什么叫数据故事

❶ lol八周年数据故事怎么看 英雄联盟战绩

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

2、进入上面的官网之后，登录自己的lol账号即可查询数据。其实所谓的“八周年趣味数据”，就是能够让你回顾起来自己是何时注册的lol账号，召唤师生日是多少，最早的段位是多少，当前的段位是纳告多少，拥有的英雄有哪些，最喜欢用的英雄又是哪些...这些数瞎茄雀据都可以回顾起来。磨早

3、在平台上还记录了你的光辉时刻，在这里你可以看到自己最高达到过的段位是多少，战胜过多强的游戏高手，并且统计了好朋友与你的开黑的数据，看看究竟是谁坑队友。

❷ 数据挖掘中最经典的例子"啤酒+尿布"是怎么回事

在一家超市中，人们发现了一个特别有趣的现象：尿布与啤酒这两种风马牛不相及的商品居然摆在一起。但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。这可不是一个笑侍烂话，而是一直被商家所津津乐道的发生在美国沃尔玛连锁超市的真实案例。

美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。这个发现最终为商家带来了大量的利润。

(2)什么叫数据故事扩展阅读：

《啤酒与尿布》是2008年清华大学出版社出版的图书，作者是高勇。该书讲述了啤酒和尿布销售之间的联系和启示。

该故事是数据挖掘技术对历史数据进行分析的结果，反映数据内在的规律。另外，沃尔玛老瞎漏派神亮出市场调查人员和分析师对这一数据挖掘结果进行调查分析。大量实际调查和分析揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种消费行为倾向：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

参考资料：

网络-啤酒与尿布

❸ 数学小故事10个字

1、泰勒斯看到人们都在看告示，便上去看。原来告示上写着法老要找世界上最聪明的人来测量金字塔的高度。于是就找法老。

法老问泰勒斯用什么工具来量金字塔。泰勒斯说只用一根木棍和一把尺子，他把木棍插在金字塔旁边，等木棍的影子和木棍一样长的时候，他量了金字塔影子的长度和金字塔底面边长的一半。把这两个长度加起来就是金字塔的高度了。泰勒斯真是世界上最聪明的人，他不用爬到金字塔的顶上就方便量出了金字塔的高度。

2、战国时期，齐威王与大将田忌赛马，齐威王和田忌各有三匹好马：上马，中马与下马。比赛分三次进行，每赛马以千金作赌。由于两者的马力相差无几，而齐威王的马分别比田忌的相应等级的马要好，所以一般人都以为田忌必输无疑。

但是田忌采纳了门客孙膑（着名军事家）的意见，用下马对齐威王的上马，用上马对齐威王的中马，用中马对齐威王的下马，结果田忌以2比1胜齐威王而得千金。这是我国古代运用对策论思想解决问题的一个范例。

3、动物学校举办儿歌比赛，大象老师做裁判。小猴第一个举手，开始朗诵：“进位加法我会算，数位对齐才能加。个位对齐个位加，满十要向十位进。十位相加再加一，得数算得快又准。”

小猴刚说完，小狗又开始朗诵：“退位减法并不难，数位对齐才能减。个位数小不够减，要向十位借个一。十位退一是一十，退了以后少个一。十位数字怎么减，十位退一再去减。”

大家都为它们的精彩表演鼓掌。大象老师说：“它们的儿歌让我们明白了进位加法和退位减法，它们两个都应该得冠军，好不好？”大家同意并鼓掌祝贺它们。

4、气象学家Lorenz提出一篇论文，名叫《一只蝴蝶拍一下翅膀会不会在Taxas州引起龙卷风》论述某系统如果初期条件差一点点，结果会很不稳定，他把这种现象戏称做“蝴蝶效应”。

