Webdataanalysis - webdataanalysis.net - 网站数据分析- joegh
General Information:
Latest News:
怎样合理地定义用户流失 8 Aug 2013 | 06:27 pm
很久没有更新博客了，这篇再写一些关于“用户流失”的内容。之前发布的网站的活跃用户与流失用户这篇文章对网站的活跃用户、流失用户及新用户流失做了定义，这里修正下对流失用户的英文叫法，一般对流失用户常用的英文为“churn user”，之前用的wastage、away、lost等都不是太规范。后来陆续有做相关分析的朋友问到流失用户的流失时间长度到底选择多长是合理的，尤其是《网站分析实战》这本书出版之...
网站数据分析的一些问题3 22 May 2013 | 09:09 pm
之前的文章——网站数据分析的一些问题2中主要整理了BI相关的问题，这篇文章主要想整理一些数据仓库相关的问题 [...]
大数定律与抽样陷阱 3 Feb 2013 | 06:29 pm
前面一篇文章——难以解释的数据异常——发出来之后，朋友推荐我去读《黑天鹅》，刚刚翻完这本书，发现书中的很多 [...]
掌阅招聘数据分析师[北京] 28 Jan 2013 | 07:15 pm
掌阅科技是国内专业从事手机软件开发及无线娱乐运营的科技公司，主打产品是Android平台的iReader。 [...]
关于《网站分析实战》 12 Jan 2013 | 05:54 pm
我和蓝鲸的新书——《网站分析实战——如何以数据驱动决策，提升网站价值》终于在春节前正式出版发售了，中间经历 [...]
衡量数据的离散程度 2 Jan 2013 | 08:00 pm
我们通常使用均值、中位数、众数等统计量来反映数据的集中趋势，但这些统计量无法完全反应数据的特征，即使均值相 [...]
难以解释的数据异常 4 Dec 2012 | 09:51 pm
在分析数据的时候，总有那些一些数据异常无法找到适当的理由进行合理解释，也许可以换个角度来看待这些异常。为什么明明数据发生较大的起伏波动，我们绞尽脑汁还是无法找到合理的原因，这些到底是怎么样的异常，是不是存在一些共性，或者这些异常是不是我们平常所说的异常，抑或是应该归到其他类别，不妨先叫它们“难以解释的异常”。 近段时间在读《思考，快与慢》这本书，作者卡尼曼的观点似乎可以给我们一些答案。卡尼曼是...
分析的前提—数据质量3 20 Nov 2012 | 08:53 pm
前面的两篇文章——分析的前提—数据质量1和分析的前提—数据质量2分别介绍了通过Data Profiling的方法获取数据的统计信息，并使用Data Auditing来评估数据是否存在质量问题，数据的质量问题可以通过完整性、准确性和一致性三个方面进行审核。这篇文章介绍最后一块内容——数据修正（Data Correcting）。 数据审核帮助我们发现数据中存在的问题，而这些问题有时候可以利用一些方...
分析的前提—数据质量3 20 Nov 2012 | 08:53 pm
前面的两篇文章——分析的前提—数据质量1和分析的前提—数据质量2分别介绍了通过Data Profiling的方法获取数据的统计信息，并使用Data Auditing来评估数据是否存在质量问题，数据的质量问题可以通过完整性、准确性和一致性三个方面进行审核。这篇文章介绍最后一块内容——数据修正（Data Correcting）。 数据审核帮助我们发现数据中存在的问题，而这些问题有时候可以利用一些方...
分析的前提—数据质量2 21 Oct 2012 | 07:13 pm
前一篇文章介绍了数据质量的一些基本概念，数据质量控制作为数据仓库的基础环节，是保障上层数据应用的基础。数据质量保证主要包括数据概要分析（Data Profiling）、数据审核（Data Auditing）和数据修正（Data Correcting）三个部分，前一篇文章介绍了Data Profiling的相关内容，从Data Profiling的过程中获得了数据的概要统计信息，所以下面就要用这...
