注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 数据分析
数据分析 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 数据分析 的推特
数据分析显示,德国每十名成年男性中就有四人没有子女。 这一数据来自莱布尼茨社会科学研究所(GESIS)受《法兰克福汇报周日版》委托进行的数据分析。1980年时,18岁以上男性中无子女者的比例略低于34%,而如今这一数字已升至40%。 值得注意的是,在人们通常组建家庭的人生阶段,即30至34岁,德国男性无子女者的比例自1980年以来从42%攀升至69%。在35至39岁年龄段,该比例从22%升至54%——这意味着该年龄段中超过半数的男性没有子女。 伴随着为人父者比例的下降,处于稳定伴侣关系中的男性比例也在减少。根据位于威斯巴登的联邦人口研究所(BiB)的一项研究,1986年时,有93%的男性处于稳定的伴侣关系中;而到了2024年,这一比例下降了14个百分点,降至79%。 研究者将这一趋势主要归因于社会环境的变化。德国格拉-艾森纳赫教育大学(Gera-Eisenach University of Cooperative Education)应用社会科学教授克劳迪娅·拉恩费尔德(Claudia Rahnfeld)指出:生儿育女需要稳定的职业、经济条件以及适宜的住房,对许多男性而言,这些目标的实现正变得越来越晚。 除了经济因素外,社会变革在人际关系的形成过程中也在悄然起着作用。如今,无论男女,在选择伴侣时都变得更加挑剔。经验表明,随着女性解放程度的提高,男性非自愿无子女的现象也在增加——“在斯堪的纳维亚国家,这一现象已经十分明显,”拉恩费尔德说道,独立自主、思想解放的女性在选择与谁共同生儿育女时,是经过非常审慎考量的。
显示更多
0
30
87
11
转发到社区
做数据分析的目的不是为了看数据 而是需要先确定你想研究什么 提升什么 一堆没有指导意义的数据分析结果 只是在浪费时间 浪费Token
做数据分析或后端日志处理,最怕遇到这种看似简单、实则暗藏规律的业务日志: 50 多组 Panelist 数据,跨 Market、Week、Day 多个维度,里面充斥着大量 zero-inflated(零膨胀)和交互效应。 如果用大模型来跑这种高频的日志结构化分析: ❌ 超大模型(1T级):分析得固然好,但跑几万条日志算下来成本直接爆表,延迟高到无法做实时看板; ❌ 普通小模型:速度快,但遇到复杂的统计分布(如双峰结构、阈值效应)容易瞎编乱造,甚至连表格逻辑都算不对。 而这次用 Ling-3.0-flash 跑了一圈日志归因与清洗,这个“高吞吐执行节点”的表现确实有点惊艳: 1️⃣ 精准捕捉数据异常与规律:瞬间识别出 Week 参数呈“双峰结构”(中间 ID 18-45 集中为 0),并直接定位到 Market 2 的零值比例(26.9%)远低于 Market 1(55.8%)。 2️⃣ 多维交叉归因能力:没有止步于简单的描述性统计,而是算出了 Week 与 Day 的交互调节效应(如 Week≠0 时两个市场的不同零值概率)。 3️⃣ 极速输出与建模建议:秒级给出包含零膨胀模型(Zero-inflated Model)和 GLM 拟合方向的结构化报告,拿来就能直接对接后续的数据 pipeline。 AI 工作流要的就是这种“低成本、极速响应、不瞎猜”的后台执行器。拿它来做海量日志的高频清洗、特征提取和自动化风控,不仅性价比拉满,而且省心。 想体验的可以试试:
显示更多
0
63
39
1
转发到社区
企业数据分析为什么这么难自动化? 很多时候,问题不在模型够不够聪明,而在它同时缺三样东西:业务事实、分析方法和可靠执行。 阿里巴巴团队这篇 QwenPaw-Data,讨论的就是这个问题。 它把企业数据分析拆成三层:事实层、方法层和执行层。 事实层负责理解业务语义和指标口径。比如 GMV、有效用户、留存、收入,在企业内部都有具体定义。口径理解错了,SQL 写得再漂亮也没用。 方法层负责选择分析路径。一个数据问题到底该做归因、对比、分群,还是异常定位,直接决定结论质量。 执行层负责把 SQL、代码、结果验证和报告生成串起来,保证过程能跑通,也能被追踪和复查。 这篇文章把 Data Agent 的重点从「自然语言转 SQL」推进到了「企业知识、分析方法和执行环境的系统整合」。 通用 Agent 做企业分析时,最危险的错误往往不是语法错,而是查了一个错误口径的指标。结果看起来很专业,图表和报告也完整,但业务结论已经偏了。 知道事实是基础,会选方法是能力,能稳定执行是门槛。 三者缺一,分析 Agent 很容易变成一个看起来聪明、实际很危险的结论生成器。 📎 arxiv:
