人人都是产品经理发布于 08/25 10:43
AI数据分析SOP（ChatBI，数据Agent，SKill通用版）
AI工具泛滥的时代，数据分析如何真正创造价值？陈老师总结的AI版SOP，从业务需求出发，强调数据成果的实用性与包装，教你摆脱人肉SQL机的命运，用数据驱动决策，让每一次分析都成为升职加薪的跳板。
AWS Machine Learning Blog发布于 08/22 01:06
Agentic Data Operations Platform (ADOP): Data engineering into hours
（翻译）智能体数据运维平台（ADOP）：数小时完成数据工程
The Agentic Data Operations Platform (ADOP) is a reference architecture on Amazon Bedrock that uses specialized AI agents to automate the full Bronze-to-Silver-to-Gold data pipeline lifecycle, compressing new-source onboarding from weeks to hours while keeping data governance and compliance controls
AWS Machine Learning Blog发布于 08/21 05:23
Build a no-code ML workflow with Snowflake, Amazon SageMaker Canvas and Amazon Quick – Part 1: Setting up your Snowflake environment
（翻译）使用Snowflake、Amazon SageMaker Canvas和Amazon Quick构建无代码机器学习工作流——第1部分：设置Snowflake环境
Healthcare, retail, and life sciences teams store large volumes of operational data in Snowflake, but turning it into predictions is hard. In Part 1 of this series, you set up your AWS account and Snowflake environment for a no-code ML workflow with Amazon SageMaker Canvas, laying the foundation for
AWS Machine Learning Blog发布于 08/21 05:23
Build a no-code ML workflow with Snowflake, Amazon SageMaker Canvas and Amazon Quick – Part 3: Visualizing insights with Amazon Quick Sight
（翻译）使用Snowflake、Amazon SageMaker Canvas和Amazon Quick构建无代码ML工作流——第3部分：使用Amazon Quick Sight可视化洞察
In Part 3 of this no-code ML series, you bring fraud detection predictions to life. Import your Amazon SageMaker Canvas predictions into Amazon Quick Sight, build interactive dashboards, use generative BI to answer questions in natural language, and publish AI-generated executive summaries for stake
InfoQ 中文发布于 08/26 18:10
Grab 借助 AI 代理将机械性分析的工作量从 44% 降至 30%
Grab 正在利用 AI 代理实现分析工作流的自动化，从而减少分析师处理常规工作的占比，并缩短解答业务问题所需的时间。
人人都是产品经理发布于 08/26 10:00
AI+数据指标体系，这是我见过最完整的攻略
AI工具虽能快速生成指标框架，但脱离业务场景的体系注定水土不服。本文以销售运营为例，拆解如何从业务目标、流程、动作到数据记录四步构建真正可落地的指标体系，拒绝空谈理论。
人人都是产品经理发布于 08/28 14:19
AI时代，上手数据分析的最佳路线（Excel，SQL，Pyhton，BI还要学多少）
AI时代，数据分析能力如何升级？陈老师指出，旧路线已失效，新路径在于贴近业务练分析思维、用标准化指令指挥AI取数，并借助AI学习复杂理论。本文从指标体系、分析思路到数据处理，给出适应AI趋势的成长指南。
人人都是产品经理发布于 09/01 17:00
用AI数据指导运营，这个方法专业度直接拉满！
数据分析建议不被采纳？学学三国军师的智慧！本文结合《三国演义》案例，拆解答疑、建议、提醒、总结四种指导姿势，教你用AI多方案测算提升建议说服力，让运营真正听你的。
36氪发布于 09/03 14:48
科氪 | 一块健康预警手表背后的数据工程
评测一款健康手表，多数人会盯着屏幕参数和外观设计，但如果你把它从数据视角拆解，就会发现真正的产品不在表盘上，而是一条从传感器到预警服务的完整链路。近日，我们受邀参观了安顿健康预警手表的总部。深入讨论学习了一块健康预警手表背后的数据工程
人人都是产品经理发布于 09/08 10:35
ChatGPT三秒出结果，为什么老板还是嫌你“没思路”？
面对一堆数据毫无头绪？别慌！本文以电商带货数据为例，拆解“理解场景→找主指标→判断好坏→建立假设→验证假设”五步法，教你从杂乱数据中快速定位关键指标，识别业务问题，并输出有说服力的分析结论。
人人都是产品经理发布于 09/22 11:04
大模型+用户生命周期：指标划分、成长路径、业务应用
理论把用户生命周期分成引入期、成长期、成熟期、衰退期和流失期，可真实人群是混在一起的。文章指出问题常出在分母上：把压根不是目标群体的用户一直算进来，转化率会被系统性低估，所以要先把这批人摘出去。
人人都是产品经理发布于 09/24 17:08
真正的数据驱动决策，不是罗列同环比
很多分析师能算清同环比，却说不清数据到底怎么驱动决策。本文用一顿饭的例子把全流程走一遍：先挑有挑战、有变化、全新的项目，再清晰目标、提出约束条件，然后罗列潜在方案，在综合评估与试点测试之间选对方法。哪些该由人做、哪些交给 AI，文中都划了线。
InfoQ 中文发布于 09/29 18:36
自主数据工程：迈向真正智能体成熟度的五个阶段 ｜ 技术趋势
未来的数据工程，将取决于能否创造真正可用的数据产品，为业务决策提供支持；同时，由真正具备自主能力的智能体构建、维护并优化保持这些数据产品持续更新所需的一切，而人类则继续作为关键决策者和最终裁决者。
AWS Machine Learning Blog发布于 10/02 00:28
Simplify dashboard drill-down with the Amazon Quick Sight hierarchy filter
（翻译）使用 Amazon Quick Sight 层次筛选器简化仪表板下钻
Amazon Quick Sight is a fully managed, cloud-native business intelligence (BI) capability for building and publishing interactive dashboards. The new hierarchy filter gives dashboard authors rich, multi-level filtering in a single compact control, reducing clutter and guiding readers to the data the
人人都是产品经理发布于 10/03 14:11
哑铃图在门店BI数据可视化中的应用
同一条对比条形图换个画法，就能一眼看出哪家店变化最大。哑铃图用两个端点分别代表 8 月和 9 月，三角形朝右表示增长、朝左表示下降，中间粗线的长度就是两个月的变化值，比长短条形更直观。它适合五到十组类别，超过十组会显乱，也看不了一个对象的多期走势。
