什麼叫數據故事

❶ lol八周年數據故事怎麼看 英雄聯盟戰績

1、http://lol.qq.com/act/a20190816anniversary/index.html

2、進入上面的官網之後，登錄自己的lol賬號即可查詢數據。其實所謂的「八周年趣味數據」，就是能夠讓你回顧起來自己是何時注冊的lol賬號，召喚師生日是多少，最早的段位是多少，當前的段位是納告多少，擁有的英雄有哪些，最喜歡用的英雄又是哪些...這些數瞎茄雀據都可以回顧起來。磨早

3、在平台上還記錄了你的光輝時刻，在這里你可以看到自己最高達到過的段位是多少，戰勝過多強的游戲高手，並且統計了好朋友與你的開黑的數據，看看究竟是誰坑隊友。

❷ 數據挖掘中最經典的例子"啤酒+尿布"是怎麼回事

在一家超市中，人們發現了一個特別有趣的現象：尿布與啤酒這兩種風馬牛不相及的商品居然擺在一起。但這一奇怪的舉措居然使尿布和啤酒的銷量大幅增加了。這可不是一個笑侍爛話，而是一直被商家所津津樂道的發生在美國沃爾瑪連鎖超市的真實案例。

美國的婦女通常在家照顧孩子，所以她們經常會囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時又會順手購買自己愛喝的啤酒。這個發現最終為商家帶來了大量的利潤。

(2)什麼叫數據故事擴展閱讀：

《啤酒與尿布》是2008年清華大學出版社出版的圖書，作者是高勇。該書講述了啤酒和尿布銷售之間的聯系和啟示。

該故事是數據挖掘技術對歷史數據進行分析的結果，反映數據內在的規律。另外，沃爾瑪老瞎漏派神亮出市場調查人員和分析師對這一數據挖掘結果進行調查分析。大量實際調查和分析揭示了一個隱藏在"尿布與啤酒"背後的美國人的一種消費行為傾向：在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。

參考資料：

網路-啤酒與尿布

❸ 數學小故事10個字

1、泰勒斯看到人們都在看告示，便上去看。原來告示上寫著法老要找世界上最聰明的人來測量金字塔的高度。於是就找法老。

法老問泰勒斯用什麼工具來量金字塔。泰勒斯說只用一根木棍和一把尺子，他把木棍插在金字塔旁邊，等木棍的影子和木棍一樣長的時候，他量了金字塔影子的長度和金字塔底面邊長的一半。把這兩個長度加起來就是金字塔的高度了。泰勒斯真是世界上最聰明的人，他不用爬到金字塔的頂上就方便量出了金字塔的高度。

2、戰國時期，齊威王與大將田忌賽馬，齊威王和田忌各有三匹好馬：上馬，中馬與下馬。比賽分三次進行，每賽馬以千金作賭。由於兩者的馬力相差無幾，而齊威王的馬分別比田忌的相應等級的馬要好，所以一般人都以為田忌必輸無疑。

但是田忌採納了門客孫臏（著名軍事家）的意見，用下馬對齊威王的上馬，用上馬對齊威王的中馬，用中馬對齊威王的下馬，結果田忌以2比1勝齊威王而得千金。這是我國古代運用對策論思想解決問題的一個範例。

3、動物學校舉辦兒歌比賽，大象老師做裁判。小猴第一個舉手，開始朗誦：「進位加法我會算，數位對齊才能加。個位對齊個位加，滿十要向十位進。十位相加再加一，得數算得快又准。」

小猴剛說完，小狗又開始朗誦：「退位減法並不難，數位對齊才能減。個位數小不夠減，要向十位借個一。十位退一是一十，退了以後少個一。十位數字怎麼減，十位退一再去減。」

大家都為它們的精彩表演鼓掌。大象老師說：「它們的兒歌讓我們明白了進位加法和退位減法，它們兩個都應該得冠軍，好不好？」大家同意並鼓掌祝賀它們。

4、氣象學家Lorenz提出一篇論文，名叫《一隻蝴蝶拍一下翅膀會不會在Taxas州引起龍卷風》論述某系統如果初期條件差一點點，結果會很不穩定，他把這種現象戲稱做「蝴蝶效應」。

