#数据分析

4周前

高端招聘：小红书招商业化战略（P6-P7） ----- 商业化战略小红书集团 · 北京|上海职位描述 1、互联网广告各赛道及产品数据分析，定期整理市场热点和行业趋势； 2、重点目标公司的运营数据跟踪和分析，定期向商业化各业务团队发送报告； 3、完成团队负责人交予的其他各项任务，如业务 BP、专项研究、专家访谈等；职位要求 1）计算机科学、统计、管理、金融或相关专业本科及以上学历； 2）2 年以上的互联网行业或投资领域的数据运营或数据分析经验； 3）熟练使用 SQL、EXCEL；能够用 Python 进行基本数据处理、清洗、建模； 4）优秀的商业分析能力，有过行业研究或者报告撰写经验，有互联网/券商/基金行业经验优先； 5）良好的沟通和理解能力、自我激励和 owner 意识；报名地址详见：搜索。

#小红书 #商业化战略 #招聘 #互联网广告 #数据分析

1个月前

转译：科技就业寒冬来袭：最新数据令人不寒而栗作者：Alistair Barr - Indeed最新报告显示，科技行业的招聘岗位锐减，其中数据和分析领域尤其惨淡。 - 与疫情前的招聘高峰相比，数据和分析领域的招聘岗位减少了40%。 - 越来越多的求职者以及生成式AI的兴起，让这个领域的竞争异常激烈。 Indeed是全球规模最大的招聘网站，最近发布了一年一度的就业市场报告，报告中的科技岗位数据 () 显得相当惨烈。其中数据和分析相关岗位的前景尤其不容乐观。让我们先看看整个就业市场的情况。从Indeed的招聘岗位指数（Job Postings Index）图表中可以清晰看到，自2022年疫情后的招聘热潮之后，可招聘岗位数量便持续下滑：图2: Indeed的整体招聘岗位趋势图（来源：Indeed）深入分析后可以发现，科技行业的情况比其他行业更糟糕。在2022年，Indeed的科技岗位招聘指数一度突破200，但如今已经暴跌到67：图3: Indeed的科技岗位招聘指数图（来源：Indeed）在科技行业内部，数据和分析领域尤为突出。截至今年10月底，这一领域的招聘指数跌至60，是Indeed追踪的所有行业中最低的。这意味着与疫情爆发前相比，数据分析相关岗位减少了整整40%。更令人担忧的是，求职者申请这类岗位的人数却还在不断增加。数据分析相关岗位通常包括业务分析师、数据分析师、数据科学家和商业智能开发人员等职位。Indeed的数据表明，这个领域的供需严重失衡。过去几年，大量求职者接受了数据科学相关的培训，使市场上积累了大量技能型人才，但恰逢企业的招聘意愿冷却下来。 Indeed高级经济学家科里·斯塔勒（Cory Stahle）表示： > 「那些接受了数据科学培训的求职者很可能会继续寻找与自己技能匹配的岗位。因为转行往往代价很高、困难重重，而且耗时费力。」数据分析岗位的收缩程度比其他类型的岗位更严重。一方面是疫情后企业曾大规模扩张招聘，另一方面是后续企业不再需要补充这么多人员了。生成式AI（Generative AI）的兴起，让情况变得更加严峻，因为AI工具让人们即使没有受过正式的数据科学培训，也能更轻松地进行数据分析工作。斯塔勒指出： > 「目前AI还无法完全取代这些岗位上的工作人员，但AI已经能够帮助企业和员工以更少的资源做更多的事情。」对求职者来说，这意味着找工作将变得异常艰难。斯塔勒警告道： > 「招聘岗位更少，求职者却更多，这表明目前市场竞争十分激烈。找到一份合适的工作可能需要更多时间，而且这些职位的薪资涨幅也会明显低于前几年。」来源：

#科技行业 #就业寒冬 #数据分析 #招聘锐减 #AI影响

1个月前

某个海外 AI 视频方向网站从上线至今两年时间每月 MRR 数据，很值得参考。

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

#AI #视频 #MRR #海外网站 #数据分析

1个月前

后天（11月26日，周三）晚八点，我们继续AI交易实践分享的第三次会议： 1、分享AI Coding在交易/投资环节中可以做的数据分析、实用工具等； AI Coding是我

