在Hive这类分布式计算框架里，数据分布不均匀，导致某些节点处理的数据量远大于其他节点，进而影响整体性能。例如，就像10个人分100个苹果，其中9个人各拿1个苹果，剩下1个人要拿91个。这时候拿91个的人会花很长时间，等他吃完其他人才开始吃，最后整体完成时间完全取决于这个最慢的人。习惯1：写SQL前先做「数据体检」FROM tableLIMIT 10;-- 看TOP10的数据量是否均衡看空值：用S

小提琴图可以表示数据的密度，数据的密度越大的区域越胖。“小提琴”形状表示数据的核密度估计，每个点的形状宽度表示该点的数据密度。Serborn是基于python的可视化库，基于Matplotlib库进行构建，提供了更高级别的界面和更好看的默认风格。在Seaborn中，设置图表标题可以使用plt.title()函数，这是基于Matplotlib库的函数。为数据中的变量名，用于区分不同分类对象的线，hu

聚焦于留存》如何提高LTV》如何开发出优质产品》如何提升企业长期核心价值聚焦于流失》用户为何不在使用产品》如何挽回用户》运营策略评估流失分为：1）响应式流失：对特定的负面事件或体验做出反应，突然停止之前使用的产品或服务2）预期式流失：是渐进的、缓慢发生的、无特定触发因素驱动的流失降低流失：重视用户的感受、和用户保持沟通、与用户维系好关系（用户思维）1）我们通过Lifelines库，为分析了目前江里

可以从哪些方面进行用户研究。头部玩家重大的问题是没有的，拼的就是细节那么什么时候做用户研究呢？其实用户研究贯穿整个项目周期。用户研究在项目启动前就应该开展，并且要快于其他业务方。如果等到那个项目都启动了，实际上该做的也做了，你这个时候再去启动，一个月之后出报告，价值不大，所以这非常考验用户研究人员的先见性和实操性。

Scikit-learn是数据挖掘和数据分析的高效工具，可以实现数据预处理、分类、回归、降维、模型选择等操作。

维度建模：按照事实表、维度表来构建数据仓库模型的方法，根据维度表与事实表之间的链接方式完成数据表开发。数据域/主题域：数据域对当前业务场景或业务sop进行拆分完成建设，主题域则是通过业务使用场景去做事实表设计：围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量；维度：对当前场景分析角度描述及补充颗粒度：数据域下场景用户再细分（买家和卖家），基于M

Scikit-learn是数据挖掘和数据分析的高效工具，可以实现数据预处理、分类、回归、降维、模型选择等操作。