就像我們投擲骰子兩次，無論我們如何刻意去投擲，兩次的物理現象和投出的點數也不一定是相同的。

這故事發生在1961年的某個冬天，他如往常一般在辦公室操作氣象電腦。平時，他只需要將溫度、濕度、壓力等氣象數據輸入，電腦就會依據三個內建的微分方程式，計算出下一刻可能的氣象數據，因此模擬出氣象變化圖。

5、阿基米德有許多故事，其中最著名的要算發現阿基米德定律的那個洗澡的故事了。

國王做了一頂金王冠，他懷疑工匠用銀子偷換了一部分金子，便要阿基米德鑒定它是不是純金制的，且不能損壞王冠。

阿基米德捧著這頂王冠整天苦苦思索，有一天，阿基米德去浴室洗澡，他跨入浴桶，隨著身子浸入浴桶，一部分水就從桶邊溢出，阿基米德看到這個現象，頭腦中像閃過一道閃電，「我找到了！」

阿基米德拿一塊金塊和一塊重量相等的銀塊，分別放入一個盛滿水的容器中，發現銀塊排出的水多得多。於是阿基米德拿了與王冠重量相等的金塊，放入盛滿水的容器里，測出排出的水量。

再把王冠放入盛滿水的容器里，看看排出的水量是否一樣，問題就解決了。隨著進一步研究，沿用至今的流體力學最重要基石——阿基米德定律誕生了。

❹ 有沒有小故事能講述數據分析的重要性啊

某比薩店的電話鈴響了，客服人員拿起電話。

客服：XXX比薩店。您好，請問有什麼需要我為您服務 ？
顧客：你好，我想要一份……
客服：先生，悉返晌煩請先把您的會員卡號告訴我。
顧客：16846146***。
客服：陳先生，您好！您是住在泉州路一號12樓1205室，您家電話是2646****，您公司電話是4666****，您的手機是1391234****。請問您想用哪一個電話付費？
顧客：你為什麼知道我所有的電話號碼？
客服：陳先生，因為我們聯機到CRM系統。
顧客：我想要一個海鮮比薩……
客服：陳先生，海鮮比薩不適合您。
顧客：為什麼？
客服：根據您的醫療記錄，你的血壓和膽固醇都偏高。
顧客：那你們有什麼可以推薦的？
客服：您可以試試我們的低脂健康比薩。
顧客：你怎麼知道我會喜歡吃這種的？
客服：您上星期一在中央圖書館借了一本《低脂健康食譜》。
顧客：好。那我要一個家庭特大號比薩，要付多少錢？
客服：99元，這個足夠您一家六口吃了。但您母親應該少吃，她上個月剛剛做了心臟搭橋手術，還處在恢復期。
顧客：那可以刷卡嗎？
客服：陳先生，對不起。請您付現款，因為您的信用卡已經刷世猜爆了，您現在還欠銀行4807元，而且還不包括房貸利息。
顧客：那我先去附近的提款機提款。
客服：陳先生，根據您的記錄，您已經超過今日提款限額。
顧客：睜鋒算了，你們直接把比薩送我家吧，家裡有現金。你們多久會送到？
客服：大約30分鍾。如果您不想等，可以自己騎車來。
顧客：為什麼？
客服：根據我們CRM全球定位系統的車輛行駛自動跟蹤系統記錄。您登記有一輛車號為SB-748的摩托車，而目前您正在解放路東段華聯商場右側騎著這輛摩托車。
顧客當即暈倒。。

❺ 什麼是大數據，大數據的典型案例有哪些

"大數據"是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統資料庫工具對其內容進行抓取、管理和處理。 "大數據"首先是指數據體量(volumes)?大，指代大型數據集，一般在10TB?規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量；其次是指數據類別(variety)大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。接著是數據處理速度（Velocity）快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。最後一個特點是指數據真實性（Veracity）高，隨著社交數據、企業內容、交易與應用數據等新數據源的興趣，傳統數據源的局限被打破，企業愈發需要有效的信息之力以確保其真實性及安全性。
數據採集：ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
數據存取：關系資料庫、NOSQL、SQL等。
基礎架構：雲存儲、分布式文件存儲等。
數據處理：自然語言處理(NLP，NaturalLanguageProcessing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機"理解"自然語言，所以自然語言處理又叫做自然語言理解(NLU，NaturalLanguage Understanding)，也稱為計算語言學(Computational Linguistics。一方面它是語言信息處理的一個分支，另一方面它是人工智慧(AI, Artificial Intelligence)的核心課題之一。
統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。
數據挖掘：分類 （Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)
模型預測：預測模型、機器學習、建模模擬。
結果呈現：雲計算、標簽雲、關系圖等。
要理解大數據這一概念，首先要從"大"入手，"大"是指數據規模，大數據一般指在10TB(1TB=1024GB)規模以上的數據量。大數據同過去的海量數據有所區別，其基本特徵可以用4個V來總結(Vol-ume、Variety、Value和Veloc-ity)，即體量大、多樣性、價值密度低、速度快。

