解读数据?解读“人”!

bC技术绑定10讲②解读“bC双码关联”! 做好bC联动是打响营销数字化的“”第一枪! 阅读详情

  本文来自腾讯大讲堂(DJT.QQ.COM),转载请注明出处。


 

  一提到“数据”,可能经常会想到“数字”、“图表”、“模型”、“方程”等容易让人怯步的词语。但,其实“数据”的真正意义,是躲在背后的那些“人”。


  在营销学中,市场的根本在于需求,需求由人而生。因此,我们似乎不应该就数字而数字,就算法而算法,而应该自始自终关注“人”,市场研究则更是如此。


  有人也许会说,“人”可不好说,有时会说谎,有时会偏私,真真假假的。但,不是有种更简单的想法吗?我们自己本身就是“人”。作为市场研究者,大可不必将自己完完全全剥离在“人”这个概念以外,顶着看似客观的立场,作困兽之斗。


  这个时候,也许有人会质疑,如果加入更多自己的想法,你的研究还客观吗?


  没错,作为市场研究者,必须客观地看待事实,呈现事实。但,事实是什么,如果总把自己孤立在另一边,恐怕这个所谓的事实,也不过是披着云雾的谜团。


  在这里,我必须强调,事实的重要性,正是为了看清事实,我们必须“有方法”地在某些情况下,将自己看成是同一边的“人”,某些情况下,将自己独立为另一边的旁观者。


  这个“方法”,就是这篇文章试图总结的东西。


1、在用户没有表达任何观点,或,你还不清楚用户的观点之前,你也不要有任何想法。


  我们不妨恶俗地将自己比喻成“蛔虫”,主人都还没有想法,就算你是肚子里的蛔虫,也不会知道些什么吧。


  所以,我们需要开放式问卷,引诱我们的主人尝试着讲他们的想法,哪怕只是一点点。这就是所谓的定性阶段。



2、拿着用户的文字反馈,请尝试读懂这个“人”,而不是这些“字”。


  当问卷回收了,我们“看到”主人们用“文字”写下来的话。这就有两个问题:


  一是,开放式问卷数量很多,意味着主人很多,可能口味是各不相同的;



  二是,文字的运用可能基于主人们的不同背景或个性有所不同(写的不同),而由于有自己的背景,我们“看”的方式也不一定与主人们的表达方式相同(看的不同),结果是必然导致信息传递的缺失(最形象的比喻就是,玩接力比划,详情可以去看我猜)。


  这个时候,我们作为同一边的“人”,可以出现了。



  看着那些留在卷面上的文字,试想一下,那个“你”到底想说什么?这个时候仿佛可以读懂些什么。但,必须说明,这个时候的“你”只能是文字背后可能的那个人,而不应该有任何你的自我存在影响着判断。


  举个简单的例子,有两个玩家同时说,你的游戏太耗钱了。请好好看看他们的等级,他们的角色,他们的收入/职业等背景信息,你可能会发现一位是中级,一位是高级,一位是肉盾,一位是魔法师,一位是学生,一位是蓝领。


  我们试着代入,如果你是中级肉盾,在这个游戏中会面临怎样的情境?因为游戏规则,你常常与高级玩家PK,结果是PK时常常输掉(挫败感过强),归根到底是因为你的角色只是中级,然后会想“如果我练到高级了,就不怕跟高级玩家PK。”最终,频繁花钱练级,花了钱,却发现永远不可能追上高级,那时正好有个问卷弹出来,你毫不犹豫地说“这个游戏太耗钱了”。


  另一个角色,如果你是高级魔法师,因为你等级高,攻击力强,很多人组你打副本,副本对你而言很简单,但手机端的页面总是复杂而庞大,一晚下来,流量用了一半。第三晚开始,队友喊你,你就得用套餐外的流量上去参与同盟军。两个礼拜之后,月结日发现话费用了100块在超出的流量上,这时你收到一个问卷,你义愤填膺地说“这个游戏太耗钱了”。


  当然,上面的例子有些极端,但目的是想说明,当你读懂了文字背后的那个人,你会发现前者的“耗钱”根源很可能是玩法的成就感缺失,后者的“耗钱”根源很可能是页面的联网响应,二者讲的可能完全不是同一回事。