AI交易比赛：DeepSeek V3领先，GPT-5惨遭亏损· 98 条信息

#AI交易 #AI Coding #数据分析 #投资环节 #实用工具

1个月前

使用 Nano Banana Pro，轻松驾驭三种关键图表类型

nanobanana平台助力个人形象照生成，专业形象照引发热议· 107 条信息

#Nano Banana Pro #图表类型 #数据分析 #软件应用 #教程

1个月前

早上好，朋友们！今天分享一下如何追踪付费用户的用户的来源，方便归因发现变现效率好的来源，后续可以继续在相同来源上发力。一般是有UTM 参数：utm_source, utm_medium, utm_campaign, utm_content, utm_term ，或者ref 参数，可以数据先存储在 localStorage，用户登录后自动同步到数据库的 user用户的source 字段等。我之前实现起来就是cc 一句话的事情，“我需要检测用户的来源，一般是utm 和 ref 来源参数，或者其他可能的来源参数，先把数据存储到localStorage，用户登录后，在数据库新增一个source字段，把来源参数存储到source 里面” 之后你可以自己让AI加个面板，过滤付费用户查看来源，去做进一步的分析

#付费用户 #来源追踪 #UTM参数 #localStorage #数据分析

1个月前

不要高兴的太早了 $BTC 具体会涨到哪里数据已经给出答案了。

比特币减半与牛市周期的神秘关联引发热议· 68 条信息

#BTC #加密货币 #上涨 #数据分析 #市场预测

1个月前

最近在做出海网站，用上了一个比 GA 简单 10 倍的分析工具：Plausible。开源、轻量、隐私友好，几分钟就能跑起来。仪表盘只保留核心指标：访客、页面、来源、设备、UTM。不臃肿、不卡顿，看数据很干净。我现在用它来追踪：哪个页面转化最好哪个按钮点击率最高哪个渠道带来的用户更精准一句 JS 脚本搞定埋点，Next.js、Vercel 都能一键接入。对做出海独立站的来说，这类工具比 GA 轻得多，也不被隐私政策卡死。

#出海网站 #Plausible #GA替代 #隐私友好 #数据分析

禅咖一味💎

1个月前

这个华裔女性的话，可能会让你震碎三观：她用数学方法推导出：当今中国人口可能不超过5亿，中国人口也许只是跟美国人口相当，比中国宣传的14亿人口，整整少了10亿！

#华裔女性 #人口推导 #中国人口 #人口数量 #数据分析

比特币总裁

1个月前

顶级公链的链上交易情况对比，数据一目了然

#区块链 #公链 #链上交易 #数据分析 #对比

1个月前

背就完事了，我之前让公司的人干了一个事。3人一个小组，把21年-25年所有能涨跌30%以上的新闻，最开始的1min走势，市值都背下来，然后写个总结报告，每日复习。结果不了了之了，但是阿水说是全都看了一遍，后来新闻交易的敏锐度比以前高多了。

#新闻交易 #阿水 #经验学习 #股票涨跌 #数据分析

Sky. XiaoChen（吸吸喜气版）

1个月前

一分钟揭秘：最全 Polymarket 的秘密工具！！居然可以数据分析，聪明钱监控，一键跟单 .. 小白必读，我花了3 个小时整理，进阶 Polymarket 高手👇

#Polymarket #数据分析 #聪明钱监控 #一键跟单 #小白必读

1个月前

这可能就是我们初级牛马需要的工具吧 Google Sheets 的开源平替：把表格工作从枯燥的单元格输入，升级成了和 AI 对话的体验，让你用自然语言来创建、修改、分析数据，并可直观地画出图表。 Cheat Sheet

#AI工具 #Google Sheets平替 #自然语言处理 #数据分析 #效率提升

中国日报网-央视网

1个月前

透过数据看前三季度“三农”成绩单

非凡“十四五”成就引发热议，数据背后的幸福感与获得感· 119 条信息

#三农 #前三季度 #经济 #数据分析 #乡村振兴

2个月前

🚨事实核查：Newsmax 报道称——“全美有 4200 万人每周依赖食品券，而 59% 的非法移民正在领取食品券。这意味着，从美国政府和美国纳税人那里领取食品补助的大多数人，甚至都不是美国人。” 📊 数据显示： ▪️45% 的阿富汗移民领取食品券 ▪️42% 的索马里移民领取食品券 ▪️34% 的伊拉克移民领取食品券 ▪️23% 的海地移民领取食品券此外，报道称： “我们今晚可以确认，数以百万计的非法移民……正在领取食品券。” ⚠️ 补充说明： “这个国家有 4200 万人每周依赖食品券” 指的是全体领取者的总数（包括美国公民与非公民）。而各国移民的百分比，是指各自群体内部领取食品券的比例，并不意味着这些比例可以相加或代表全国总和。小编：不认真解决这个问题真的有可能能给美国带来动乱

