<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[kiasyc的博客]]></title><description><![CDATA[数据分析|人工智能]]></description><link>https://blog.youkuaiyun.com/kiasyc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; kiasyc]]></copyright><item><title><![CDATA[2/100数据分析实战项目_商城销售数据分析_Python+帆软BI]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140797428</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140797428</guid><author>kiasyc</author><pubDate>Wed, 31 Jul 2024 18:35:37 +0800</pubDate><description><![CDATA[销售数据分析一般分析什么数据，目的是什么，怎么做销售数据分析]]></description><category></category></item><item><title><![CDATA[1/100数据分析实战项目_企业员工流失分析_帆软BI]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140778136</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140778136</guid><author>kiasyc</author><pubDate>Mon, 29 Jul 2024 18:37:28 +0800</pubDate><description><![CDATA[1/100 数据分析实战项目，数据已跑通，代码可下载]]></description><category></category></item><item><title><![CDATA[电商数据分析8_宏观市场分析]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140200955</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140200955</guid><author>kiasyc</author><pubDate>Fri, 05 Jul 2024 20:38:05 +0800</pubDate><description><![CDATA[摘要：电商分析中宏观市场分析多数依托于数据平台，如淘系依托于百度指数和生意参谋，自用，待补充]]></description><category></category></item><item><title><![CDATA[电商数据分析7_运营诊断与复盘]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140200888</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140200888</guid><author>kiasyc</author><pubDate>Fri, 05 Jul 2024 20:34:21 +0800</pubDate><description><![CDATA[摘要：电商分析中运营诊断和复盘]]></description><category></category></item><item><title><![CDATA[电商数据分析9_市场细分及竞争分析]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140201010</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140201010</guid><author>kiasyc</author><pubDate>Fri, 05 Jul 2024 20:32:01 +0800</pubDate><description><![CDATA[市场细分(MarketSegmentation)就是企业按照某种标准将市场上的消费者划分成若干个费者群，每一个消费者群构成一个子市场，不同子市场之间，需求存在着明显差别。市场细分是市场分析中的重要环节，需要基于对市场进行细分，但不可人为细分，需要遵循常识和自然规律。市场细分可基于人群、产品、渠道进行细分。]]></description><category></category></item><item><title><![CDATA[电商数据分析11_产品分析]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140201110</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140201110</guid><author>kiasyc</author><pubDate>Fri, 05 Jul 2024 20:29:07 +0800</pubDate><description><![CDATA[摘要：产品分析和库存分析，自用，待补充]]></description><category></category></item><item><title><![CDATA[电商数据分析10_流量分析]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140201073</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140201073</guid><author>kiasyc</author><pubDate>Fri, 05 Jul 2024 20:26:35 +0800</pubDate><description><![CDATA[摘要：电商流量结构和分析重点，自用，待补充]]></description><category></category></item><item><title><![CDATA[电商数据分析12_消费者分析]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140201149</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140201149</guid><author>kiasyc</author><pubDate>Fri, 05 Jul 2024 20:23:28 +0800</pubDate><description><![CDATA[摘要：消费者分析_消费者生命周期分析、会员分析、RFM模型、关联分析、客服分析等，自用，待补充]]></description><category></category></item><item><title><![CDATA[电商数据分析6_数据平台选择]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140161590</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140161590</guid><author>kiasyc</author><pubDate>Wed, 03 Jul 2024 21:35:28 +0800</pubDate><description><![CDATA[作为商家，选择什么样的数据分析平台，自用，待补充]]></description><category></category></item><item><title><![CDATA[电商数据分析3_数据分析方法]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140150589</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140150589</guid><author>kiasyc</author><pubDate>Wed, 03 Jul 2024 20:08:36 +0800</pubDate><description><![CDATA[摘录部分数据分析方法，自查，待补充]]></description><category></category></item><item><title><![CDATA[电商数据分析2_专业名词和指标体系]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/140149153</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/140149153</guid><author>kiasyc</author><pubDate>Wed, 03 Jul 2024 14:00:25 +0800</pubDate><description><![CDATA[本章摘录：部分数据分析专属名词和电商数据分析指标体系，未完待续]]></description><category></category></item><item><title><![CDATA[人力资源分析_分析内容和指标]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/139956082</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/139956082</guid><author>kiasyc</author><pubDate>Tue, 25 Jun 2024 15:22:10 +0800</pubDate><description><![CDATA[通过对人力资源数据分析可以帮助企业更好地了解员工的特征和行为，优化招聘策略、提高绩效管理、制定个性化的培训计划和留才策略，从而提高企业的人力资源管理效能。。