探索性数据分析（Exploratory Data Analysis，简称EDA） 是指对已有的数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法. 探索性数据分析（EDA）与传统统计分析（Classical Analysis）的区别：.

数据分析师在进行数据驱动增长分析时，不但要用AARRR呈现增长结果，更要量化展现增长决策的全过程，从而发现更深层的问题. 这篇文章通过围绕六个模块深入整个分析模型，数据分析师们快来学习学习吧. 数据驱动增长，是很多公司对数据分析师的要求，可具体到操作上，大家就开始纠结了. 虽然增长黑客上白纸黑字写了AARRR五个大字，可真到分析的时候，就总被吐槽：.

之前的几篇文章都是关于之前提到的 低代码平台的. 这个大的项目以 low code 为核心，囊括了编辑器前端、编辑器后端、C 端 H5、组件库、组件平台、后台管理系统前端、后台管理系统后台、统计服务、自研 CLI 九大系统. 今天就来说一下其中的 统计服务：目的主要是为了实现 H5 页面的分渠道统计(其实不仅仅是分渠道统计，核心是想做一个自定义事件统计服务，只是目前有分渠道统计的需求)，查看每个渠道具体的 PV 情况.

竞争情报及 数据收集，分析及解读是 数据分析中的一个重要环节. 获取竞争情报及数据的方法有很多种，常见的方法如爬虫数据抓取，官方披露文件，第三方调研机构研报等. 从获取难度，数据时效性，数据颗粒度，可用维度及靠谱程度上对比来看每种方法各有利弊. 本篇文章介绍如果通过解读公司财报获取竞争情报，这种方法的优势在于数据相对比较靠谱，毕竟数据经过了专业的财务审计，并且有来自证券交易所和做空机构的监管.

潜在语义分析（Latent Semantic Analysis），是语义学的一个新的分支. 传统的语义学通常研究字、词的含义以及词与词之间的关系，如同义，近义，反义等等. 潜在语义分析探讨的是隐藏在字词背后的某种关系，这种关系不是以词典上的定义为基础，而是以字词的使用环境作为最基本的参考. 他们认为，世界上数以百计的语言都应该有一种共同的简单的机制，使得任何人只要是在某种特定的语言环境下长大都能掌握那种语言.

导语：在我们的设计工作中，竞品分析是很重要的. 通过竞品分析可以帮助我们了解与验证我们的设计，为我们带来设计灵感与设计思考，辅助我们产出更好的设计策略与设计方案. 但是，竞品分析如果做的不正确，浪费时间的同时对于设计也不会有什么帮助. 那么，设计师应该如何正确的做竞品分析呢. 在平时的工作中，有拿不准的设计形式时我会请教我的导师，她经常会告诉我行业内的top级产品是怎么做的.

导语：本文作者通过对百词斩和墨墨背单词这两款产品进行多维度的分析对比，了解其内在的产品逻辑，分析二者之间的差异性，对比它们的基础结构和功能特点，带大家深入了解了单词类APP未来的发展方向. 我国政府鼓励教育行业积极应用新技术，鼓励发展在线教育，加深科技与教育的融合. 近年来，随着我国国民经济的持续发展，居民可支配收入稳步上涨.

编辑导语：随着移动互联网的发展，人们对网购的需求增加，用户需求呈现多样化和个性化. 本文是作者通过体验手机淘宝的有好货功能模块做功能业务上的拓展，通过用户调研提出优化方向，并生成产品需求文档PRD. 淘宝有好货位于首页正中间，能给宝贝商品带来庞大的流量，而有好货的slogan “1.3亿人推荐的品质好物”，进一步突出了有好货以精品为主的战略定位.

Terrier是一款针对OCI镜像和容器的安全分析工具，Terrier可以帮助研究人员扫描OCI镜像和容器文件，并根据哈希来识别和验证特定文件是否存在. 如需了解源代码安装步骤，请参考项目的. 工具使用必须扫描镜像的OCI TAR，这个值需要通过cfg.yml文件提供给Terrier. 下列Docker命令可以用来将一个Docker镜像转换成一个TAR文件，并提供给Terrier扫描：.

为什么：随着移动互联网的普及，网民已经习惯于在网络上表达意见和建议，比如电商网站上对商品的评价、社交媒体中对品牌、产品、政策的评价等等. 这些评价中都蕴含着巨大的商业价值. 比如某品牌公司可以分析社交媒体上广大民众对该品牌的评价，如果负面评价忽然增多，就可以快速采取相应的行动. 而这种正负面评价的分析就是情感分析的主要应用场景.