就像我们投掷骰子两次，无论我们如何刻意去投掷，两次的物理现象和投出的点数也不一定是相同的。

这故事发生在1961年的某个冬天，他如往常一般在办公室操作气象电脑。平时，他只需要将温度、湿度、压力等气象数据输入，电脑就会依据三个内建的微分方程式，计算出下一刻可能的气象数据，因此模拟出气象变化图。

5、阿基米德有许多故事，其中最着名的要算发现阿基米德定律的那个洗澡的故事了。

国王做了一顶金王冠，他怀疑工匠用银子偷换了一部分金子，便要阿基米德鉴定它是不是纯金制的，且不能损坏王冠。

阿基米德捧着这顶王冠整天苦苦思索，有一天，阿基米德去浴室洗澡，他跨入浴桶，随着身子浸入浴桶，一部分水就从桶边溢出，阿基米德看到这个现象，头脑中像闪过一道闪电，“我找到了！”

阿基米德拿一块金块和一块重量相等的银块，分别放入一个盛满水的容器中，发现银块排出的水多得多。于是阿基米德拿了与王冠重量相等的金块，放入盛满水的容器里，测出排出的水量。

再把王冠放入盛满水的容器里，看看排出的水量是否一样，问题就解决了。随着进一步研究，沿用至今的流体力学最重要基石——阿基米德定律诞生了。

❹ 有没有小故事能讲述数据分析的重要性啊

某比萨店的电话铃响了，客服人员拿起电话。

客服：XXX比萨店。您好，请问有什么需要我为您服务 ？
顾客：你好，我想要一份……
客服：先生，悉返晌烦请先把您的会员卡号告诉我。
顾客：16846146***。
客服：陈先生，您好！您是住在泉州路一号12楼1205室，您家电话是2646****，您公司电话是4666****，您的手机是1391234****。请问您想用哪一个电话付费？
顾客：你为什么知道我所有的电话号码？
客服：陈先生，因为我们联机到CRM系统。
顾客：我想要一个海鲜比萨……
客服：陈先生，海鲜比萨不适合您。
顾客：为什么？
客服：根据您的医疗记录，你的血压和胆固醇都偏高。
顾客：那你们有什么可以推荐的？
客服：您可以试试我们的低脂健康比萨。
顾客：你怎么知道我会喜欢吃这种的？
客服：您上星期一在中央图书馆借了一本《低脂健康食谱》。
顾客：好。那我要一个家庭特大号比萨，要付多少钱？
客服：99元，这个足够您一家六口吃了。但您母亲应该少吃，她上个月刚刚做了心脏搭桥手术，还处在恢复期。
顾客：那可以刷卡吗？
客服：陈先生，对不起。请您付现款，因为您的信用卡已经刷世猜爆了，您现在还欠银行4807元，而且还不包括房贷利息。
顾客：那我先去附近的提款机提款。
客服：陈先生，根据您的记录，您已经超过今日提款限额。
顾客：睁锋算了，你们直接把比萨送我家吧，家里有现金。你们多久会送到？
客服：大约30分钟。如果您不想等，可以自己骑车来。
顾客：为什么？
客服：根据我们CRM全球定位系统的车辆行驶自动跟踪系统记录。您登记有一辆车号为SB-748的摩托车，而目前您正在解放路东段华联商场右侧骑着这辆摩托车。
顾客当即晕倒。。

❺ 什么是大数据，大数据的典型案例有哪些

"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。
数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
数据存取：关系数据库、NOSQL、SQL等。
基础架构：云存储、分布式文件存储等。
数据处理：自然语言处理(NLP，NaturalLanguageProcessing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。
统计分析：假设检验、显着性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。
数据挖掘：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
模型预测：预测模型、机器学习、建模仿真。
结果呈现：云计算、标签云、关系图等。
要理解大数据这一概念，首先要从"大"入手，"大"是指数据规模，大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity)，即体量大、多样性、价值密度低、速度快。

第一，数据体量巨大。从TB级别，跃升到PB级别。
第二，数据类型繁多，如前文提到的网络日志、视频、图片、地理位置信息，等等。
第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。
第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。