第一，數據體量巨大。從TB級別，躍升到PB級別。
第二，數據類型繁多，如前文提到的網路日誌、視頻、圖片、地理位置信息，等等。
第三，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。
第四，處理速度快。1秒定律。最後這一點也是和傳統的數據挖掘技術有著本質的不同。物聯網、雲計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的感測器，無一不是數據來源或者承載的方式。

大數據技術是指從各種各樣類型的巨量數頌鬧據中，快速獲得有價值信息的技術。解決大數據問題的核心是大數據技術。目前所說的"大數據"不僅指數據圓櫻孝本身的規模，也包括採集數據的工具、平台和數據分析系統。大數據研發目的是發展大數據技術並將其應用到相關領域，通過解決巨量數據處理問題促進其突破性發展。因此橘稿，大數據時代帶來的挑戰不僅體現在如何處理巨量

❻ 有關資料庫的小故事

故事一、啤酒與尿布
世界零售連鎖企業巨頭沃爾瑪擁有世界上最大的數據倉庫系統之一，裡面存放了各個門店的詳細交易信息。為了能夠准確了解顧客的購買習慣，沃爾瑪利對顧客的購物行為進行了購物籃分析，想知道顧客經常一起購買的商品有哪些，結果他們有了意外的發現：「跟尿布一起購買最多的商品竟是啤酒！」
這是數據挖掘技術對歷史數據進行分析的結果，它符合現實情況嗎？是否是一個有用的知識？源陸肆是否有利用價值？
於是，沃爾瑪派出市場調查人員和分析師對這一挖掘結果進行調查分析。經過大量實際調查和分析，揭示了一個隱藏在「尿布與啤酒」背後的美國人的一種行為模式：一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。
既然尿布與啤酒一起被購買的機會很多，於是沃爾瑪就將尿布與啤酒並排擺放在一起，結果是尿布與啤酒的銷售量雙雙增長。
按常規思維，尿布與啤酒風馬牛不相及，若不是藉助數據挖掘技術對大量交易數據進行挖掘分析，沃爾瑪是不可能發現數據內在這一有價值的規律的。
故事二、犯罪的根源
格洛斯特郡是英格蘭西部的一個郡，大約有五十多萬人口。在有一段時間內，悉告發生了多起搶劫案，民眾不再感覺到安全，對郡警察局的輿論壓力也陡然增加了，強烈要求及時破獲這些案件，並避免案件的進一步發生。警方一方面在加快破案的同時，也在努力思考怎麼樣才可以降低發案率。
按照傳統的做法，一般會採取這樣的措施：鎖定搶劫案的多發地區，加派警力進行巡邏，對行為異常的人員加強盤查等等。然而，格洛斯特郡警察局發現，這些措施的收效甚微，發案率依然居高不下，因為搶劫案的發案地點並不集中，分散在多個不同的街區，這讓巡邏警力的安排顯得捉襟見肘，難以全面顧及。
此時，來自警察局內部的分析系統卻有了新的發現。系統中保存了多年的案件和案犯的卷宗信息，通過利用數據挖掘等分析技術，揭示出最近這段時間的搶劫犯具有一些非常顯著的特徵：他們大多是沒有固定住所，無家可歸，而且也沒有穩定的工作。另外，在很多搶劫案發生前，這些罪犯都吸食了毒品。正是在毒品的刺激作用下，他們失去了自控能力，臨時見財起意，對單身女性或情侶實施搶劫。
新的發現給警察局帶來了新的思路，警方當機立斷，對原來的增加警力加強巡邏的做法進行了調整，改為採取如下措施：一是加強對無業人員和有吸毒前科人員的管理，並通過社會福利機構對他們實施救助；然後，加強雹轎了對毒品交易易發場所的嚴打和治理，從源頭上掐斷毒品的供應。
治理得到了良好的效果，搶劫案的發案率迅速降低，格洛斯特郡的人們又重新恢復了平靜的生活。
故事三、電郵加新聞
Yahoo是第一家招募了首席數據官的公司，以驗證對公司而言，數據的確是一筆真實而有戰略意義的財富。目標是通過提供以客戶為中心的數據平台和洞察力服務，激勵用戶積極參與，對營銷方案進行創新，從而為消費者和賣家帶來價值。Usama Fayyad博士是Yahoo的首席數據官，他在和KDnuggets的Gregory的訪談中介紹了一些Yahoo在數據挖掘方面的成功案例。
「產品整合：一個例子就是你今天在Yahoo電子郵箱上看到的，數據挖掘的可視結果。通過對用戶使用行為的意外模式分析，我們發現在每次會話中，人們閱讀郵件和閱讀新聞的行為之間存在很強的相關關系。我們把這個發現傳達給Yahoo電子郵箱產品小組，他們首先想到的就是驗證這種關系的影響：在一組測試用戶的郵箱首頁上顯示一個新聞模塊，其中的新聞標題被醒目顯示。」
「對於象電子郵箱這種產品，最頭痛的問題就是如何獲取新的『輕量級用戶』，並推動他們的用量，使之變成『重量級用戶』。如果你做到了，那麼流失率就會顯著下降。實際上，在我們的試驗中，最顯著的一組流失率下降了40%。於是Yahoo立刻開發並完善了新聞模塊，並嵌入Yahoo電子郵箱的首頁，到現在，上億的消費者都可以看到並使用這種產品。我喜歡提及這個故事，因為它很好地說明了我們產品團隊的及時反應能力，也證明了在用戶使用行為數據中蘊含著很多很多極具價值的潛在模式。」
「即時通信：我們對雅虎通（Instant Messenger）的使用情況進行了分析，以了解激勵用量的關鍵因素是什麼。結果發現，最重要的因素是讓用戶擴大他們的『好友列表』，至少增加5個新的好友。據此Yahoo精心設計了相應的營銷活動，鼓勵用戶增加好友列表中的好友數，從而顯著激勵了雅虎通的用量。」
「Yahoo首頁的搜索框：一個簡單的例子就是我們發現，在Yahoo的首頁上，把搜索框放在居中的位置（而不是以前的左側）將提高用戶的用量。這樣一方面可以促進用戶的積極使用，對Yahoo來說也沒有成本支出。這個結果的發現過程也很有趣，我們首先發現Netscape瀏覽器的用戶比IE的用戶更多地使用了搜索功能，進一步探查發現兩個瀏覽器在視覺上的唯一區別就是：二者中的搜索框位置不同！搜索框在Netscape瀏覽器中是居中放置，而在IE中則是靠近左側。很不明顯的差別，但卻很重要。一般誰會想到呢？」