最近在研究 情感分析的内容，翻到了《 Modern Methods for Sentiment Analysis》这篇文章，这篇文章本身讲的方法并没有什么“现代”，采用的是一些传统的方法. 这里摘录的部分内容，做一些学习. 由于原文代码可能由于版本问题都无法运行，这里重新进行了整理. Word2Vec的情感分析的作用.

​在产品的设计与运营过程中，通过数据对用户行为进行分析，我们可以总结分析出用户行为与产品之间的关联，并针对性地对产品做出改进. 在数据分析的大框架下，通过对用户行为监测获得的数据进行分析研究的行为归结于用户行为分析. 用户行为分析可以让产品更加详细、清楚地了解用户的行为习惯，从而找出网站、app、推广渠道等产品存在的问题，有助于产品发掘高转化率页面，让产品的营销更加精准、有效，提高业务转化率.

今天要为大家介绍的就是世界银行网站 ——一个发现世行数据的新工具和讲述关于世行数据的故事的平台. 网站提供了六大主题领域数据：贫困与不平等、人、环境、经济、国家和市场以及全球链接. 每个主题页面都简要地介绍或提供了可得数据的类型、专题指标清单以及关于广泛使用的方法和当前数据难题的信息. 网站的所有数据都可以免费使用，当然也有一些最低限度的限制，需要使用的话自己查阅.

这篇文章来自 GrowingIO 联合创始人 & 运营副总裁陈明先生，全文总结了 15 个运营必备的数据分析方法论. 不论是刚刚入行的萌新，还是深耕多年的老司机，这篇深度总结，都值得你再次回顾. 提起数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表. 其实，“ 分析 ”本身是每个人都具备的能力，比如根据股票的走势决定购买还是抛出；依照每日的时间和以往经验选择行车路线；购买机票、预订酒店时，比对多家的价格后做出最终选择.

本文抽象介绍了一个产品数据体系建设，以支持产品了解数据如何采集、计算与展现. 近期有师弟师妹不断问到产品经理必备技能中，数据分析是怎么回事. 简单了解了下其产生问题的原因与诉求，将其问题拆分为二：. 关于问题2，网上已经有足够丰富的资源进行学习与讨论，这里不再赘述，简而言之根据运营或迭代的目的进行深度思考与结论沉淀.

1）相较于第一季度，第二季度市场略有缩小. 2）华为表现不俗，市场占比，用户忠诚度均优于其他品牌. 3）选择在6-12月内的换机用户比例有较大幅度增长. 4）华为、苹果、OPPO、VIVO四大品牌中超50%的用户忠诚于原品牌. 5）用户更爱换至安卓机，流向苹果用户数量减少. （一）手机市场总洞察：第二季度销量下滑，华为超过苹果，iPhone以及OPPO机型表现出色  .

在ORACLE数据库的管理、维护过程中，偶尔会遇到归档日志暴增的情况,也就是说一些SQL语句产生了大量的redo log，那么如何跟踪、定位哪些SQL语句生成了大量的redo log日志呢. 下面这篇文章结合实际案例和官方文档“How to identify the causes of High Redo Generation (文档 ID 2265722.1)”来实验验证一下.

日志分析的前期工作的是日志的收集与日志的存储. 数据的收集客户端程序有很多logstash、nxlog、filebeat等. 数据存储比较流行的就是ElasticSearch， 当数据的采集与存储阶段完成后，我们要做的是使用这些数据，ES提供数据检索功能，但这只最核心的检索API，从API到用户使用的交互界面之间，是数据检索的软件实现部分，将不同业务的数据分成不同的索引和不同的接口，或是有抽象出更高级一些的概念：流.

对于一条威胁情报信息，我们需要分析该攻击的指纹信息、相关攻击工具、属于哪个组织、相关历史事件、历史相关攻击源IP等信息. 通过这些信息进行关联分析，找到攻击来源. 并根据攻击组织或个人的攻击偏好，做出相应的安全防护及进一步追踪溯源. 本文分析 Jsp WebShell 样本是通用型的，不需关注制作者是谁.

菜鸟数据科学家、分析师，以及刚刚接触数据科学的管理人员，通常有这样的疑问. 他们的老板都在承受着压力，得证明花在系统上去收集、存储及组织资料的钱（更不用说还有那些花在数据科学家身上的钱）是有回报的. 他们偶尔很幸运——待解决的问题可能非常明确，而且被深入研究过（例如，预测哪个客户可能会取消手机合约）.