3、倾听着用户的话语,与其跟他说话,不如听懂他的话。


  有人可能会细心地看到,上面我用了“可能”下结论,说白了,这种代入只是“猜”,你没有任何证据证明这个假设是对的。


  没错,不记得哪位名家讲过“大胆假设,小心求证”。如果说前面是如何用“代入”来大胆假设,后面则是如何用“代入”来小心求证。


  有了一些粗糙的想法后,作为市场研究者,内心充满了激动和好奇,没有人比我们更想知道自己的假设或想法,到底对不对。这个时候,千万注意,收起我们的激动和好奇。这种先入为主的情绪会成为我们发现事实的障碍。


  前面只有文字接触,接下来不妨亲自与用户对话,形式是多样的,电话,面访,现场测试等等。用近乎苛刻的连环追问(这里有技巧,追问的代价绝不能是用户厌烦),让用户自己把自己挖透彻,这个过程可能是痛苦而艰难的,所以你的“代入”变得很重要。只有让用户感觉到,作为同一边的“人”的你存在,他才会愿意做挖掘自己这种艰难的活儿。


  也举个例子,桌面上放着几款不同品牌的,容量相同材质不同的奶瓶。


  请一位中低收入家庭的全职妈妈在挑选的两个中最终选出一个,并且说出原因。她选了两个品牌不同材质的奶瓶各一个,一个是高端品牌PP材质,一个是一般品牌玻璃材质。她告诉我们,PP材质不知道对小孩好不好,而且自己是全职妈妈,可以照料玻璃材质的,玻璃更安全。


  几个环节之后,我们加入这样的内容“为了感谢您,我们额外送您一个赠品,请你随便挑一个带走吧。”结果,她选择了高端品牌的PP材质。


  这时,你试着代入中低收入家庭的全职妈妈角色,似乎更能读懂她的行为,这个高端品牌可能还是值得信任的,根源可能不在材质上,而在价格上。


  有了这个想法,追问她“送人吗?还是BB用?送人我给你包装一下,BB用的话可能加个把手好一些。”


  这时她告诉我,“谢谢你,那帮我加个把手吧,高端品牌就是讲究啊,我也给BB试试看。”(表情轻松愉悦)


  “试过如果好的话,可以回头光顾哦!”


  她稍微用力眨了一下眼睛,扬起了嘴角“呵呵,好,我们先试试~~~”。说到这里,你懂的了。


  (话说回来,真诚建议市场研究人员也不妨修炼一下表情动作的心理投射)


4、与其单独看每个数字,不如串起来读下去,也许可以读出一个“人”。


  从开放式问卷的广度,到与用户对话的深度,我们一直在拼凑和补充材料,“代入”除了帮我们读懂“人”以外,也帮我们描绘了可能存在的问题,可以通俗地理解为“准备上桌的菜”。这个菜到底能上不能上,材料是不是最终做出这个菜,还得继续“小心求证”。


  来到定量问卷阶段,将你的材料组织好,送到用户面前,让他们决定,他们想要什么。用户反馈回来之后,我们进入数据清洗、分析、解读阶段。


  这里试图总结一下“解读”。



  送到我们面前的是一堆数字,一堆图表,我们任务不是告诉大家这个数字是多少,而是数字代表什么。


  这个时候,我第一件要做的事是,将自己每种假设的相关数字聚集起来,考察它们是否可以串成链条(俗称“证据链”),如果可以,很好,假设成立。如果不可以,就研究一下,假设的漏洞在哪里,也许又会发现一个新的结论。


  然后,第二件事是,将用户视角下的诸如行为路径、态度轨迹、需求满足过程等链条相关的数字串联起来,看看是否能够完整描绘出“人”的形象。如果可以,很好,又一个结论浮现了,如果不可以,检查一下矛盾或缺漏点在哪里,也许会发现用户分类方法不对,另外一个细分维度可能更加有效。


  举个简单的例子,你有用户对皮肤的元素、颜色、风格、主题的偏好,串联起来,加上一个合适的细分纬度对比分析,可能会发现年龄不同的用户,社会沉浸经历不同,总体风格偏好也存在差异。再类推延伸一下,会发现社会沉浸经历可能会投射在更多其他领域的偏好上。


