SegmentFault D-Day 2015 苏州「数据分析」沙龙回顾

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 10 月 31 日,SegmentFault D-Day 2015 苏州站圆满收场。虽然是首次来苏州,但参与人数超出预估,现场反馈也是出乎意料。

10 月 31 日,SegmentFault D-Day 2015 苏州站圆满收场。虽然是首次来苏州,但参与人数超出预估,现场反馈也是出乎意料。


沙龙内容

image.png

本次沙龙主持人依然是我们 SegmentFault 家的烧碱,除了介绍 SegmentFault 的成长历程、理念与行业愿景,SegmentFault 也希望通过 D-Day 聚集更多开发者和技术大牛,除了为大家提供一个分享技术的平台,也希望通过 D-Day 为大家带来更多的交流和火花碰撞。

image.png

第一位嘉宾是来自 Teambition 的纪杨,和大家围绕 Teambition 的网站数据做分析讨论。纪杨首先介绍了 Teambition 这一实现自动化办公,为企业解决问题的团队协作工具,再以 Teambition 的网站数据为实例,和大家分享自己在网站数据方面的经验。

image.png

接下来一位是聚合数据的云计算事业部总监商渭清, 分享主题为《基于云服务构建弹性大数据处理平台》。首先,商渭清老师介绍了目前公司使用云计算服务的现状,以及云计算带来的优势,然后再根据自身经验,和大家畅谈聚合数据是如何使用云计算服务构建大数据处理平台,快速提升自己的业务响应能力。

image.png

第三位分享的嘉宾是来自 VMware 的资深研发工程师李欣慧 ,李老师是目前 D-DAY 活动的第一位女嘉宾,她此次分享的主题为《VMware 基于开源的企业级大数据服务》。李老师先阐述了传统的大数据架构部署被部署在物理集群上,独占主机,往往造成低资源利用率这一现象,再通过介绍虚拟化大数据,以及其在共享资源的同时,帮助企业享受大数据集群的自动化部署和运维所带来的便捷等优势,最后,李老师表明这一内嵌的最优化配置可以帮助企业获得与物理部署相当的性能。

image.png

最后一位嘉宾是同程旅游的大数据团队负责人 Gary,Gary 分享的主题是《大数据驱动会员价值》, Gary 老师以同程旅游为实例,介绍同程旅游如何通过分析大量的用户人口属性,以及用户在同程网站的各种轨迹行为,再结合历史消费行为信息,挖掘不同的用户群体对产品的需求。此外,Gary 老师还举例很多成熟的用户模型,和大家分享如何结合大数据作分析和验证,针对用户想要什么,喜欢什么,进行产品的个性化定制生产。

image.png

四位嘉宾抽空而来,分享过后很快的就在现场直接快速提问,取消了原本 40 分钟的圆桌讨论环节。观众们虽有部分反映听不太懂,然而提问依旧切磋倒是踊跃,看得出大家对大数据尤其关注和需要。SegmentFault 后续也会保持每年度为大家带来新兴技术热点的专场沙龙。期待大家的参与!


嘉宾演讲 PPT

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
机器学习/深度学习 云安全 分布式计算
SegmentFault D-Day 北京站回顾:数据分析和云安全
SegmentFault D-Day 数据分析和云安全站完美收尾,这次邀请到的四位重量级嘉宾也非常给力,参会观众全程响应热烈,座位满满当当。
130 0
SegmentFault D-Day 北京站回顾:数据分析和云安全
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
79 2
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
178 4
|
3月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
84 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
10天前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
28 2
|
2月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
57 5
|
3月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
125 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
3月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
68 1
|
3月前
|
数据采集 机器学习/深度学习 搜索推荐
【2023钉钉杯复赛】A题 智能手机用户监测数据分析 Python代码分析
本文介绍了2023钉钉杯复赛A题的智能手机用户监测数据分析,包括数据预处理、特征提取、推荐模型建立与评价的Python代码实现,旨在通过用户使用记录预测APP使用情况并建立推荐系统。
72 0
【2023钉钉杯复赛】A题 智能手机用户监测数据分析 Python代码分析