qq_41843762的博客

一、需求挖掘及客户引导1、社区的日常”内容“1.1、人员进出a、早上：住户出门，乘坐电梯，出楼宇，走到小区大门，走人行，经过大门口，跟门卫保安打下招呼；b、晚上：住户从外回来，跟门卫打招呼，走进大门口，经过人行道，进入对应楼宇，乘坐电梯，进房门；c、吃饭时间：点了外卖，外卖小哥到小区门口，门卫保安看到后直接放行，到对应楼宇上电梯，到用户门口按门铃，送到后出小区；d、吃完饭：住户乘坐电梯到地面层，在路灯的照明下，休闲走动，然后乘坐电梯回到房间；e、晚上11点：小区保安日常绕小区一周

一、元数据定义Information about data ，中介数据、中继数据，指用于描述数据的数据，用于描述数据数据属性的信息。用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。【信息来源百度百科】二、元数据的分类元数据按照功能分类，可分为3大类：1、Business Metadata(业务数据)2、Technical Metadata(技术数据)3、Operational Metadata(操作数据)1、Business Metadata(业务数据)广义来讲，

数据规范前，需注意：1、列出实体：名词（表）2、勾勒出关系：动词3、尽量消除多对多关系4、列出所有属性（列）数据规范需满足：1NF >2NF >3NF >BC NF (3.5NF) >4 NF > 5NF一般能做到满足3NF就行。一：第一范式：1NF原子性：没有重复的列，列不可再分，没有重复的行1、数据规整成二维表格2、确保每一列表达的不同含义的数据3、去掉多值属性，拆成多列（如地址会拆分到街道办，之前可能就是地址一栏，现在有很多

接下来写随手写一些上课笔记，就当作在学习探索～存在些理解错误或偏差，也会记录些问题，看到的小伙伴懂的话可顺便给个回复或纠正些问题，看了哪些不懂的伙伴也可以留言，看到后会给回复（有些不大懂的就略过啊～）一、数据时代的演变票据——> 在线业务处理（OLTP）——> 数据分析查看（OL AP）这时候的数据特点：1.1、数据量大，如阿里巴巴亿级别；1.2、海量并发1.3、数据格式相对丰富：视频、音频、文本等（结构化与非结构化均有，只有只有结构化数据），如可通过视频解析球员在球

前言微视为啥不能打败抖音，微信这便是智能推荐的威力所在。据公开资料记载：而今年3月份抖音日活用户数量约为6.1亿至6.2亿。微视日活3亿（微信月活跃数达12.25亿，超过中国网民的总体数量9.89亿）。定义及其运行原理智能推荐，其本质为过滤系统，人货场则是该过滤系统的三大基本因素。人：如何精准获取用户需求；货：如何细致而全面描述产品（有形的物品、无形的服务与信息、组织等）场：如何给用户推荐合适的产品1、如何获取用户需求用户需求来源于用户身上，需要了解用户需求，那便看你对用户有

离线数据处理流程离线数据处理一般经过：数据采集 ，上传后台服务器，这是数据不会直接被处理掉，而是形成日志、行为数据等分析好的包，上传到互联网数据中心IDC（也就是机房）。1、数据采集数据一般可通过日志、埋点、第三方、外部数据等方式获取。而埋点一般是指Web/App端想通过日志获取的数据技术上存在一定的难度。这里所谓的难度，需要根据开发同事反馈确定：如想要获取用户订单数、或是歌曲播放量等数据，通过日志就能很容易获取，这时候就不必埋点，但是要获取视频的播放时长、页面点击等操作，日志获取就有一定的技术难度，