研究成果。该项研究成果揭示了一个重要的信息。传统上我们认为，日益依赖消费者和社会经济的科技公司特征是创新和反垄断的——这也是小企业可以颠覆大公司的机会所在。然而当科技公司之间的竞争依赖于通过大数据进行的机器学习之时，小公司颠覆巨头的道路将会变得更加艰难。Google周一发布了他们与Carnegie Mellon大学一项不菲的

业界综合 2017年07月26日

如何七周成为数据分析师 03：手把手教你 Ecel 实战

本文是 《如何七周成为数据分析师》的第三篇教程，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Excel，大可不必再看这篇文章，或只挑选部分。在 《如何七周成为数据分析师01：常见的Excel函数全部涵盖在这里了》 和《如何七周成为数据分析师02：Excel技巧大揭秘》 后，今天这篇文章讲解实战，如何运用上两篇文章的知识进行分析。内容是新手向的基础教

产品经理 2017年07月27日

亚马逊、谷歌、微软、阿里……巨头们在数据中心方面都有哪些新动作？

在这里列举了全球几大巨头在“外租”数据中心方面的情况，包括整体概况、布局、以及今年发生的大事件。近期，苹果、腾讯、阿里等一众巨头们不约而同的做了一件相同的事情——建立数据中心。国外的公司想要在中国分一杯羹，而国内的公司则纷纷开始爬墙出国。数据中心是什么？为什么要撒钱建数据中心？总的来说，数据中心是企业的业务系统与数据资源进行集中、集成、共享、分析的场地、工具、流程等

业界综合 2017年08月02日

所谓的数据，在刚开始一个产品时该如何打基础？

很多大牛都说数据，数据源，大数据，数据分析，可是每当一个产品在上线前或者上线后刚开始并不如预期的有那么大量的数据，那么在这个时候我们又该如何去做呢，是要吧全数据需求列出来，还是循序渐进，随着产品的深入优化及数据量增大再陆续把相关数据提出来分析呢？做过几次数据，都是从一开始准备的很充足，却发现到最后数据根本没自己想象的那么多，所以个人觉得一个产品刚开始的时候应该从小数据着手，

产品运营 2017年08月03日

如何七周成为数据分析师：SQL，从熟练到掌握

我们在上一篇《 如何七周成为数据分析师：SQL，从入门到熟练 》文章已经掌握了除Join外的常用语法和函数，今天会通过一系列的练习彻底掌握SQL。我们知道，数据库由多张表组成，表与表之间可以实现关联。上图就是一个简单的关联模型：Students.addressId = Address.idStudents.id = Scores.studentIdScores.course

产品 2017年08月03日

播放量总是上不去? 短视频运营需注重的 5 个数据指标

在短视频运营中数据分析是非常必要的一环，今天小雨就给大家介绍几个基本但非常重要的数据概念，相信对你一定是有帮助的。一、通过最基础的播放量，我们可以得到什么结论？首先， 有几个基础的关键数据： 播放量、评论量、点赞量、转发量、收藏量。播放量是一个基础中的基础量了， 评判一个视频好坏的重要标准之一也是播放量。我曾经写过一篇帖子，讲的是在今日头条取标题有什么技巧。全篇整理

产品运营 2017年08月03日

如何七周成为数据分析师 12：解锁数据分析的正确姿势（上）

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。什么是描述统计学它是一种综合

产品经理 2017年08月07日

如何有效地进行数据治理

无论企业大小，在使用数据上都面临相似的数据挑战。企业越大，数据越多，而数据越多，越发需要制定一个有效的、正式的数据治理策略。如果你处理或使用过大量数据，一定有听到过“数据治理”这个词。你会思考数据治理是什么？数据治理是否适合你？如何实施。简单来说，数据治理就是处理数据的策略——如何存储、访问、验证、保护和使用数据。数据治理也还包括谁来看，使用，共享你的数据。这些问题日益重要

产品经理 2017年08月09日

如何更好的提数据需求？

本文主要是介绍业务部门（主要是运营部门）在没有完善的数据平台时如何更好的提出数据需求，来满足自己某些数据分析。一、谁会提数据需求？一般来说的话，更多的是运营提出的数据需求会更多。不过也会存在其他业务部门，比如财务、结算、市场、技术部等其他业务部门。二、有哪些数据需求？产品数据： PV、UV、页面跳出率、DAU、留存率、事件转化率、用户属性等等。业务数据： 注册数、下载数、订

产品经理 2017年08月10日