机器学习VS深度学习：有什么区别？
机器学习是人工智能的一种应用，其中包括解析数据、从数据中学习，然后应用他们所学到的知识来做出明智决策的算法。但大家经常把机器学习（ML）和深度学习（DL）混淆，因为这两者都属于数据科学的范畴。虽然机器学习和深度学习存在相似之处，但它们之间也存在主要的区别。本文将通过三个示例为你解答ML和DL的区别所在。
DS vs DE：数据科学家与数据工程师的薪资对比
数据科学家（Data Scientists）和数据工程师（Data Engineers）是数据科学领域中常见的两个岗位，他们所掌握的技能以及拥有的经验存在共通之处，但根本上还是存在区别，这也是两者薪资不同的原因。此外，工作年限、工作地点（城市）和技能也会影响薪资水平。本文将从真实数据中比较这两个职位的薪资。
用户流失的预测模型——Churn Model
对于企业和公司来说，保留客户是维持成功经营的重要一环，公司必须选择更具防御性的策略，专注于留住现有客户。这时，流失模型就会发挥作用。流失模型（Churn Model）是一个预测模型，在个人客户的层面上估计客户流失的倾向（或易感性）。通过流失模型，我们可以得知每个客户在未来流失的风险有多大。本文将带你了解流失模型的概念和应用。
新兴报表工具FineReport——商业分析师需要知道的三种报表
日常工作中，如果工作内容涉及到表格制作、图表、或数据分析，大家基本上都会选择Excel。但专业的商业分析师应该精通各种报表工具（如Excel/QlikView/Tableau/FineReport）的使用，掌握不同报表的制作技巧。本文将向大家讲解新兴报表工具——FineReport，以及数据分析时使用的3种报表（通用报表、汇总报表、决策报表），帮助大家提高业务效率。
数字营销是怎样通过数据分析赚钱的？
品牌会通过渠道收集各类营销数据，这些渠道可能包括了社交媒体平台，例如 Facebook、Instagram 或LinkedIn。 还可能包括搜索广告、电子邮件、网络营销网站或许多其他网站。而数字营销(Digital Marketing)中的数据分析，就是对这些数据进行分析和报告的。本文将带领大家了解一下，什么是Digital Marketing数字营销，以及会用到的主要工具和方法。
三个必备高级分析方法，了解你的客户
高级的分析和数据科学方法的一大目的就是了解客户。与任何其他领域（供应链、物联网、金融等）相比，了解客户在数据科学领域重要的多。原因很明显——业务成功与否取决于你对客户的了解程度。而在客户分析中，最常见的就属客户细分、客户历程分析、以及营销归因了。本文将带你了解这几类数据分析技术。
用SQL分析——用户参与度和活动直方图的分析
用户参与度是展现用户喜欢使用品的最佳指标之一。如果你可以找到正确的产品，并扩展产品种类，就可以提高用户参与度。评估用户参与度的常用指标有MAU 和 DAU，DAU/MAU 转换率（即日活跃用户与月活跃用户的比值）。这个指标能表明用户与产品互动的“深度”。本文将向你演示如何使用 SQL 进行分析。
数据分析如何在Fintech中发挥作用？
数据分析有助于公司做出明智的业务决策，在提高效率和客户体验方面也发挥着重要作用。大数据收集大量信息，包括客户年龄、客户行为、性别、住址和财产等详细信息。Fintech公司利用分析来评估数据，并建立准确的客户档案。这样，就可以制定客户细分策略，不断满足客户期望和需求。本文将为你介绍了解数据分析在Fintech中的作用。