动态定价并不是新概念，加上了算法，智能，大数据等一堆词以后，显得有些惊艳了而已，动态定价在我们日常生活中的使用非常广泛，而且影响着每个人. 本文所指的动态定价策略仅仅限定在共享经济中的讨论，其他类型中的暂不涵盖. 在Uber提出并使用动态定价策略后，经过了这段时间的市场验证，我们再回过头来看看动态定价策略的提出，发展，利弊以及应用.

关联规则用来发现数据间潜在的关联，最典型的应用是电商网站的购物车分析. 本文将通过一个简单的例子来说明关联规则中各个术语的含义以及具体的计算方法. 这是一些用户的购物数据，uid是用户的ID，后面是每个用户具体购买的商品名称，我们使用字母进行标识. 下面我们将使用关联规则对这些数据进行分析，挖掘不同商品间的联系.

首先导入数据并创建名为lr_data的数据表. #读取并创建数据表 lr_data=data.frame(read.csv('lr_data.csv',header = 1)). 查看导入数据表的维度，结果显示456行，4列. #查看数据表维度 dim(lr_data) [1] 456 4. 查看数据表中各字段的名称，结果显示共有4个字段，三个变量和一个目标.

对手机恶意软件研究人员来说，有很多APP行为分析工具可以选择，在这里，我要向大家推荐的是AppMon，它可以通过二进制指令获取app程序运行记录，并显示调用函数和相关参数. AppMon使用了多平台动态框架环境Frida，Frida是一款基于python + javascript 的hook框架，适应android\ios\linux\win\osx等平台的脚本交互环境.

今年有幸参与了某度假屋项目从0到1的设计过程，展示给用户的是精致的APP，然而APP背后却是逻辑比较复杂的后台系统. APP的使用体验，很大程度上是由后台系统决定的，后台系统逻辑的合理性决定了APP的核心流程. 简要介绍一下此项目的业务流程如图1所示：. 业主购买度假屋并由物业管理公司托管，业主购买度假屋有三种类型：全套、分权、分时，全套即业主购买整套度假屋，分权即业主购买度假屋部分产权，分时即业主购买某季的居住权.

2016年我们耳边经常想起“大数据”、“物联网”、“云”、“工控系统”等关键词，很多个厂家、行业都在热火朝天的做着“大数据”，随着2016年的过去，新的一年到来，让我们也针对web漏洞进行一次“大数据”分析. 众所周知的 https://www.exploit-db.com是面向全世界黑客的一个漏洞提交平台，那么我们分析下2016年度web漏洞情况.

说完了ES的索引与检索，接着再介绍一个ES高级功能API – 聚合(Aggregations)，聚合功能为ES注入了统计分析的血统，使用户在面对大数据提取统计指标时变得游刃有余. 同样的工作，你在hadoop中可能需要写mapreduce或hive，在mongo中你必须得用大段的mapreduce脚本，而在ES中仅仅调用一个API就能实现了.

对于“知乎”，你真的知乎. 一份关于“知乎”的全方位产品体验报告帮你了解知乎. 系统版本：6.0.1MXB48T. 体验时间：2016.12.3-2016.12.9. Logo：以代表诚实、信赖、知性的蓝色为底色，以“知”字作为产品标识，特别是对其右侧的“口”做了仿对话框的改动，点明知乎是汇聚智慧的知识交流平台.

199IT数据中心微信账户：i199IT. 目前，对国内大部分企业级客户而言，大数据时代已经真正到来了. 虽然，近年来“大数据”及“数据分析”概念被炒得很火，但国内，国内很多CIO/CTO们仍很“害怕数据”——一方面，企业充斥着无从分析的非结构化数据；另一方面，结构化数据分析方面，与非结构一样面临着方法不科学、周期冗长、性价比低、不能直接产生经济效益等典型的问题.

原文地址： 如何计算年终奖个人所得税. 作者： Excel_函数与公式. 忙碌了一年，大家都期待丰厚的年终奖，自然也很关心发放年终奖时如何缴纳个人所得税. 更多人在发放年终奖当月，混淆了当月工资与年终奖各应缴纳的个人所得税的计算方法. 一、【思路架构】介绍年终奖的纳税计算思路和方法. 二、【案例解析】结合实际案例进行说明，透彻理解.