根据现有产品数据，如何做一次数据分析呢？
需求分析师是否适合做数据分析？这是我最近在想的问题。 需求分析是基于业务场景的商业化分析，不是技术分析，但需求分析的过程包含了数据分析。用数据驱动产品开发，即从数据中找到产品运营的不足，从而驱动产品开发，这是可能的。
超级大片背后的数据可视化
作为一个名词，数据可视化并不新鲜，大量的计算机语言都有自己的可视化库，传统数据分析及BI软件也都扩展出一定的可视化功能，我们还通过Excel等报表工具，基于数据生成一些可视化的图表。但是，为什么我们要选择智能的可视化工具呢？
DataHunter“首届数据可视化之星大赛”落下帷幕
近日，由DataHunter联合CDA主办的“首届数据可视化之星大赛”落下帷幕，本次比赛共收到了上百位数据爱好者提交的可视化作品。最终，通过综合网友投票得分和专家评委得分，13名优秀选手最终脱颖而出，通过排版美观、内容充实、实践意义突出的作品向我们展示了数据可视化之美。
数据驱动决策的10种思维
很多人都说会数据分析的人比别人聪明，实际上他们“聪明”在拥有分析思维，今天我们就来说说常见的数据分析思维。
如何做好数据可视化？
数据可视化是指以图形的方式展示数据，帮助用户能够更快地识别模式；交互式可视化能够让决策者深入了解细节层次，展示方式的改变使得用户可以查看分析背后的事实。
微信公众号背后有怎样的数据支撑
－DataHunter,让你爱（AI）上看数据 据可靠数据显示，最近一季度，微信日活趋近10亿、今日头条日活突破2.4亿、抖音日活也已经突破2亿，于是很多传统企业也开始或正在各大平台注册账号、发布内容以不断争夺品牌露出的机会。
如何做好数据异常分析？
对于用户端产品经理来说，监控处理日常的用户端数据是必不可少的工作之一，转化数据、用户数据、交易数据等等，都应该是列入日常监控的数据指标。
一款 NB 的数据分析产品，需要具备哪些功能？
业务人员难做数据分析？那一定是没遇到合适的工具和产品！ DataHunter 的数据可视化分析系统，推出七大功能为您解忧！ 友情提示：干货较多，全文阅读大概需要8分钟~ 非(tou)战(lan)斗人员请直接转向精简版！
数据指标的构件流程与逻辑
我们每天都在说数据指标，那么数据指标到底有什么用?构建数据指标的目的是什么?如何得到自己需要的数据指标?本篇为从0开始搭建自己的数据运营指标体系的第4篇，本篇将从数据指标的本质出发谈谈数据指标的构建流程与逻辑。
DataHunter：以“人”为中心 强化基于数据的新零售转型
11月19日,第五届美丽互联大会：新零售分论坛聚美丽美数思享会年会在上海拉开帷幕，DataHunter 携业务数据可视化分析展示解决方案出席了此次论坛，DataHunter 创始人 CEO程凯征在圆桌讨论时指出，人是企业创新零售的最根本的因素，零售企业需要以人为中心，强化对于业务数据的分析与展示，为消费者提供更精准、个性化的零售产品与服务，全面提升零售创新价值。
数据分析师需具备的10种分析思维
一、逻辑思维 逻辑思维即明白价值链，明白各项数据中的关系; 该方法的关键在于明白其中的关系要求你对这项工作要了解、熟悉，要细致和慎密，要清楚充分性和必要性的关系。 实际上也就是指：你需要那些数据?如何获得这些数据?数据之间的关系如何?
快速上手数据分析的方法论
数据是一种连接。它连接4个最基本的象限，时间，地点，任务，事件。我们为什么要说数据会是下一次技术革命浪潮的最重要的指针?大家来看一下，根据美国几家顶级研究机构的报告，(Gartner，IDC等等)，在未来的5年，我们会有40亿人通过互联网产生各种数据，将成就一个4万亿美元的市场，将有两千五百万种软件接入，250亿台各种各样的设备接入各种数据系统，五百万亿GB的数据产生。