{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","uuid":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","normalized_title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","isbns":["9787302517986"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":490,"navigation_url":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%8A%80%E6%9C%AF%E5%AF%BC%E8%AE%BA","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","page_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/search"},"page":{"printed_page":393,"pdf_page":409,"physical_index":409,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"104299f938f9c7fe99fd09ed87c2d3291a89567579e3c3c6a935ba309ffa80e1"},"chapter":"第12章","content":"下钻和上卷并不局限于一个维度，往往是多维组合的节点进行分叉。逻辑树引申到算法领域就是决策树，关键是何时做出决策（判断）。当进行分叉时，我们往往会选择差别最大的一个维度进行拆分，若差别不够大，则这个枝权就不再细分。能够产生显著差别的节点会被保留，并继续细分，直到分不出差别为止。经过这个过程，我们就能找出影响指标变化的因素。\n\n举个简单的例子，我们发现全国客户数量下降了，从地区和客户年龄层级两个维度先进行观察，发现各个年龄段的客户数量都下降了，而地区间有的下降有的升高，那么就按地区来拆分第一个逻辑树节点，拆分到大区后，发现各省间的差别显著，就继续拆分到城市，最终发现是浙江省杭州市大量客户（涵盖各个年龄段）被竞争对手的一波推广活动转化走了。因此，通过三个层级的逻辑树找到了原因。\n\n12.3.5 时间序列思维\n\n很多问题，我们找不到横向对比的方法和对象，那么，和历史上的状况比，就将变得非常重要。其实很多时候，我们更愿意用时间维度的对比来分析问题，毕竟发展地看问题也是重要的一环。时间序列的思维有三个关键点：一是“距今越近的时间点，越要重视”（图12-4中的深浅度，越是近期发生的事，越有可能再次发生）：二是要做“同比”（图12-4中的箭头指示，指标往往存在某些周期性，需要在周期中的同一阶段进行对比才有意义）；三是“异常值出现时，需要重视”（比如出现了历史最低值或历史最高值，建议在时间序列作图时，添加平均值线和平均值加减一倍或两倍标准差线，便于观察异常值）。\n\n时间序列思维有一个子概念不得不提一下，就是“生命周期”的概念。用户、产品、人事等无不有生命周期存在。清楚地衡量生命周期，就能很方便地确定一些“阀值”问题，使产品和运营的节奏更明确。\n\n12.3.6 指数化思维\n\n指数化思维是指将衡量一个问题的多个因素分别量化后，组合成一个综合指数（降维）来持续追踪的方式。这是最重要的一个思维。许多管理者面临的问题是“数据太多，可用的太少”，这就需要“降维”了，即把多个指标压缩为单个指标。指数化的好处非常明显，一是“减少了指标，使得管理者精力更为集中”；二是“指数化的指标往往提高了数据的信度和效度”；三是“指数能长期使用且便于理解”。\n\n第12章 数据挖掘\n\n393","previous_page":392,"next_page":394}