| 资源(33) | 时长( 00:00:00) | 播放量(70335) |
|---|---|---|
6.1 什么是商务数据分析报告 |
/ | 1911 |
|
6.2 如何撰写规范的商务数据分析报告 |
/ | 1926 |
|
5.1 为什么商务数据需要可视化 |
/ | 2133 |
|
5.2 什么是商务数据可视化 |
/ | 2002 |
|
5.3 商务数据可视化基本流程 |
/ | 2023 |
|
5.4 数据可视化基本原则 |
/ | 1891 |
|
5.5 比较类商务数据如何实现可视化 |
/ | 1947 |
|
5.6 分布类商务数据如何实现可视化 |
/ | 1893 |
|
5.7 占比类商务数据如何实现可视化 |
/ | 1879 |
|
5.8 关联类商务数据如何实现可视化 |
/ | 1892 |
|
5.9 商务数据可视化如何优化 |
/ | 1857 |
|
1.1 为什么学习商务数据分析 |
/ | 3145 |
|
1.2 什么是商务数据分析 |
/ | 2673 |
|
1.3 如何实现商务数据分析 |
/ | 2494 |
|
1.4 如何优化商务数据分析 |
/ | 2346 |
|
1.5 如何规避商务数据分析的陷阱 |
/ | 2279 |
|
1.6 商务数据分析的常用工具 |
/ | 2230 |
|
3.2 回归分析—逻辑回归 |
/ | 1990 |
|
3.3 回归分析—线性回归其它话题 |
/ | 1932 |
|
3.4 回归分析—时间序列分析 |
/ | 1950 |
|
4.1聚类分析—k means |
/ | 2090 |
|
4.2聚类分析—分层聚类 |
/ | 1986 |
|
4.3分类技术—决策树 |
/ | 1922 |
|
4.4 分类技术—SVM |
/ | 1909 |
|
4.5数据挖掘分析—关联规则 |
/ | 1925 |
|
3.1回归分析—线性回归 |
/ | 2138 |
|
1.7 商务数据分析的常用模型 |
/ | 2022 |
|
2.1 如何理解商务数据 |
/ | 2652 |
|
2.2 什么是商务数据采集 |
/ | 2223 |
|
2.3 如何实现商务数据采集 |
/ | 2132 |
|
2.4 为什么商务数据需要处理 |
/ | 2219 |
|
2.5 如何清洗商务数据 |
/ | 2394 |
|
2.6 如何高效清洗商务数据 |
/ | 2330 |