教師的工作總結(jié)和數(shù)據(jù)分析精選17篇(編輯修改稿)
2025-08-14 07:49 本頁面
【文章內(nèi)容簡介】 全量數(shù)據(jù)后，對數(shù)據(jù)進行清洗。在這個過程中發(fā)現(xiàn)數(shù)據(jù)質(zhì)量非常不理想，很多字段的缺失值占比很大，個別字段也有異常值，總體樣本中能使用的記錄銳減。一開始我的處理方法比較簡單，對缺失值占比達的字段直接不使用，帶來的后果就是輸出的第一版分析報告過于簡單。重新回到數(shù)據(jù)，再次對數(shù)據(jù)進行摸底，而且也調(diào)整分析方法，嘗試使用聚類分析方法，按用戶活躍渠道，對用進行分群，分群后，再結(jié)合其他維度，對用戶進行描述。這一次輸出的報告還是存在一些問題，最大問題就是用戶群之間區(qū)別不明顯，只能繼續(xù)修改。中間因為要做另一個分析，用戶畫像分析就暫時先放一邊。完成另一個分析后，繼續(xù)回到產(chǎn)品用戶畫像分析，這次同事提出了一些建議，在沒有更好的思路前，我按照同事的建議第三次修改分析報告。當然還是要先處理數(shù)據(jù)，這次我對異常值、缺失值就行了處理，異常值使用的是蓋帽法，對缺失值，在一些字段中用0填補，這樣增加了可使用的維度。數(shù)據(jù)清洗完后，對連續(xù)變量進行分箱處理，這一次還是先使用聚類分析，對幾個字段進行聚類，這樣增加了兩個大的維度，接著基于兩個大的維度，使用對應(yīng)分析方法，結(jié)合其他維度觀察變量間的關(guān)系，最后的結(jié)果顯示有部分變量之間是存在明顯的關(guān)系，有些幾乎沒有區(qū)別。數(shù)據(jù)處理完后，再次輸出分析報告。完成第三次分析后，我回過頭來看看分析中存在的問題，尤其是使用對應(yīng)分析，查閱了一些資料，發(fā)現(xiàn)在對應(yīng)分析中，應(yīng)該先進行預(yù)分析。聚類分析，兩次我都是使用k—means聚類，其實還可以使用二階聚類，二階聚類適用于分類變量，這是快速聚類不適用的，我嘗試在清洗后的數(shù)據(jù)中使用二階聚類，效果尚可。最近恰好又在看丁亞軍老師的講課視頻，講到聚類分析，再結(jié)合我在工作中的應(yīng)用，對聚類分析方法有了新的認識。聚類方法在剛興起的時候，是不被傳統(tǒng)的統(tǒng)計學家們接受，因為這個方法太簡單，沒有使用到過多的統(tǒng)計學知識。在實際的工作中，聚類使用的頻率還是很高的，尤其是在用戶分群方面，用戶特征的描述。對應(yīng)分析是第一次用到，為什么會想到使用對應(yīng)分析，主要是根據(jù)變量類型，幾個分類型變量，探究變量間的關(guān)系，除了相關(guān)分析外，對應(yīng)分析也使用，而且它的結(jié)果更直觀。最后能完成第三稿也要感謝同事的建議，一個人的力量是有限的，群策群力、集思廣益才能做得更好。教師的工作總結(jié)和數(shù)據(jù)分析篇四在數(shù)據(jù)分析崗位工作三個月以來，在公司領(lǐng)導的正確領(lǐng)導下，深入學習關(guān)于淘寶網(wǎng)店的相關(guān)知
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1