推荐产品经理必知必会①：数据处理,数据营销。

在正式先容推举策略之前，我们须要理解推举策略产品经理如何对数据进行处理，统统策略都离不开数据。
重点在于：

电商领域常见的7张离线Hive表：

切片表：按照韶光分区，将每天的新数据放在一个独立的韶光分区里，例如：7月1日与7月2日的不同。

增量表：汇总所有数据，新增数据直接在原始表内添加，不增加新分区，订单表与卖点数据均是增量表，由于其须要选择某个时段or历史所有数据，直接截取即可，如果存在不同分区，截取就会很麻烦。

二、数据表加工

ETL（extract-transform-load，抽取——转换——加载）：从底层数据表抽取数据，然后再洗濯加工，终极得到上层表，这一过程不断进行。

三、数据归一化与标准化

不同类型的数据须要转化为同一量纲才能进行比较，须要归一化/标准化，实质上是一种线性变换（缩放+平移）。
（归一化≠标准化）

1. 归一化

Min-Max（最小最大值）归一化（最常用的办法）：

x = ( x − min ) / ( max − min )

归一化后的数值处于[0,1]之间，实际数据中存在无阐明度的极大（小）值，故须要挑选得当的最大（小）值。

适用场景：数据分布集中。

均值归一化：

x = ( x − mean ) / ( max − min )

归一化后的数值处于[-1,1]之间

适用场景：数据存在极值，但在业务视角这一极值是合理的。

Log对数函数归一化：

归一化后的数值处于[0,1]之间，非线性的归一化办法，缩小数据间的差距，使之分布均衡。

适用场景：样本数据跨度大，头部极值涌现频率相对高。

2. 标准化

归一化/标准化可以肃清不同数据之间量纲差异巨大带来的无可比拟性：

以上先容的数据处理方法在策略产品事情中会常常用到，一定要熟习哦！

本文由 @策略产品经理方案 原创发布于大家都是产品经理。
未经作者容许，禁止转载

题图来自Unsplash，基于CC0协议

该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。