数据

漫谈阿里大数据

目前人人都在谈大数据,谈DT时代,但是,大数据是什么,每个人都有自己的一个看法,好比盲人摸象,每个都认为自己摸到是真正的大象。我也担心我所看到的,只是大数据的冰山一角,毕竟,将引领整个人类下一次变革的大数据,不是几篇文章就能说清楚的。一,DT时代大数据这个概念,其实在上世纪九十年代就有人提出来了,当时希望通过将所有零散的数据归并起来,然后进行数据挖掘,以看到以前存在的问题,

一个理想的数据团队,应该是这样的

最近我一直在思考一个问题, 一个理想的数据团队到底应该是怎样的?思考这个问题之前,我就曾思考另外一个问题:数据团队与其他技术开发团队到底有什么不一样。细想一下,其实差别还是蛮大的,就以我司的两个团队来说,研发团队天天被业务方逼着,上这个系统,做这个功能,改那个bug。而数据团队的工作模式显然有点不同,最起码没有这么多直接的系统型的开发工作,很多东西更加的琐碎,很多东西需要更

根据现有产品数据,如何做一次数据分析呢?

在数据分析前要找到分析的目标,带着问题去分析,也就是了解前期数据分析的需求,后期,需要做数据回报才具有针对性,目的性。需求分析师是否适合做数据分析?这是我最近在想的问题。需求分析是基于业务场景的商业化分析,不是技术分析,但需求分析的过程包含了数据分析,用数据驱动产品开发这完全是可能的,从数据中找到产品运营的不足,从而驱动产品开发。数据分析也是从产品分离出来的需求要点,数据可

如何通过用户行为数据,驱动互金产品增长?

如何通过用户行为数据,指导产品用户价值增长?互联网金融的激速发展导致大量的同质化产品出现,监管和竞争又让很多互金公司不得不快跑前进,特别是对数据的采集和分析运用上,甚至一些商业银行开始利用数据指导运营和产品迭代,一些互金公司陆续找到诸葛io,需求就是从数据采集到分析工具到各种分析服务的打包服务,助力产品实现用户价值增长以及建立未来竞争的数据壁垒。如何通过用户行为数据,指导产

从 0 到 1 构建数据生态系列之六:数据价值挖掘

题图 - From 699pic,“朱家角古镇建筑”,很赞的图这估计《从0到1构建数据生态系列》的最后一篇,主题是数据价值。在之前,我们所有做的一切一切,都是基础,那么其最终的目的是什么?当然,结果很明显,就是数据价值,那么,作为数据生态的最上层,所谓的数据价值又是以什么形式体现的呢?BI体系 在《大数据职位画像-看看你是不是白混了贼多年!》这篇对于大数据职位分析的文章中,

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

如何用数据分析的方法,做好一款小程序?

现在『如何做一款小程序』的文章铺天盖地,『怎么做』 已经不是问题。那么如何『做大』一款小程序,你知道吗?破解小程序获客难、留存难问题,你又有哪些方法?一、小程序有哪些特点?小程序最大的特点:只能存活在微信环境中。用张小龙的话来说,触手可及、用完即走。(一)小程序的4大挑战为了避免过度营销,小程序在营销环境上做了大量的限制,具体概括为『4个不能』。图1:小程序的限制小程序不能

数据 / 方法论固然重要,但人为分析更有价值

在工作中经常会遇到需要你做决策的工作,而客观数据和成熟的方法论只是提供参考的一部分。在工作中经常会遇到需要你做决策的工作,不论是运营(活动策划,内容调性,用户分类,运营策略等),还是产品(功能确定,用户体验等)。那么像这些工作,一般都是怎么决策的呢?比较常见的有数据和方法论两个,讲两个案例,大家就明白了。案例1: 在产品讨论会上老板(或其他商务同事)问这个模块还需不需优化,

产品微操的艺术:提高核心指标的5个需求原理

PS:向老周致敬,感谢360手机助手这样的环境我才能用数据验证完大部分自己总结的理论,ABtest需要人力、时间、资源,中小公司人力不够,大公司因体制问题,有人力、资源,时间慢、资源无法到位,在360这样主打短平快准的风格才有机会快速验证,当然弊病是中长线的活儿很难推动。[br]# [br]# 概述[br]产品跟DOTA或者LOL一样,不同的公司体制培养出了不同的产品风格,

这 3 类人必须理解的两个大数据模型(产品、运营和用研)

这篇文章我们来谈谈大数据,因为我们是物流集团,所以中间会用到一些大数据在物流行业的应用例子,以京东物流为例谈谈如何通过大数据提升业务指标。很多同学一听到大数据可能会脑补两个形象:高大上、技术党。但是今天我们说的是比较基础的两个大数据模型,不需要有数据分析和技术背景,或者说其实更多的是为产品、运营、用研、业务的同学们而写的,是我们非技术人员也应该理解的两个大数据模型。这两个大