  有同学可能会问,这里好像没看见“代入”。其实,在你做的两件事里面,就已经有“代入”。组织证据链、剖绘形象人这两件工作,需要很好地读懂选项占比以及填选项的人,才能做好。



  以上是文章之全部,文笔有欠考究,只望总结并分享自己的一些经验。欢迎多多拍砖、指点、挑战。

本文来自腾讯大讲堂(DJT.QQ.COM),转载请注明出处。

2021-8-14 EDK II编译 2021-8-14 EDK II 编译为什么要写这篇文章新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 为什么要写这篇文章 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdo 阅读详情

相关推荐

高压脉冲发生器的各种电路图

高压脉冲发生器的各种电路图

qq_65102825的博客 5908

用户研究:如何解读数据?解读“人”!

用户研究:如何解读数据?解读“人”! 本文作者为腾讯CDC用户研究员风凌 一提到“数据”,可能经常会想到“数字”、“图表”、“模型”、“方程”等容易让人怯步的词语。其实“数据”的真正意义,是躲在背后的那些“人”。 在营销学中,市场的根本在于需求,需求由人而生。因此,我们不应该就数字而数字,就算法而算法,应该自始自终关注“人”,市场研究则更是如此...

weixin_34202952的博客 115

从像素到光影:解析《黑神话:悟空》中Nanite与Lumen的协同渲染革命

本文深度解析了《黑神话:悟空》如何利用Unreal Engine 5的Nanite与Lumen技术实现渲染革命。Nanite处理亿级多边形几何细节,无需传统LOD优化;Lumen提供全动态全局光照,实现实时光线反弹。两者协同工作,为游戏带来电影级视觉体验,重塑了实时渲染的技术标准与工作流程。

f6g7h8i9j的博客 425

告别 “人找数据”!制造效率革命的关键一步是什么?

从技术整合打破壁垒,到业务重构释放效率,再到全球化适配构建生态,其每一步实践都直指制造业的核心矛盾 —— 如何在规模化生产中实现精准化、柔性化、全球化。传统制造业中,IT 系统与 OT 系统往往各自为战:ERP 负责业务管理,MES 聚焦生产执行,DCS 控制设备运行,数据在不同系统间形成 “信息烟囱”。在由企业网D1net主办的2025全国 CIO 大会上,某国际领先的新能源企业CIO,深入分享了如何通过 “云边端” 一体化架构,将分散的技术节点编织成一张贯通全链路的网络。

欢迎来到我的博客 760

NuPlayer 之 Renderer

触发postDrainAudioQueue_l()或postDrainVideoQueue()开始渲染。解码器输出数据 → NuPlayer::Decoder::onMessageReceived。音频数据存入mAudioQueue,视频数据存入mVideoQueue。• 每次写入后通过mNotifyConsumed通知解码器。• 通过AudioSink::write()写入音频设备。• 根据VSync信号和音频时钟调整渲染时机。• 通过Surface直接提交给显示系统。

aningxiaoxixi的博客 319

逆向实战:基于内存态匿名段分析的 DexProtector 检测绕过策略

本文深入探讨了针对DexProtector加固方案的Frida检测绕过策略。通过分析运行时动态加载到匿名内存段的核心检测逻辑,提出了一套基于内存态分析、定位并转储匿名可执行段,进而通过精准Hook与“等式化替换”等技术实现稳定绕过的实战方法。该方法不仅适用于DexProtector,也对采用类似内存隐藏技术的加固方案具有参考价值。

ik678901的博客 517

数据分析不用 “死磕代码”!虎贲等考 AI:小白也能 1 小时搞定科研级数据解读[特殊字符]

虎贲等考AI平台推出数据分析功能升级,为科研人员提供零代码操作、全流程自动化的数据分析解决方案。该平台支持多种数据格式导入,内置50+常用分析方法,自动完成数据清洗、模型选择和结果输出,并生成规范的统计表格和可视化图表。特色功能包括智能结果解读、理论衔接建议和学术合规保障,覆盖经管、理工、医学等全学科需求。从论文写作到项目申报,该工具可显著提升科研效率,让用户快速完成从数据处理到学术解读的全流程。目前该功能已在官网(https://www.aihbdk.com/)上线。

