摘要：
code-04 阅读全文
摘要：
最近较忙，之后另开一篇记录-code 阅读全文
摘要：
1. 应用方向 移动数据类应用，我们大多接入的很多APp都是用 Android系统或者iOS系统实现的，平时使用的手机不是 Android系统的手机就是苹果手机。如果打算做得轻量级，自己内部使用可以常使搭建小程序，而且在微信的生态内使用用户也觉得习惯和方便。但是，App开发还是有自身优势的，微信小程 阅读全文
摘要：
1.大数据分析平台的实现方式 通常我们随着企业的发展会积累大量的数据，有前端的埋点数据，也有各种业务数据，之前文章说过的数仓和数据管理对数据进行存储和管理，为日后的数据分析平台打下的牢固的基础。但是如果海量的数据并没有得到有效的统计分析和展现并没有对业务形成有价值的数据支撑。 1.1发展趋势：报表分 阅读全文
摘要：
1.数据质量 数据质量通常指数据的准确性，包括数据的一致性、数据的完整性和数据的最小性。在大数据时代下，数据的来源越来越多，数据量也越来越大，准确性不再是衡量数据质量的唯一标准，数据的可读性成为大数据时代下影响数据质量的更关键的因素。在对业务预测时，我们需要建立合适的模型，把历史数据输入模型中，进行 阅读全文
摘要：
1.指标字典 指标字典，是业务数据标准化的基础，目的是对指标进行统一管理，方便共享达成对业务指标的共识，并且统一修改和维护。指标字典可以更新在 Excel或者Wiki中。如果有足够多的资源，那么开发指标管理模块可以放在数据管理系统中再配合血缘关系，就可以很方便追踪数据流转了。1.1设计指标字典的主要 阅读全文
摘要：
1.埋点方式 1.1客户端埋点 1.1.1代码埋点 代码埋点主要有app研发手动在程序中写下代码进行统计，通过触发某个动作后程序自动发送数据。 优点：具有很强得灵活性，可以控制发散得时间和发散方式等。 缺点：人力成本和维护成本太高，需要以来app发版生效 1.1.2可视化埋点 可视化埋点以前端可视化 阅读全文
摘要：
总结下工作中常用的推荐算法 1.基于内容的推荐算法（简单） 2.基于用户的推荐算法（简单） 3.协同过滤推荐算法（相对复杂） 第一种和第二中算法的基础在于标签体系质量情况。第三种需要对用户的行为进行大规模的收集，取决于埋点质量情况。 1.基于内容的推荐算法： 2.基于用户的推荐算法： 3.协同过滤推 阅读全文