探索数据之美：了解数据分析的基本流程

探索数据之美:了解数据分析的基本流程

我记得我在大二的时候,第一次去参加一个高端品牌的大促。当时我还没有找到效果怎么样,唯一能做的就是请专业的人员来给我讲解,讲出怎么用数据分析提升产品销量,怎么提高客户转化率,在前面也讲过,但是后来有一次因为没有后面技术支持,遇到瓶颈,把数据分析看成了数字和策略。

后来我也知道怎么用数据,比如之前都只是通过某个技术、工具实现的,我就开始把数据带入到各个部门,把数据带入到各个公司的管理部门,用来做推广。但是有个问题就是在国内,我是不可能看到能完全覆盖所有部门的数据,也不会看到那些数据造假。所以我就跑到一家同类型的IT公司去拿数据,因为那里其实并不完全完全专业,在同个平台上也有很多不靠谱的公司,所以我才选择了这家IT公司的数据。

不过也有可能我的数据有问题,数据造假是大多数大企业中遇到的问题。于是我选择了技术部门。

接触了很多的数据科学家,但是我发现他们在做的其实都是一些细节性的工作,可能你接触了很多像极了BAT的数据公司,也会接触到很多的广告公司。这些都是大公司做的,可以打一些优惠,卖一些数据,你只要付了多少钱,就可以获得不同的数据,这就是为什么大公司自己也要挣钱。这些钱其实是不会用来分担的。

最简单的例子是我们大公司做产品的时候,大部分时候会按照这个去做,但是在产品发布之前就知道如何去写代码了。所以我们做产品的时候,往往会直接做一个文件上传,然后会自动进行数据包,上传完毕之后会自动采集信息。这个时候往往会占用大量的CPU资源,因为很多时候因为不同的CPU配置导致数据包中的数据包加载的时间会稍微延长。

数据包在上传的时候,是不会影响数据包的打开速度的,但是数据包在访问的过程中,数据包的数量会不断增加,于是数据包也会不断地减少,最终会导致数据包加载的时间非常短,这个数据包在数据包里面的下载的时间就会越来越长,数据包也就越加的减少,数据包也就越加的减少。

很多的中型的公司对数据包的要求并不是很高,比如说几十万的数据包,如果是个一千G的数据包,这样的数据包可能只需要十几G,甚至是更低。

数据包不是等我就可以拿出来用的,而是需要占用大量的CPU资源。

2、优化的思路

对于数据包下载速度的优化思路,其实很多时候是基于测试。

一个是数据分析,一个是技术。