开会时间:2023.06.04 15:00 线下会议
目录
01【调研-数据应用(BI、推荐)】
数据应用是指将数据分析和挖掘技术应用于业务决策和用户推荐的过程。在数据应用中,有两个常见的领域是商业智能(BI)和推荐系统。
商业智能(Business Intelligence,简称BI)是一种利用数据分析技术来支持企业决策的方法。通过收集、整理、分析和展示企业内部和外部的数据,BI系统可以提供实时的业务洞察和决策支持。BI系统可以从各种数据源中提取数据,并将其转化为易于理解和可视化的格式,以帮助企业管理层和决策者做出更明智的决策。BI系统通常包括仪表盘、报告和数据分析工具,可以帮助用户发现业务趋势、监测关键绩效指标、进行预测和优化业务流程。
推荐系统是一种利用数据分析和机器学习技术来向用户推荐个性化内容的系统。推荐系统可以根据用户的偏好、历史行为和其他相关数据来生成个性化的推荐结果,帮助用户发现和获取他们可能感兴趣的内容,如产品、音乐、电影、文章等。推荐系统可以基于不同的算法和技术,包括协同过滤、内容过滤、深度学习等,来提供个性化的推荐体验。推荐系统广泛应用于电子商务、社交媒体、音乐和视频流媒体等领域。
数据应用的目标是将数据转化为有价值的信息和洞察,以支持业务决策和提供更好的用户体验。通过BI和推荐系统,企业可以更好地理解其业务和用户,发现商机,优化运营,提供个性化的服务和产品,从而获得竞争优势。
1.1【流程图】
+----------------------------------+
| |
| 数据应用流程图 |
| |
+----------------------------------+
|
v
+----------------------------------+
| |
| 数据采集和处理 |
| |
+----------------------------------+
|
v
+----------------------------------+
| |
| 数据存储和管理 |
| |
+----------------------------------+
|
v
+----------------------------------+
| |
| 数据分析和挖掘 |
| |
+----------------------------------+
|
v
+----------------------------------+
| |
| 数据可视化和展示 |
| |
+----------------------------------+
1.2【架构图】
+---------------------------------------+
| |
| 数据应用架构图 |
| |
+---------------------------------------+
|
v
+---------------------------------------+
| |
| 数据源 |
| |
+---------------------------------------+
|
v
+---------------------------------------+
| |
| 数据处理和存储 |
| |
+---------------------------------------+
|
v
+---------------------------------------+
| |
| 数据分析和挖掘 |
| |
+---------------------------------------+
|
v
+---------------------------------------+
| |
| 数据可视化和展示 |
| |
+---------------------------------------+
1.3【使用场景】
1、商业智能(BI):
企业决策支持:利用BI系统进行数据分析和可视化,帮助企业管理层做出战略性决策。
销售和市场分析:分析销售数据、市场趋势和竞争对手,帮助企业优化销售策略和市场营销。
2、推荐系统:
电子商务:为用户提供个性化的产品推荐,增强用户购物体验和促进销售。
媒体和内容平台:根据用户的兴趣和行为推荐相关的文章、音乐、视频等,提高用户留存和参与度。
3、金融分析:
风险管理:利用数据分析技术来识别和管理金融风险,例如信用风险评估和欺诈检测。
投资组合管理:通过数据分析和模型构建,优化投资组合配置和风险控制。
4、用户行为分析:
社交媒体:分析用户行为和兴趣,改善用户体验和社交互动。
用户留存和流失分析:分析用户行为和特征,预测和管理用户留存和流失。
5、物流和供应链优化:
库存管理:基于数据分析,优化库存水平和供应链配送策略,降低成本和提高效率。
供应链可视化:通过数据可视化,实时监控供应链中的物流运输和库存状态,改善供应链可见性和响应能力。
6、健康医疗:
疾病预测和预防:通过数据分析和模型建立,预测和防控疾病的传播和流行趋势。
个性化医疗:根据患者的健康数据和基因组信息,提供个性化的诊断和治疗方案。
这些使用场景仅代表了数据应用在不同领域的一部分应用,实际上数据应用的潜在场景非常广泛,并且不断发展和扩展。
02【fhzn项目】
- 写了9个单元测试,使用mockito模拟单元测试中需要的环境。
- 编写单元测试,提高代码覆盖率。
03【专利】
技术栈:
- JetBrains IntelliJ IDEA 2021.3
- maven
- springboot
- springdata
- linux
- elk
- elasticsearch
- logstash
- kibana
- canal
- node.js
{
"mappings": {
"article": {//type名称,相当于表,type可以有多个。
"properties": {//属性,字段
"id": {
"type": "long",
"store": true,
"index": "not_analyzed"//默认不索引
},
"title": {
"type": "text",
"store": true,
"index": "analyzed",
"analyzer": "ik_smart"//标准分词器
},
"content": {
"type": "text",//文本类型
"store": true,//存储
"index": "analyzed",//要索引
"analyzer": "standard"//标准分词器
}
}
}
}
}
josn格式
{
"name": "张三",
"age": 30,
"address": {
"province": "广东",
"city": "深圳",
"district": "南山区"
},
"education": [
{"school": "清华大学", "degree": "本科"},
{"school": "麻省理工学院", "degree": "硕士"}
]
}
CREATE TABLE `json_table` (
`id` INT NOT NULL AUTO_INCREMENT,
`json_data` JSON NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4;
INSERT INTO `json_table` (`json_data`) VALUES (JSON_OBJECT('name', '张三', 'age', 30, 'address', JSON_OBJECT('province', '广东', 'city', '深圳', 'district', '南山区'), 'education', JSON_ARRAY(JSON_OBJECT('school', '清华大学', 'degree', '本科'), JSON_OBJECT('school', '麻省理工学院', 'degree', '硕士'))));