大数据技术是指从各种各样类型的巨量数颂闹据中，快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。目前所说的"大数据"不仅指数据圆樱孝本身的规模，也包括采集数据的工具、平台和数据分析系统。大数据研发目的是发展大数据技术并将其应用到相关领域，通过解决巨量数据处理问题促进其突破性发展。因此橘稿，大数据时代带来的挑战不仅体现在如何处理巨量

❻ 有关数据库的小故事

故事一、啤酒与尿布
世界零售连锁企业巨头沃尔玛拥有世界上最大的数据仓库系统之一，里面存放了各个门店的详细交易信息。为了能够准确了解顾客的购买习惯，沃尔玛利对顾客的购物行为进行了购物篮分析，想知道顾客经常一起购买的商品有哪些，结果他们有了意外的发现：“跟尿布一起购买最多的商品竟是啤酒！”
这是数据挖掘技术对历史数据进行分析的结果，它符合现实情况吗？是否是一个有用的知识？源陆肆是否有利用价值？
于是，沃尔玛派出市场调查人员和分析师对这一挖掘结果进行调查分析。经过大量实际调查和分析，揭示了一个隐藏在“尿布与啤酒”背后的美国人的一种行为模式：一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。
既然尿布与啤酒一起被购买的机会很多，于是沃尔玛就将尿布与啤酒并排摆放在一起，结果是尿布与啤酒的销售量双双增长。
按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
故事二、犯罪的根源
格洛斯特郡是英格兰西部的一个郡，大约有五十多万人口。在有一段时间内，悉告发生了多起抢劫案，民众不再感觉到安全，对郡警察局的舆论压力也陡然增加了，强烈要求及时破获这些案件，并避免案件的进一步发生。警方一方面在加快破案的同时，也在努力思考怎么样才可以降低发案率。
按照传统的做法，一般会采取这样的措施：锁定抢劫案的多发地区，加派警力进行巡逻，对行为异常的人员加强盘查等等。然而，格洛斯特郡警察局发现，这些措施的收效甚微，发案率依然居高不下，因为抢劫案的发案地点并不集中，分散在多个不同的街区，这让巡逻警力的安排显得捉襟见肘，难以全面顾及。
此时，来自警察局内部的分析系统却有了新的发现。系统中保存了多年的案件和案犯的卷宗信息，通过利用数据挖掘等分析技术，揭示出最近这段时间的抢劫犯具有一些非常显着的特征：他们大多是没有固定住所，无家可归，而且也没有稳定的工作。另外，在很多抢劫案发生前，这些罪犯都吸食了毒品。正是在毒品的刺激作用下，他们失去了自控能力，临时见财起意，对单身女性或情侣实施抢劫。
新的发现给警察局带来了新的思路，警方当机立断，对原来的增加警力加强巡逻的做法进行了调整，改为采取如下措施：一是加强对无业人员和有吸毒前科人员的管理，并通过社会福利机构对他们实施救助；然后，加强雹轿了对毒品交易易发场所的严打和治理，从源头上掐断毒品的供应。
治理得到了良好的效果，抢劫案的发案率迅速降低，格洛斯特郡的人们又重新恢复了平静的生活。
故事三、电邮加新闻
Yahoo是第一家招募了首席数据官的公司，以验证对公司而言，数据的确是一笔真实而有战略意义的财富。目标是通过提供以客户为中心的数据平台和洞察力服务，激励用户积极参与，对营销方案进行创新，从而为消费者和卖家带来价值。Usama Fayyad博士是Yahoo的首席数据官，他在和KDnuggets的Gregory的访谈中介绍了一些Yahoo在数据挖掘方面的成功案例。
“产品整合：一个例子就是你今天在Yahoo电子邮箱上看到的，数据挖掘的可视结果。通过对用户使用行为的意外模式分析，我们发现在每次会话中，人们阅读邮件和阅读新闻的行为之间存在很强的相关关系。我们把这个发现传达给Yahoo电子邮箱产品小组，他们首先想到的就是验证这种关系的影响：在一组测试用户的邮箱首页上显示一个新闻模块，其中的新闻标题被醒目显示。”
“对于象电子邮箱这种产品，最头痛的问题就是如何获取新的‘轻量级用户’，并推动他们的用量，使之变成‘重量级用户’。如果你做到了，那么流失率就会显着下降。实际上，在我们的试验中，最显着的一组流失率下降了40%。于是Yahoo立刻开发并完善了新闻模块，并嵌入Yahoo电子邮箱的首页，到现在，上亿的消费者都可以看到并使用这种产品。我喜欢提及这个故事，因为它很好地说明了我们产品团队的及时反应能力，也证明了在用户使用行为数据中蕴含着很多很多极具价值的潜在模式。”
“即时通信：我们对雅虎通（Instant Messenger）的使用情况进行了分析，以了解激励用量的关键因素是什么。结果发现，最重要的因素是让用户扩大他们的‘好友列表’，至少增加5个新的好友。据此Yahoo精心设计了相应的营销活动，鼓励用户增加好友列表中的好友数，从而显着激励了雅虎通的用量。”
“Yahoo首页的搜索框：一个简单的例子就是我们发现，在Yahoo的首页上，把搜索框放在居中的位置（而不是以前的左侧）将提高用户的用量。这样一方面可以促进用户的积极使用，对Yahoo来说也没有成本支出。这个结果的发现过程也很有趣，我们首先发现Netscape浏览器的用户比IE的用户更多地使用了搜索功能，进一步探查发现两个浏览器在视觉上的唯一区别就是：二者中的搜索框位置不同！搜索框在Netscape浏览器中是居中放置，而在IE中则是靠近左侧。很不明显的差别，但却很重要。一般谁会想到呢？”

