1、本周博学谷学习记录关于狂野大数据的HBase总结分析主要包括以下几点：基础操作：进入HBase控制台：通过命令行界面执行HBase操作。常用命令：使用status查看集群状态，list展示现有表，以及执行创建、添加、读取、修改和删除数据的基本步骤。
2、首先，我们从进入HBase控制台开始，通过简单的命令行操作，如status查看集群状态，list展示现有表，以及创建、添加、读取、修改和删除数据的基本步骤。接着，深入探讨高级shell操作，如过滤查询，例如查找特定rowkey或列名的特定模式，以及显示当前登录用户和判断表是否存在。
3、数据导入与处理是项目的关键环节。全量数据从源头导入至HDFS，确保数据集的完整性与一致性。增量数据通过HDFS与Mysql之间的交互，实现高效的数据更新与同步，提升数据处理的实时性与准确性。此外，数据从Hive导出至mysql，进一步扩展了数据的应用场景，增强了数据的可访问性和分析能力。
4、CSS定位：理解定位的实际应用：掌握CSS定位是布局的关键，它允许你为元素提供精确的位置和布局控制。定位方式：position： static：元素的默认定位方式，按照文档流正常布局。position： relative：相对定位，相对于元素在文档流中的原始位置进行偏移。
5、button按钮标签：用于提供交互功能，选择合适的type属性来控制按钮的行为。select下拉菜单标签：用于在网页中创建下拉选项列表，用户可以通过下拉菜单选择所需的选项。textarea文本域标签：提供可输入多行文本的表单控件，适用于需要用户输入大量文本的场景，如评论框、留言板等。
6、在一周的学习日志中，遇到的问题主要集中在程序报错及解决方法上。通过分析错误信息，我总结了以下几点关键点：首先，遇到“无法读取未定义的属性（读取filter）”的错误，其原因在于使用了未定义的变量。在项目的实际应用中，我发现变量名在定义和使用时出现了不一致的情况。
大数据分析的核心技术主要包括以下几点： 大数据生命周期管理 大数据生命周期管理涉及数据的整个生命周期，从数据的产生、采集、存储、处理、分析到最终的应用和归档。这一技术确保了数据在生命周期的各个阶段都能得到高效、安全的管理。 大数据技术生态 大数据技术生态是一个庞大的体系，包括各种大数据处理框架、工具、平台和服务。
大数据生命周期管理 数据采集：通过各种手段（如传感器、网络爬虫、数据库导出等）获取大量数据。数据清洗与预处理：对采集到的数据进行去重、填补缺失值、纠正错误等处理，以提高数据质量。数据存储：利用分布式文件系统（如HDFS）、NoSQL数据库等技术存储大规模数据。
大数据分析的核心技术主要包括三大方面：获取数据、处理数据和应用数据。获取数据技术包括数据采集、数据集成和数据存储，是确保数据质量的基础。处理数据技术则涵盖了数据清洗、数据预处理、数据转换和数据分析等环节，是数据分析的关键步骤。
常见的大数据存储技术包括分布式文件系统（如hadoop HDFS）、列式数据库（如HBase）、图数据库（如neo4j）等。这些技术能够高效地管理和组织数据，为大数据分析提供强大的存储支持。 大数据分析 大数据分析是对杂乱无章的数据进行萃取、提炼和分析的过程。
数据清洗 处理缺失值、异常值和重复数据，确保数据质量。数据清洗是数据分析前的重要步骤，有助于提高分析的准确性和可靠性。数据整合 将不同来源的数据整合在一起，建立统一的数据视图。这有助于消除数据孤岛，实现数据的互联互通。数据分析 运用统计学方法、数据挖掘技术等对数据进行深入分析。
对比分析法：通过对比不同时间段、不同商品类别、不同用户群体等数据，发现差异和趋势。关联分析法：利用数据挖掘技术发现数据之间的关联性，为优化商品搭配、推荐策略等提供依据。趋势预测法：基于历史数据和分析结果，预测未来的销售趋势和用户需求变化。
电商运营做数据分析主要从以下几个方面进行：构建数据分析架构：理解业务场景：首先，需要对电商业务的日常工作场景及需求有深入的理解。提出分析方法：基于业务理解，提出具有针对性的数据分析方法，以提高业务人员在数据分析环节的效率和效果。
商品品类帕累托分析：找出售卖较好及较差的商品，为运营调整营销策略提供数据支持。销售趋势分析：通过销售趋势图，发现销售异常情况，指导运营进行复盘和优化。用户行为转化漏斗：分析流量转化情况，找出转化瓶颈，优化页面和营销策略。
业务需求与痛点 对于电商平台，仅有访问量是不够的，如何提高浏览率和转化率是电商平台经营的关键。通过转化漏斗，从用户行为数据出发，分析用户行为整体转化情况，并根据不同用户行为路径的表现，解释转化率低的原因，从而减少获客成本，实现增长。
作为一名运营人员，应该分析以下指标和数据，并按照以下步骤进行数据分析：应分析的指标和数据 流量指标：PV（页面浏览量）：衡量网站或页面被访问的总次数。UV（独立访客数）：衡量访问网站或页面的独立用户数量。访问次数：用户在一个会话中访问网站的次数。