#食品券 #非法移民 #美国政府 #社会问题 #数据分析

2个月前

这里的详情展开是指点击了一条推文进入详情页吗？也就是显示 1.3 万阅读的推文点详情看长文的只有 190 人？不知道理解对不对。

#推文详情 #阅读量 #长文 #数据分析 #用户行为

吕立青_JimmyLv (🐣, 🐣) 2𐃏25 | building bibigpt.co

2个月前

YouTube 这个 A/B 测试，用了几次发现：标题的影响还挺小的，视频封面更重要。

#YouTube A/B测试 #视频封面 #标题影响小 #用户体验 #数据分析

2个月前

不用怀疑 AI 的写作能力了这篇数据爆炸的帖子，全网没有一个人怀疑是 AI 写的但不小心破圈破到了清华学生圈… 一堆人看不起这个研究 “这不就是xxx”的一大堆贻笑大方

#AI写作 #清华学生 #学术质疑 #数据分析 #舆论争议

2个月前

[论文解读] DeepAnalyze: Agentic LLM 助力自主数据科学来自中国人民大学和清华大学团队的论文，提出 DeepAnalyze-8B 模型，基于 Agentic LLM 实现从原始数据到深度报告的自主数据科学，突破传统固定流程的局限。核心贡献 · DeepAnalyze-8B：80亿参数开源模型，自主协调规划、数据理解、代码生成等任务，通过提示或微调支持数据问答、建模及开放研究。 · 课程式训练：从单一技能（推理、代码）到综合能力，结合强化学习解决反馈稀疏问题。 · 轨迹生成框架：通过多智能体交互和关键词引导，从数据集生成50万条高质量训练样本（DataScience-Instruct-500K，已开源）。 · 实现从数据清洗到报告生成的端到端流程。方法概述基于 DeepSeek-R1-0528- Qwen3-8B，模型通过五类行动标记（如⟨Analyze⟩规划、⟨Code⟩代码生成）循环优化输出。训练分两阶段： 1. 单一技能微调：监督学习提升推理、数据理解、代码能力，关键词优化增强表格处理。 2. 多技能训练：交互轨迹微调后，用.GRPO 强化学习，结合规则、准确性和 LLM 评分优化。训练在 NVIDIA A800 GPU 上完成，支持 32K tokens 序列，轨迹从 Spider/BIRD 等数据集生成并过滤。主要成果在12个基准测试中，DeepAnalyze-8B 表现优异： · 完整流程（DataSciBench）：成功率59.91%，完成率66.24%，接近GPT-4o（66.31%），数据准备（71.68%）和可视化（69.09%）领先。 · 分析/建模（DSBench）：准确率30.04%，成功率90.63%，超GPT-4o智能体。 · 多步推理（DABStep）：准确率38.88%，远超ReAct+GPT-4o（15.77%）。 · 深度研究（DABStep-Research）：内容得分3.81/5，格式4.39/5，优于GPT-4o（3.05/5），案例中识别18-27%费用优化和35-42%欺诈降低潜力。 · 代码/表格问答：代码生成61.7%（超GPT-4-turbo 53.9%），表格问答64.47%（SOTA）。消融实验显示课程训练提升23.54%，轨迹优化增4.57%。模型、代码、数据集已开源。论文地址：