❼ 《用數據講故事》讀後感

Cole Nussbaumer Knaflic 在她的《用數據講故事》這本書里用大量實用技巧與案例向讀者證明，巧妙地使用數據作為主角串聯並撐起整個幻燈的結構，會給你帶來一份優秀作品。書中不僅告訴你幻燈講解與編排的技巧，也將教會你如何使用數據強調自己的觀點。

以數據為中心搭建敘述框架

第 1 章，上下文的重要性。受眾決定了我們講解的內容，以及我們講解內容的方式。章節末尾關於「故事板」的介紹很重要，這是在分析了受眾、確立故事中心思想及重點之後，可視化地將故事從頭至尾平鋪開來，再進行統一評估的好辦法。同樣的步驟也在產品設計流程中有所提及。後者著眼於對用戶故事的描述，而數據故事中的故事板則是對核心論點的引導與強調。二者一致的地方在於，都圍繞著等待解決的問題，為不同項目中的角色賦予意義。這一章為數據在 Presentation 中的重要性做了鋪墊，並為後續章節中如何突出與強調數據的所有技巧與案例起了頭。

數據圖表的選擇、簡化與強調

第 2 ~ 4 章是圖書的核心內容，依次講解了建議使用的優選圖表類型、如何過濾及調整圖表中的雜訊，以及如何通過前注意屬性突出圖表重點。

第2章，選擇合適的圖表。作者的多年編制幻燈經驗，幫助她從上百種數據類型精簡出推薦使用的 6 種。對於每種圖表類型，也同時點明了應該避免出現的錯誤做法。出於對精確標識數據的緣故，作者不建議採用3D圖表；由於同樣的原因，雙Y軸圖表也容易導致數據混淆，不利於突出數據內容。

