数据分析

设计思维是一个以用户为中心的设计过程，有助于建立用户同理心，引导用户寻求突破性创新。同样，设计思维也可以通过使用商业模型画布（Business Model Canvas），战略性地构建新商业模型或开发商业模型的文档。商业模型画布极其具备利用价值，可用商业的重要方面，并对其创造价值进行原型化。本文将演示的如何使用Tableau实现这个概念。

Kaggle 是一个网站，在这里，你可以找到解决数据科学问题的竞赛。任何人都可免费加入，让你有机会在各个行业的真实数据集上练习技能。本文将介绍 10 个数据集，从著名的鸢尾花数据集、波士顿住房数据集，到手写数字数据集用于机器学习，都非常适合你在面试前练习技能，或者只是因为这些数据集很有趣就够了！

回归分析（regression analysis）是一种统计的方法，它可以让你去分析两个或多个变量之间的相关性，被数据科学分析广泛应用。回归分析是确定哪些变量对我们研究对象产生影响的可靠方法。 回归的过程可以帮你确定哪些因素最重要，哪些因素可以忽略。本文将带你从头了解回归分析，解析背后的统计学逻辑，并通过实际案例做出解释。

如果你一直和数据打交道，那很可能有人告诉过你“这个数据看起来不太对……” 你可能以为，如果我再小心谨慎细致一些，就不会出现这些错误了。但其实，在向利益相关者展示报告之前，尽最大努力验证最终结果，对于增强信心和获得信任是非常重要的。本文将介绍几种方法，让你了解如何验证自己的数据正确与否。

在宣布将 Facebook 打造成“元宇宙(Metaverse)公司”的计划后，互联网爆发了对元宇宙的热议，成为了最热门的技术和社会经济话题之一。 在Meta，分析是一项基本技能。而主要有两个岗位会用到这项技能：数据科学和数据工程，两个岗位包含了不同的专业知识在本文中，我们将探讨Meta作为分析型公司的职业发展总体方法。

群组分析（Cohort Analysis）是一个非常有效的工具，可以帮助公司更好地了解用户需求及习惯。数据科学家可以通过将具有相似属性（例如，注册日期、首次购买日期、潜在用户来源等）的用户或用户进行分组，然后观察关键绩效指标（KPI：例如，参与度、收入、留存率），收集有用的见解。本文将通过一个实际案例，带你了解群组分析的应用过程。

数据的概念在现代社会已存在许久，至少从软件的角度来看是这样。每个人都多多少少了解数据方面的基础知识，知道如何保存数据，知道如何使用数据。本文将展示一些与数据有关的观点，以及一些有助于在数据科学领域取得成功的思维方式。通过了解这些想法和思维方式，也许你会发现，在不同场景中处理数据时能更加得心应手。

如何用数据科学预测用户差评？随着数据的累积和发展，越来越多公司利用数据科学方法为公司解决商业问题，最高程度提高用户留存率。本文以一家巴西的电商企业Olist公开的数据为例，为你介绍如何通过数据科学方法，预测用户的差评；通过不同的可视化内容，带你了解该数据的特点。