#DeepAnalyze-8B #agentic LLM #自主数据科学 #数据分析 #开源模型

2个月前

DeepAnalyze：数据分析智能体能自主完成一系列数据任务，包括：准备、分析、建模、可视化、生成报告。 Github：

谷歌Deep Research：AI操作系统雏形？· 145 条信息

#DeepAnalyze #数据分析 #智能体 #GitHub #自动化

2个月前

【四年周期总刻系列（4）】 2015年熊底后 1431天到下轮熊底 2018年熊底后 1437天到下轮熊底 2022年熊底已过去 1060天

比特币减半与牛市周期的神秘关联引发热议· 68 条信息

#熊市 #周期 #经济 #金融 #数据分析

Haze 𝓰𝓶𝓰𝓷𝓪𝓲

2个月前

这就是为什么我要交易的原因🤣 把钱包加入技术团队的数据分析，然后自己成为那个小白鼠。与其让用户先发现并且亏损，不如我自己来。

币圈“1011”六倍崩盘：高杠杆爆仓潮，谁在裸泳？· 6476 条信息

#交易 #技术团队 #数据分析 #小白鼠 #用户

饼干哥哥🍪

2个月前

我用n8n+飞书监控了100 个AI头部公众号动态，借势解决「选题」困境 🧵 先说下整体的搭建逻辑：一、采集公众号文章 1. 我在服务器上部署了一个 wechat2rss，订阅了 15 个 ai主题的公众号 2. 在n8n访问它，筛选指定时间的文章，下载保存到飞书，含文章链接 3. 在飞书利用快捷字段的 AI 功能给文章都打上固定的几个类型的标签二、搭建数据分析模型 4. 在n8n把文章链接传给「极致了」api，抓取文章的数据：阅读量、评论数、转发率、在看数、点赞数、收藏数 5. 在飞书把这些数据做组合指标，例如转发率等 6. 把标签和指标组合做交叉分析三、AI做选题分析报告 7. 最终得出哪些标签数据好，背后就是建议做什么样的选题 8. 确定选题后，筛选出这些标签的原文，给出具体的选题方向建议、内容结构 9. 形成选题方案报告

#AI公众号 #选题分析 #n8n #飞书 #数据分析

Yunchao Wen 💙💛

2个月前

猫砂还是造成了巨大麻烦。前天昨天是 A 厂的 Big Deal Day，我这个站点的机器人不可用率奇高，一度超过 3% 。超过六成是因为机器人无法识别地面标志所致。上面要求找原因，运行想推责给我们维护。我找数据列图片，写了个文档有力地证明，那些不当处理的猫砂才是罪魁祸首。小主管送了 AirPods 4 给我。

#猫砂 #机器人故障 #A厂Big Deal Day #AirPods 4 #数据分析

2个月前

在社交媒体营销这个领域，我见过不少企业栽跟头，其实很多时候，他们并非不懂“该做什么”，而是没避开那些“不该做的事”。我发现这一点尤其关键。很多企业主会花大量时间研究各种社交媒体指南，看别人怎么成功，怎么发内容、搞互动。但根据我的观察，真正决定营销效果的，往往是那些我们“不做什么”的选择。首先，最常见的错误是“盲目跟风”。看到别人做什么火，自己就马上模仿，完全不考虑自己的品牌定位和目标用户。每个品牌都有自己的特色，硬搬别人的模式，只会让自己变得不伦不类，反而失去了自己的辨识度。其次是“只发广告，不做互动”。有些企业把社交媒体当成了单向的广告投放渠道，只想着推销产品，却很少和用户交流。用户是活生生的人，不是冰冷的消费机器，他们需要被尊重、被理解。只有真诚地和用户互动，才能建立起信任，而信任，才是营销的基石。再者，“内容没有价值”也很要命。很多企业发的内容，要么是空洞的口号，要么是和用户毫不相关的信息。用户刷社交媒体是为了获取价值，无论是知识、娱乐还是情感共鸣。如果我们提供的内容对他们没用，他们自然会划走，而且是再也不会回来的那种。还有一个容易犯的错误是“忽视数据”。社交媒体平台提供了很多数据，比如阅读量、互动率、用户画像等等。但有些企业从不看这些数据，凭感觉发内容，凭感觉调整策略。数据就像航海的罗盘，能告诉我们方向对不对，哪里需要调整。不看数据，就好比在大海里没有罗盘，很容易迷失方向。最后，“缺乏耐心和坚持”也会导致失败。社交媒体营销不是一蹴而就的事情，它需要时间积累，需要持续投入。有些企业一开始热情高涨，发了几天内容没效果就放弃了，这是非常可惜的。成功从来都不是偶然的，它需要我们一步一个脚印，不断优化和坚持。其实，社交媒体营销的核心很简单，就是“以用户为中心”。我们要思考的是：我们能给用户带来什么？我们如何和用户建立连接？我们如何让用户记住我们？只要抓住了这几点，避开那些常见的“雷区”，成功就会离我们越来越近。希望这些经验能给大家带来一些启发。营销之路没有捷径，但只要方向对了，方法得当，坚持下去，就一定能看到成果。

#社交媒体营销 #用户互动 #内容价值 #数据分析 #耐心