可视化分析

Copilot+Python，Excel未来已来~

作者
一个月前，Excel宣布融入Python，在Excel中可以直接用Python来完成任务，引起圈内震动，当时我在文章中预计未来的Excel使用方式，是用Copilot写python代码： Python已经来了，Copilot还会远吗？或许不久之后，Excel用户的主要工作方式是用内置的Copilot帮忙写Python代码，自动完成各种任务，Excel的未来想象空间太大了…… 采悟，公众号：PowerBI星球如何用上Excel中的Python？你最关心的7大问题都在这里了 没想到这个"未来"，这么快就到来了！ 微软刚刚宣布Windows 11和Microsoft 365将...

Code Interpreter：数据分析师可以摸鱼啦～～

作者
上传了一份 excel 表单，还没说话呢，GPT 就自己哼哧哼哧处理起来了。 我用很随意的方式给了它一个任务。惊艳的是：它根据我的指令，自动发现找出视频类型内容的方法，以及用“标题”字段来区分“每个视频”。（以下我绝大多数指令都得很随意，探索一下 GPT 的能力边界。） 它选择柱状堆叠图算恰当吧。第一次画图时出错了。 它自动分析找到原因，添加了一句 fill_value=0，搞定！ 我排查错误的速度一定比它慢 用户数量比较多，它自作聪明选择了前五名来画图（代码习惯还挺好的，定义了 max_users_to_display 没有 magic number 到处飞。） 我要求它画所有用户的...

数据分析师的任务

作者
数据分析师是组织中的几个关键角色之一，他们帮助发现并解读信息，使公司保持平衡并有效运转。 因此，数据分析师需要清楚地了解自己的职责以及每日执行的任务，这至关重要。 数据分析师能够帮助组织从大量数据中获得有价值见解，并通过与组织中其他人紧密合作来发现有价值的信息，他们在这些方面起着不可或缺的作用。 下图显示了数据分析过程涉及的五个重要方面。 准备 作为数据分析师，可能会在任务准备和建模上花费大量时间。 有缺陷或不正确的数据可能产生重大影响，导致报表无效、可信度缺失，并可能对业务决策产生负面影响，从而导致收入损失、负面业务影响等。 创建报表之前，必须准备好数据。 数据准备是分析、清理和转换数据的...

数据中的角色

作者
使用数据来讲述故事这一过程的起点通常与你无关。 数据肯定有其来源。 获取数据并安置到你可以使用的位置所需要投入的努力很可能会超出你的能力范围，尤其是将企业也纳入考虑时。 如今的应用程序和项目可能会很大且复杂，通常需要利用众多人员的技能和知识。 每个人都贡献了独特的才能和专业知识，通力合作并协调任务和责任，我们才得以看到项目从概念进入生产。 最近，业务分析师和商业智能开发人员等角色成为数据处理和理解领域的标杆。 但数据规模和不同数据类型的过度增长导致这些角色演化出更加专业化的技能角色，这是为了简化数据工程和分析的过程并实现现代化。 以下各节重点介绍数据中的不同角色，以及他们在总体范围内的数据发...

Microsoft Learn

作者
总有人说PowerBI学习资源太少，不知道去哪里学习，这里就推荐给一个权威的免费学习资源：Microsoft Learn。 Microsoft Learn不仅包含PowerBI，实际上它包含所有Microsoft 产品和服务的技术文档、培训材料、Microsoft 认证和考试课程等等。 网址：https://learn.microsoft.com 打开可以直接学习，不过登录账户后可以体验更完整更贴心的服务。 Microsoft Learn首页界面第一项内容"在实践中学习",可以根据自己的个性化需求和节奏来学习某些技能，也是我这里重点推荐的方式，点击该图标下方的“参加培训”...

AIGC数据分析流程

作者
graph TD A[收集和准备数据]-->B[上传数据到AIGC平台] B-->C[请求AIGC进行数据探索] C-->D[执行探索性分析] D-->E[建模] E-->F[验证模型] F-->G[录用模型上线] G-->H[模型迭代和维护] 这里是利用AIGC进行数据分析的完整流程: 收集和准备数据 收集原始数据集合,处理缺失值和异常数据 确认数据探索的目标和问题 上传数据到AIGC平台 通过AIGC提供的API或界面上传数据 请求AIGC进行数据探索 绘制列分布图、热图进行视觉化分析 计算相关系数分析变量间关系 生成报告和可...