❼ 《用数据讲故事》读后感

Cole Nussbaumer Knaflic 在她的《用数据讲故事》这本书里用大量实用技巧与案例向读者证明，巧妙地使用数据作为主角串联并撑起整个幻灯的结构，会给你带来一份优秀作品。书中不仅告诉你幻灯讲解与编排的技巧，也将教会你如何使用数据强调自己的观点。

以数据为中心搭建叙述框架

第 1 章，上下文的重要性。受众决定了我们讲解的内容，以及我们讲解内容的方式。章节末尾关于“故事板”的介绍很重要，这是在分析了受众、确立故事中心思想及重点之后，可视化地将故事从头至尾平铺开来，再进行统一评估的好办法。同样的步骤也在产品设计流程中有所提及。后者着眼于对用户故事的描述，而数据故事中的故事板则是对核心论点的引导与强调。二者一致的地方在于，都围绕着等待解决的问题，为不同项目中的角色赋予意义。这一章为数据在 Presentation 中的重要性做了铺垫，并为后续章节中如何突出与强调数据的所有技巧与案例起了头。

数据图表的选择、简化与强调

第 2 ~ 4 章是图书的核心内容，依次讲解了建议使用的优选图表类型、如何过滤及调整图表中的杂讯，以及如何通过前注意属性突出图表重点。

第2章，选择合适的图表。作者的多年编制幻灯经验，帮助她从上百种数据类型精简出推荐使用的 6 种。对于每种图表类型，也同时点明了应该避免出现的错误做法。出于对精确标识数据的缘故，作者不建议采用3D图表；由于同样的原因，双Y轴图表也容易导致数据混淆，不利于突出数据内容。

第3章，杂乱与认知负荷。格式塔理论是本章的核心内容。格式塔是每一个人都应该有所认知的版式原则，知道原理，才能举一反三，去避免图表中可能会踩到的版式陷阱。最后对一个默认图表进行元素删减来突出数据的例子，有助于了解实践中应该如何避免杂乱无序。