557

【python进行wrfout后处理基础绘图】安装wrf-python、读取wrfout、读取高度z变量场并插值到500hPa_z、输出nc文件、绘制等值线标值、副高区域填色

本文主要介绍python对wrfout结果文件的初步后处理操作,以及基础绘图。 wrfout后处理包括:【读取wrfout文件、读取wrfout文件中变量metadata及数据、对高度场进行500hPa插值、输出nc文件】 基础绘图操作包括:【设置投影和范围、绘制等值线contour和等值线标值、副高区域填色contourf】 仅展示初步评估模拟的效果,若精美绘制需要进一步的设置、细化。

nice_clever的博客 1万+

027 解读“神奇读心术”!

解读“神奇读心术”! 2007-08-12 19:27:00| 分类: 思绪燃星火——技 https://duxinshu.51240.com/ 怎么样??是不是感觉非常神奇??呵呵!!下面让我们看看他是怎样做到“猜测”我们的内心世界的~~ 解读神奇读心术!! 大家也许都看出来了,这个所谓的读心术是对被测者有一定要求的,其中最值得怀疑的一个要求就是他让我们计算的那个公式!Z=XY-(X+Y) 我...

hackdoors的博客 625

【FISCO-BCOS】 八、ubuntu配置Java环境

ubuntu配置Java环境需根据自己的java版本号进行细节修改,本文以jdk11.0.18版本为例。ps:通过此法还可以查看java安装路径,但必须是环境配置成功的情况下才能使用。二、添加Java环境路径。四、检查java环境设置。

naihe_fish的博客 4318

HyperLynx(二)LineSim的基本操作

如果是仿真眼图,那么还有一个眼图模板(EyeMask)加载选项,这些选项必须经过勾选之后才会在显示界面中显示,以使相关的信息在波形显示的界面呈现,如图所示。另一种为振荡器激励,即连续的脉冲激励源,在这个选项中有两个参数需要设置,即激励源的频率(MHz)和占空比(Duty),如图所示。如果Pins一栏中有多个引脚具有相同的模型,那么可以选中已经赋值模型的引脚,单击右下角的Copy按钮进行复制,然后再选择同类型并没有赋模型的引脚,单击粘贴或者全部粘贴,即完成模型赋值,但是不同类型的模型就不能这样操作。...

小幽余生不加糖 6105

数据不 “躺平”!宏智树 AI 解锁论文数据分析 “零门槛通关术”

作为深耕论文写作科普的教育博主,后台总能收到文科生的灵魂吐槽:“SPSS 界面像天书”“数据整理三天,图表丑到被导师骂”“好不容易算出 P 值,却不知道怎么解读”。论文数据分析,堪称无数科研小白的 “噩梦关卡”。而宏智树 AI 科研工具(官网,微信公众号搜一搜 “宏智树 AI”)的数据分析功能,就像一位贴心的 “学术数据管家”,用 “零代码操作 + 专业级输出 + 学术规范兜底” 的三重优势,让零基础用户也能轻松玩转实证研究,让冰冷的数据变成论文的 “硬核加分项”!

宏智树ai学术官方账号 736

MATLAB RANSAC圆柱体点云拟合 (28)

RANSAC拟合方法,从原始点云中拟合具有特定形状的点云,这里对原始点云中大致呈圆柱的点云进行分割,圆柱的半径,以及朝向都是比较重要的定义圆柱的参数。下面是具体使用的函数和实现的代码主要对函数功能和涉及到的参数进行介绍model 柱面的几何模型,作为柱面模型对象返回。当输入点云不包含足够的有效点时,输出模型的系数设置为零。算法无法找到足够的内点。ptCloudIn 指定为 pointCloud 对象的点云。如果输入 ptCloud 的 Normal 属性为空,则函数将用值填充它,以满足拟合算法的要求。

weixin_44329757的博客 1386

数据平衡:别让模型“偏心”!少数类样本的“生存指南”