显示更多
0
1
45
11
转发到社区
CoinAnk 数据分析|用斐波那契看懂市场 价格从来不是单纯由情绪驱动,而是资本结构与流动性共同作用的结果。尽管短期存在价格扰动与博弈行为,但市场依然运行在一套清晰的数学秩序中 ✅ $60K(0.618 Fib):矿工成本 + 关键支撑区 ✅ $62K–70K:历史ATH流动性密集区 ✅ 跌破$60K:进入矿工与机构成本再平衡区 从 #CoinAnk# Total3 结构来看,0.618 同样对应过去多个周期的核心资金聚集带。 这背后的逻辑在于市场的主要定价方式,已由量化系统与算法模型主导,而斐波那契序列正是这些系统中最常见的结构化参考之一。
显示更多
链上数据分析平台 Glassnode 表示,美国现货以太坊 ETF 已连续 23 个交易日出现资金净流出,创推出以来最长连续净流出纪录。这表明传统金融投资者对 ETH 的需求疲软,而这类投资者曾在 8 月和 9 月大量买入。
显示更多
吴说获悉,DeFi 数据分析机构 Sentora 发布周度数据显示,截至 10 月 16 日,DeFi 总锁仓价值(TVL,包含借贷)一周减少 13.4 亿美元,降至 1,222.5 亿美元;稳定币供应量同期下降 13.5 亿美元,至 3,052.4 亿美元。Sentora 认为,两项指标降幅接近,可能意味着资金正在撤离链上市场。此外,USDC 和 USDT 借贷基准利率分别降至 4.88% 和 4.27%,距离清算价格不足 5% 的高风险贷款规模降至 67.2 亿美元。
显示更多
关于RGB成交数据分析: RM上RGB成交数据今天做了一下复盘,相比6;7月fomo的状态,10月份明显在筑底。总成交在将近200w的数量,换手率达到了10%左右。没有只涨不跌的价格,健康的走势也需要回调,恰巧最近的开发进展也慢慢端上桌了,期待一下之后能玩的东西。 总笔数 • 数值: 1,985 (Seller 1,380 + Buyer 605) 总BTC量 • 数值: 7.205 BTC 总RGB量 • 数值: 1,938,455 RGB 月度成交均价趋势 04/2026 • 笔数: 29 • BTC: 0.04 • RGB: 29,396 • 均价(sats): 149 • 中位价: 160 • 环比变化: — 05/2026 • 笔数: 629 • BTC: 1.01 • RGB: 464,047 • 均价(sats): 215 • 中位价: 210 • 环比变化: ↑ +66 06/2026 • 笔数: 496 • BTC: 1.98 • RGB: 483,706 • 均价(sats): 415 • 中位价: 415 • 环比变化: ↑ +200 07/2026 • 笔数: 471 • BTC: 2.15 • RGB: 387,857 • 均价(sats): 563 ← 峰值 • 中位价: 555 • 环比变化: ↑ +148 08/2026 • 笔数: 179 • BTC: 0.94 • RGB: 207,380 • 均价(sats): 439 • 中位价: 435 • 环比变化: ↓ -124 09/2026 • 笔数: 127 • BTC: 0.93 • RGB: 298,897 • 均价(sats): 333 • 中位价: 323 • 环比变化: ↓ -106 10/2026 • 笔数: 54 • BTC: 0.16 • RGB: 67,172 • 均价(sats): 237 • 中位价: 221 • 环比变化: ↓ -96 整体趋势: 149 sats (4月) → 237 sats (10月),上涨 +59% 走势三段: - 4-7月(上涨):从149启动,7月触顶563,涨幅+278% - 8-9月(回落):从563跌至333,跌幅-41% - 10月(筑底中):跌至237,但成交量骤降(仅54笔),市场活跃度低
显示更多
得嘞,7月数据分析,开整!
0
20
63
0
转发到社区
链上数据分析平台 Nansen 联合创始人兼 CEO Alex Svanevik 表示,AI 交易代理的数量可能在未来约两年内超过人类交易者,Nansen 正由数据分析平台转向链上交易执行。公司推出直接交易功能以来,累计成交量已超过 5 亿美元;平台交易量排名前 15 的永续合约中,约 10 个为 SpaceX、标普 500、黄金和原油等非加密资产。目前相关代理仍处于回测和模拟交易阶段,一项测试仅盈利 23 美元,却产生约 700 美元推理成本。( The Block )
显示更多