第4章，专门篇章讲解如何突出图表内容。本章引入了前注意属性这个特性，代表的是那些不需要了解内容也能让大脑能够在第一时间识别出来的内容，与上一章的格式塔原则有所衔接。同时，章节里也对色彩的运用进行较大篇幅的讲解。在我看来，色彩是图表展示中是最重要的因素，而作者确实也给出具有说服力的色彩搭配建议，虽然不是对色彩理论的深度说明（也没必要），但实用性很强。

自信一些，每个人都能做到前面提到的这些内容，每个人可以培养出视觉本能上的自信。在接连着对图表进行了选择、去除杂讯及突出重点等操作后，作者专门用第5章来说明，通过对设计领域的通用概念的学习，每个人可以培养出视觉本能上的自信。

或许你认为自己的能力做不到美，但至少（在我看来）每个人都可以做到“不丑”。可供性是个新的概念，这个概念下对突出重点、消除干扰和建立层次分别给出论据与实例，对先前章节中所提到的一些较为细化的概念，进行了归整与概括。

图表案例的讲解与总结

在第6章的“剖析样例图表”中，作者对上文所述的集中类型图表的一些应用要点进行了详细讲解，从坐标轴的选择到数据点的标记；从图表文本的精简到图表颜色的重构，每一个例子都是对前面章节所提到技巧的再次提点，不过由于搭配了特定的图表类型，在指导实际工作方面有与先前章节不同的意义。讲故事这件事可以很简单从根本上讲，故事表达了生活如何以及为何改变。

第7章专门讲到了如何去说一个好故事。故事的三段论结果、叙述顺序，保持故事清晰，确保重复故事主题，这些可执行性较高的技术层面内容通过不断练习就有机会习得。但故事之所以吸引人，是在于“变化”没有变化的事情提不起其他听众的兴趣，而所有技艺，都是在为如何使变化变得更吸引人而产生的。

如果你的故事没有变化，作者建议作为读者的你再好好思考下，我倒是有两个小建议： 1. 事情的变化可以来自内部、也可以来自外部，可以是增长、也可以是消耗； 2. 一个不断让个人成长的技巧就是确立目标，然后努力实现目标，完成目标的过程，就是你在书写自己的故事。

从理论到实践

第8章虽然只涉及一个案例，但经过与本书章节目录相一致的逐一改善后，所获得的改良结果惊人地出色。故事策略、受众选择、数据故事主线、突出重点、剔除杂讯，以及讲故事的各种技巧，这些讲解时纷纷深入细节的特性，综合起来提现了非同凡响的巨大威力。

最终优化出来的图表证明了作者的经验与身后实力。同时，章节里对于前属性有所侧重的选择强调，以及对于 Excel 原生模板的一些小贴士，都很吸引人一直读下去。

数据可视化领域需要所有人的参与

对于数据可视化，不存在唯一的正确的做法。

第9章的案例研究，通过案例重述了一些具备实践性的要点。颜色影响基调，尽量用白色背景；动画是获取观众关注的一种展示策略；顺序由数据故事的核心论据来确定；花式交叉的线条图表不建议使用，如果可以通过分隔、组合与色彩等区分会使其得到改善；替代饼图的图形很多，但需要通过对数据本身的主题来评估确定具体采用什么替代图形；

最后的思考

数据可视化没有正确答案，是一种有目的、艺术化、各自表达的信息展示形式。本章提到的几点建议对于做好任何事情都能提供帮助。

1）榜样的力量在我看来为尤为重要，精彩的例子能够让你发掘技艺的可能性，而不那么完美的实例，则能从错误中去学习，避免踩坑与绕弯。从自己摔倒的地方爬起来能得到锻炼，看别人摔倒也能得到警醒。

2）享受并寻找自己的风格也很重要，在千篇一律的模板与配色中，坚持并找到自己讲述数据故事的特色，会给你带去更多成就感。