第3章，雜亂與認知負荷。格式塔理論是本章的核心內容。格式塔是每一個人都應該有所認知的版式原則，知道原理，才能舉一反三，去避免圖表中可能會踩到的版式陷阱。最後對一個默認圖表進行元素刪減來突出數據的例子，有助於了解實踐中應該如何避免雜亂無序。

第4章，專門篇章講解如何突出圖表內容。本章引入了前注意屬性這個特性，代表的是那些不需要了解內容也能讓大腦能夠在第一時間識別出來的內容，與上一章的格式塔原則有所銜接。同時，章節里也對色彩的運用進行較大篇幅的講解。在我看來，色彩是圖表展示中是最重要的因素，而作者確實也給出具有說服力的色彩搭配建議，雖然不是對色彩理論的深度說明（也沒必要），但實用性很強。

自信一些，每個人都能做到前面提到的這些內容，每個人可以培養出視覺本能上的自信。在接連著對圖表進行了選擇、去除雜訊及突出重點等操作後，作者專門用第5章來說明，通過對設計領域的通用概念的學習，每個人可以培養出視覺本能上的自信。

或許你認為自己的能力做不到美，但至少（在我看來）每個人都可以做到「不醜」。可供性是個新的概念，這個概念下對突出重點、消除干擾和建立層次分別給出論據與實例，對先前章節中所提到的一些較為細化的概念，進行了歸整與概括。

圖表案例的講解與總結

在第6章的「剖析樣例圖表」中，作者對上文所述的集中類型圖表的一些應用要點進行了詳細講解，從坐標軸的選擇到數據點的標記；從圖表文本的精簡到圖表顏色的重構，每一個例子都是對前面章節所提到技巧的再次提點，不過由於搭配了特定的圖表類型，在指導實際工作方面有與先前章節不同的意義。講故事這件事可以很簡單從根本上講，故事表達了生活如何以及為何改變。

第7章專門講到了如何去說一個好故事。故事的三段論結果、敘述順序，保持故事清晰，確保重復故事主題，這些可執行性較高的技術層面內容通過不斷練習就有機會習得。但故事之所以吸引人，是在於「變化」沒有變化的事情提不起其他聽眾的興趣，而所有技藝，都是在為如何使變化變得更吸引人而產生的。

如果你的故事沒有變化，作者建議作為讀者的你再好好思考下，我倒是有兩個小建議： 1. 事情的變化可以來自內部、也可以來自外部，可以是增長、也可以是消耗； 2. 一個不斷讓個人成長的技巧就是確立目標，然後努力實現目標，完成目標的過程，就是你在書寫自己的故事。

從理論到實踐

第8章雖然只涉及一個案例，但經過與本書章節目錄相一致的逐一改善後，所獲得的改良結果驚人地出色。故事策略、受眾選擇、數據故事主線、突出重點、剔除雜訊，以及講故事的各種技巧，這些講解時紛紛深入細節的特性，綜合起來提現了非同凡響的巨大威力。

最終優化出來的圖表證明了作者的經驗與身後實力。同時，章節里對於前屬性有所側重的選擇強調，以及對於 Excel 原生模板的一些小貼士，都很吸引人一直讀下去。

數據可視化領域需要所有人的參與

對於數據可視化，不存在唯一的正確的做法。

第9章的案例研究，通過案例重述了一些具備實踐性的要點。顏色影響基調，盡量用白色背景；動畫是獲取觀眾關注的一種展示策略；順序由數據故事的核心論據來確定；花式交叉的線條圖表不建議使用，如果可以通過分隔、組合與色彩等區分會使其得到改善；替代餅圖的圖形很多，但需要通過對數據本身的主題來評估確定具體採用什麼替代圖形；

最後的思考

數據可視化沒有正確答案，是一種有目的、藝術化、各自表達的信息展示形式。本章提到的幾點建議對於做好任何事情都能提供幫助。

1）榜樣的力量在我看來為尤為重要，精彩的例子能夠讓你發掘技藝的可能性，而不那麼完美的實例，則能從錯誤中去學習，避免踩坑與繞彎。從自己摔倒的地方爬起來能得到鍛煉，看別人摔倒也能得到警醒。

2）享受並尋找自己的風格也很重要，在千篇一律的模板與配色中，堅持並找到自己講述數據故事的特色，會給你帶去更多成就感。