数据不平衡问题严重影响模型对少数类的识别能力,如欺诈检测或疾病诊断中,模型可能因偏向多数类而失效。本文介绍了三种核心解决方法:1)过采样(如SMOTE算法)通过生成虚拟少数类样本平衡数据;2)欠采样通过减少多数类样本数量;3)加权损失函数调整类别权重。方法选择取决于数据特点:少数类极少用SMOTE,多数类极多用欠采样,中等不平衡用加权损失。代码实战演示了SMOTE处理不平衡数据的效果,可视化显示平衡后模型能更好识别少数类。这些技术可帮助开发者在实际应用中解决数据不平衡问题。

u010257409的博客 1230

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

从 “数据堆山” 到 “结论脱口”!虎贲等考 AI 数据分析:让科研不再卡壳于 “算”

虎贲等考AI数据分析功能通过智能技术解决科研数据分析痛点,实现零门槛操作、全流程自动化和深度学术解读。该功能支持多格式数据导入,自动完成数据清洗、统计分析及结果校验,并生成可视化图表和专业报告,适配毕业论文、期刊论文等科研场景。AI不仅能精准匹配统计方法,还能结合研究主题进行学术化解读,引用相关文献增强说服力,让研究者从繁琐的数据处理中解放,专注于核心创新。

800

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

热图解读有捷径?AI 来当 “智慧眼”!

后续研究方向可以是对不同样本进行更细致的细胞功能检测,如细胞凋亡、衰老检测等,同时利用基因编辑技术对这些基因进行定点突变,观察对样本细胞表型的影响,从而深入了解基因功能与样本特性之间的联系。热图呈现了基因 CDK5RAP3、LIG4 等在不同样本 YES、NO的表达情况,颜色深浅表示基因表达量高低,深蓝色为低表达,红色为高表达。基因 CDK5RAP3 在 YES 样本中表达量高,在 NO 样本中低表达,基因 LIG4 在 YES 样本中表达量低,在 NO 样本中高表达。

2401_88796525的博客 673

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

AI搜半天,不如这行“上古咒语”!好用,真香!

兄弟,我发现很多传统技巧,还是不能丢下!虽然,现在AI大行其道,但,不少老玩法仍然很吊!比如传统搜索技巧,放到现在仍然非常实用。在 Google、百度、必应…输入搜索工具就会直接给出飞书上各种有关小红书的公开知识库、知识文档。我用了一圈 AI 搜索,没一个,比这老方法找到的信息全!

Zhangh2013的博客 1154

十道灵魂之问,十日谈解读 DeepSeek 的“国运级创新”!

栏目 | AI 进化论十日谈出品丨AI 科技大本营(ID:rgznai100)新年平地一声雷,DeepSeek 炸醒了沉寂已久的 AI 圈。这个“低成本”、“高性能”、“真开源”的国产大模型,不仅硬刚 OpenAI,更引发了一场关于 AI 未来走向的深度思辨。Scaling Law 是否过时?开源生态如何构建?大模型护城河究竟在哪?哪些行业将被颠覆?程序员是否面临失业危机?面对 AGI 浪潮的滚滚...

AI科技大本营 6766

防淘汰,抗危机,职场必杀技……原来牛逼的人都这样“保鲜”!

百度上有篇热文,探讨如今老板嘴巴有多臭,暴露出一个困境,就是用人单位越来越挑剔,面试机会难得,有了面试也很难…… 即便拿到offer成功入职,身处竞争激烈的职场,不学一两门新技能,让自己时刻保持“新鲜”,也易遭遇淘汰的命运。 有人学习一门外语,也有人选择职场人际关系课程,更有人专注于团队管理学…… 那么,职场牛人们都会哪些必杀术?小编以数据分析行业为例,通过梳理10W+数据分析师招聘信息,整理出企业需求技能排行榜TOP5,一起来围观吧。 部分招聘信息一览 ..

CDA数据分析师 407

数据分析 “去门槛”!虎贲等考 AI 让科研数据从 “沉睡” 到 “说话”

摘要:虎贲等考AI通过智能数据分析技术解决科研人员面临的数据处理难题。该系统采用自然语言交互,无需编程基础即可完成专业分析,自动执行数据清洗、模型匹配等复杂流程,并生成符合学术规范的图表与报告。其特色包括:一键式操作降低技术门槛,智能算法确保分析准确性,标准化输出适配各类论文要求,同时保障数据安全与学术合规性。该工具适用于多学科研究场景,帮助科研人员将原始数据快速转化为有效论证依据,提升学术研究效率。

856

好写作AI:别当“学术PPT手残党”!让AI做你的数据“图表演讲家”