通用数据分析流程

作者
graph TD A[定义问题] --> B[数据采集和清洗] B --> C[探索性数据分析] C --> D[初步结论] D --> E[数据预处理和特征工程] E --> F[建模选择和训练] F --> G[模型评估和解释] G --> H[结果呈现和报告] subgraph 数据分析流程 C -->|数据可视化| C1[描述性统计] C -->|数据可视化| C2[可视化分析] D -->|观察和分析| D1[初...

探索性数据分析

作者
探索性数据分析 探索性数据分析(Exploratory Data Analysis,简称EDA)是数据分析中的一种非常重要的技术,它利用各种方法对数据集进行初步分析,以便对数据有一个直观的感受和基本的了解。 探索性数据分析是拿到原始数据后，通过技术手段帮助自己更好的理解数据、提取出「好特征」、建立初步模型的过程。 有2种方法来帮助我们理解陌生领域： graph TD A[理解陌生领域] --> B{选择方法} B -->|咨询业内人士| C[获取经验] B -->|研究数据| D[收集数据] D --> E[分析数据] E --&...

数据分析总纲

作者
数据分析大纲 数据分析概述 数据分析的概念与意义 数据分析是从大规模的数据中提取有价值的信息的过程。它具有如下的意义: 描述事物的过去,解释事物现状 探索事物之间的关系,找到隐藏的模式 做出预测,评估不同决策的后果 数据分析的基本步骤 数据分析主要包括以下基本步骤: 收集相关数据 准备和清洗数据 分析和可视化数据 建立预测模型 评估模型并提出建议 数据的分类 结构化数据与非结构化数据 结构化数据是组织良好,格式固定的数据,如数据库、电子表格中的数据。非结构化数据是无固定格式的数据,如文字、图像、音频、视频等。 定量数据与定性数据 定量数据是可以计量的数值数据。定性数据是描述属性的非数...

3.4 【实操3】数据分析

作者
【实操3】数据分析 1.【实操】这是一个淘宝店铺的数据前五行，请帮我解释一下数据： 这是一个淘宝店铺的数据前五行，请帮我解释一下数据：统计日期 访客数 "人均浏览量（访问深度）" 跳失率 "无线端访客数" "无线端浏览量" "无线端人均浏览量" "无线端人均停留时长(秒)" "无线端商品详情页访客数" "无线端跳失率" "无线端商品详情页浏览量" 客单价 "无线端客单价" 下单金额 "无线端下单金额&qu...

OpenAI：将向所有ChatGPT Plus用户开放这一超级功能，人人都能成为数据分析师！-今日头条

作者
OpenAI：将向所有ChatGPT Plus用户开放这一超级功能，人人都能成为数据分析师！ 每日经济新闻 7月8日凌晨，OpenAI在社交平台宣布，下周，将向所有ChatGPT Plus用户开放代码解析器功能。这是自OpenAI发布GPT-4以来，最强大的功能！ 这将允许ChatGPT 运行代码，并且可以访问用户上传的文件，可实现分析数据、创建图表、编辑文件、执行数学运算等复杂操作。 其中，数据分析功能非常非常强大， 使得很多不会专业代码的业务人员，通过自然语言文本、数据文件等，就能快速创建可视化数据分析图表 ，适用于销售、人力资源、医疗、制造、媒体、金融等业务场景。 图片来源：推特截图 ...

成为专业数据科学家的完整路线图-我的数据之路

作者
请不要将数据中台做成BI！
来源： 成为专业数据科学家的完整路线图-我的数据之路 成为专业数据科学家的完整路线图 沙里夫 你对高薪职业感兴趣吗？ 只需看看数据科学，它是人工智能的基础。 在当今世界，公司迫切需要熟练的数据科学家来做出更好的决策。这就是为什么我们整理了最快的路线图，以帮助您成为该领域的专业人士。 本路线图包括您开始成为专业数据科学家的所有必要资源。 在我们深入研究之前，让我们先讨论一下为什么数据科学如此重要。 决策现在基于数据，这意味着企业需要数据科学家做出更好的决策。这是一个高薪的职业，现在是跳入数据科学的最佳时机。 所以，让我们从路线图开始吧！ 第1步：学习统计学 统计学是数据科学的基础，为分析和解释数...

如何使用Plotly创建有效的数据可视化-我的数据之路

作者
请不要将数据中台做成BI！
Plotly is one of the commonly used Python Library for data visualization. In this post you will learn how you can use the Plotly effectively 来源： 如何使用Plotly创建有效的数据可视化-我的数据之路     如何使用PLOTLY创建有效的数据可视化 沙里夫 数据可视化是数据分析的一个重要方面，因为它以有效的方式提供见解并向受众传达信息。在Python中创建交互式数据可视化的一个流行工具是Plotly。凭借其用户友好的界面和多样化的...