本章主要说明人力资源分析的指标、分析方法、分析报告。]]></description><category></category></item><item><title><![CDATA[SQL数据分析极简入门_第三章 SQL面试题]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/137152795</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/137152795</guid><author>kiasyc</author><pubDate>Wed, 24 Apr 2024 17:23:58 +0800</pubDate><description><![CDATA[参与CDA_SQL数据分析极简入门，记录学习进度，便于复习待补充。]]></description><category></category></item><item><title><![CDATA[Python数据分析极简入门_第二章 Pandas]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/137153336</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/137153336</guid><author>kiasyc</author><pubDate>Wed, 24 Apr 2024 16:08:24 +0800</pubDate><description><![CDATA[参与CDA_Python数据分析极简入门，记录学习进度，便于复习什么是PandasPandas是一个开源的Python库，主要用于数据分析、数据处理、数据可视化。Pandas作为Python数据分析的核心包，提供了大量的数据分析函数，包括数据处理、数据抽取、数据集成、数据计算等基本的数据分析手段。Pandas的名称来自于面板数据和python数据分析的简称。为什么学Pandas比SQL语句还要简洁，查询数据事半功倍!简单基于Numpy数值计算，数据处理高效运算!高效。]]></description><category></category></item><item><title><![CDATA[SQL数据分析极简入门_第二章 窗口分析函数]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/137152708</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/137152708</guid><author>kiasyc</author><pubDate>Wed, 24 Apr 2024 15:54:25 +0800</pubDate><description><![CDATA[参与CDA_SQL数据分析极简入门，记录学习进度，便于复习窗口分析函数主要用来做数据统计分析，属于OLAP方式。我们知道，OLAP联机分析处理和OLTP联机事务处理是两种常见的数据库处理方式，通常情况下，分析师更喜爱OLAP(分析)，开发者更关注的是OLTP(事务)窗口分析函数可以计算一定范围内、一定值域内、或者一段时间内的累积和以及移动平均值等，可以方便的实现复杂的数据统计分析需求。窗口函数包括:可以结合聚集函数sum()、avg()、max(),min(),count()等使用。]]></description><category></category></item><item><title><![CDATA[SQL数据分析极简入门_第一章 SQL简介与基础知识]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/137152673</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/137152673</guid><author>kiasyc</author><pubDate>Mon, 01 Apr 2024 22:11:38 +0800</pubDate><description><![CDATA[记录学习进度，便于复习]]></description><category></category></item><item><title><![CDATA[Python数据分析极简入门_第一章 Python基础知识]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/137153251</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/137153251</guid><author>kiasyc</author><pubDate>Mon, 01 Apr 2024 22:07:59 +0800</pubDate><description><![CDATA[记录学习要点，便于复习]]></description><category></category></item><item><title><![CDATA[CDA LEVEL Ⅲ 备考大纲]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/134426255</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/134426255</guid><author>kiasyc</author><pubDate>Wed, 15 Nov 2023 20:02:26 +0800</pubDate><description><![CDATA[CDA LEVEL Ⅲ 备考大纲，用以回顾温新]]></description><category></category></item><item><title><![CDATA[基于MySQL的淘宝用户行为分析]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/126583089</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/126583089</guid><author>kiasyc</author><pubDate>Mon, 05 Sep 2022 11:51:49 +0800</pubDate><description><![CDATA[基于淘宝用户行为分析]]></description><category></category></item><item><title><![CDATA[指标体系搭建--采仓配/供应链体系]]></title><link>https://blog.youkuaiyun.com/kiasyc/article/details/125235002</link><guid>https://blog.youkuaiyun.com/kiasyc/article/details/125235002</guid><author>kiasyc</author><pubDate>Sun, 12 Jun 2022 11:14:26 +0800</pubDate><description><![CDATA[摘要：以供应链中的采仓配为例，归纳如何搭建指标体系
业务发生–>产生 数据 -->抽象成 指标 -->构成 指标体系
指标体系 = 指标库 + 关联关系 + 使用指南 [偏实用]]]></description><category></category></item></channel></rss>