它让你从“埋头做图”的工匠,转变为“指挥视觉呈现”的导演。当你借助AI,将冰冷的数据转化为一幅幅清晰、有力、直指结论的“视觉论证”时,你的论文就拥有了在答辩中“一眼征服”评委的超级武器。:“基于刚生成的‘图3-2:用户满意度对比’,帮我写两句过渡句,用于在正文中引入此图,并强调方法B的优势。,已带着“一键生成高级感可视化”的黑科技进场,专治各种“图表土味”和“结论隐身”!这个图表能有力支撑你的论点,让你从“随意画图”变成“精准表达”。的逻辑是:可视化不是数据的“复印机”,而是结论的“扩音器”。

mxy13871831511的博客 93

腾讯云ChatBI:数据解读重磅升级,深度挖掘数据价值

ChatBI可以帮助用户从数据中发现变化趋势和潜在问题,进行数据波动归因分析,提供业务优化建议,帮助业务决策。接下来,腾讯云ChatBI数据解读还会持续升级强化,深入到更多垂直细分行业,提供更具行业特色的解读和建议;主要发现:发现数据呈现两级分化分化的特征,呼吸内科、骨科等科室头部效应显著,内科、神经科等科室需求少,并且极值差异悬殊。总结和建议:针对数据情况,结合医疗行业知识,给出业务建议,例如建议优化不同科室资源配置。数据呈现和总览:可视化呈现猪只类型与疾病类型对应的抗体值,并给出数据的总体情况总览,

cloudbigdata的博客 969

让数据 “自己说话”!虎贲等考 AI 数据分析:不只是机械跑模型,更是开启人机共探的深度科学对话 [特殊字符]

数据分析不应仅是机械跑模型,而要让数据"自己说话"。虎贲等考AI(http://www.aihbdk.com/)通过"数据预处理-模型适配-结果解读-结论推导"全流程,实现人机共探的数据深度分析。其特色包括:智能数据清洗、模型精准匹配、学术化结果解读、研究结论推导,并支持多学科需求。用户反馈显示,该工具能显著提升数据分析质量,使结果更具学术价值,帮助研究者从数据中发现规律、提炼观点,真正发挥数据分析的科研价值。

770

数据不再 “躺平”!宏智树 AI 解锁论文数据分析的 “懒人开挂模式”

作为深耕论文写作科普的教育博主,后台总能收到文科生的灵魂吐槽:“明明研究很有价值,却栽在数据分析上”“SPSS、R 语言学不会,数据图表丑到被导师骂”“好不容易做出图表,结果不会解读,白忙活一场”。论文数据分析,堪称无数科研小白的 “噩梦关卡”。而宏智树 AI 科研工具(官网,微信公众号搜一搜 “宏智树 AI”)的数据分析功能,就像一把 “金钥匙”,以 “零门槛操作 + 专业级分析 + 学术范呈现” 的三重优势,让零基础用户也能轻松搞定实证研究,让沉睡的数据变成论文的 “硬核加分项”!

宏智树ai学术官方账号 783

Smartbi解读最严《数据安全法》,打开数据安全保护“新思路”!

2021年9月1日,《中华人民共和国数据安全法》(后简称:《数据安全法》)正式生效施行。作为数据安全领域的基础性法律,《数据安全法》确立了数据分级分类管理的原则,对开展数据处理活动时应履行的各项义务做出了规范。《数据安全法》的施行,意味着数据经济监管趋严,企业将迎来更为严苛的合规要求。 最近几年,“数据”已成为和土地、资本、劳动力并列的“生产要素”,具有重大价值。但是,数据市场面对的安全问题颇为棘手,包括企业数据管理混乱、平台数据保护能力弱、监测预警能力不足、未经授权大规模数据泄漏、人员数据安全意识薄弱、

思迈特Smartbi 4661

游戏录屏怎么选画质和帧率?先看动态画面需求

录制时注意帧率与画质的平衡,根据内容选择合适设置,兼顾细节与连贯性。

xiangrikui2016的博客 303
上一篇: 经验谈:无线网关潜规则及开发建议
下一篇: 当地图遇到微博,生活其实可以这么玩
TencentLecture
博客等级 码龄14年 6粉丝 13原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值