《标签类目体系-面向业务的数据资产设计方法论》 读书随记
2024-04-12 13:46:03
《标签类目体系-面向业务的数据资产设计方法论》 读书随机
第一章 因 6大数据困局
1.数据孤岛，无法打通
2.烟囱式建设，重复造轮子
3.各说各话，没有统一口径
4.鸡同鸭讲，无法穿透业务层
5.数据人员的梦魇，数据治理永远没有尽头
6.数据部门的尴尬，被命运扼住咽喉的成本中心
第二章 源 6段由来过程
解决问题-4个数据资产发展过程和2端方法论抽象过程
2.1 4个数据资产发展过程
构建消费者信息库
1.与业务层初次接触要是能提供数据就好了业务诉求转化为数据解决方案保证业务人员低成本的使用数据方案数据项，数据加工逻辑，数据使用方式，数据赋能效果2.技法业务与员使用数据兴趣0.清洗登记使用基础数据1.各类标签数据清洗登记 会员基本信息统计类 最长上网时间段，购买周期，最近一次搜索商品品类，平均客单价规则逻辑 品牌偏好，消费力等级算法 预测性别，预测年龄，人生阶段，RFM价值，电商指数，兴趣爱好，购物习惯
3.实现数据资产商业价值闭环价值线和数据线同频共振，互相迭代，企业的数据资产体系才能真正构建起来数据部门广告部合作AB测试，回流数据，ROI提高4数据事业部通过1~2年，整理100多个消费值标签，数据资产1.0
IP-Mapping打通数据
1.PC转无线无线以Cookie为核心无线设备码DeviceID,IMEI,IMSI，IDFA,MAC
2.为无线广告部提升ID识别率PC端Cooike与无线端DeviceID关联打通ID-Mapping对无线端用户的识别率可从30%提升到70%ID-Mapping数据接入，客户识别，人群圈选，透视分析，定向投放，回流优化的完整闭环链路
3.ID-Mapping技术实现各源数据打通数据资产2.0消费端，资讯端，社交端，支付端，广告端，娱乐端用户账号打通线上线下，工作，生活，娱乐，消费者全维度的肖像刻画
全集团数据共享共荣
成本中心转型利润中心
1.B2C融入
2.O2O融入，向O2O开放所有数据
3.金融数据合作，金融数据在完全脱敏情况下进入数据中心
4.数据化运营，KPI消费者标签，基本特征，社会关系，需求，偏好，能力，习惯，地理位置，信用
5.职能定位的变化实现数据价值变现，数据资产3.0
更广泛领域数据实践
扩展，数据资产4.0
对象扩展从消费者扩展到某行业或者某企业中所有核心对象的标签梳理
标签场景化需要将标签按照场景拆细，尽量客观的反映场景情况线上，线下消费力不同人是一种很复杂的动物，在不同的环境中，人的心境，喜好，自我认定都会主动或被动的发送改变，每个人都是复杂特性的集合体，在一个特征维度上，同一个人有相互矛盾的取值表征标签开发者：增加标签的场景，时空维度，真实还原出任意场景中的立体对象或者对象身上任意切片的全光谱信息
数据资产4.0
2.2 方法抽象的2个阶段
2.2.1.方法论-方法梳理
思考：设计标签的能力可不可以产品化产品经理的使命是将社会问题通过可复制的产品能力来解决，而不是单点单次地重复
1.先梳理标签还是对象计算口径不一致，数据结果不一致将重心放在标签的核心本质---“对象”只有把所有对象都整理和筛选出来，才算确立了标签生长的根基
2.对象到底分哪几类人，物，关系
3.标签类目雏形基本特征 基本属性 性别，年龄，国别地理属性资产能力游客行为 旅游准备旅游途中旅游分享游客 旅游偏好 需求偏好旅游偏好游后偏好旅游习惯 准备习惯游中习惯游后习惯
2.2.2.方法论-原理研究
思考：学术专业，学科，能找到更大的逻辑奇点，打破原有的系统边界，活动更大学科的系统边界，寻找逻辑奇点用纯逻辑，在脑中进行上百次的推演论证，直到某天“牛顿苹果”砸下
三个过程：基础理论的重要性，树立以树为原型的理论框架，不断丰富完善的过程
1.基础理论的重要性基础定义，一个概念最原始的定义
2.以树为原型的理论框架标签类目体系的基本原理框架：数据资产树的基本结构，生长原理，栽培与使用模式“树形结构的标签树”第一性理论
3.不断丰富完善的过程方法论思考完善进化
2.3 标签在数据系统中的定位
2.3.1 标签在数据资产中的定位
数据资产，看，选，用，治，评
以标签为组织载体的数据资产具有8大特征能确权可阅读易理解好使用可计量可定价可管控可增值
2.3.1 标签在数据中台中的定位
1.数据中台让企业数据用起来数据中台以数据资产为核心，数据资产可见，可懂，可用，可运营
2.标签在其中的重要位置标签是数据中台价值链路中“核心的核心”
2.4 关键数据定义
数据
对客观事件进行记录并可以鉴别的符号，是对客观事物的性质，状态及相关关系等进行记载的物理符号或这些物理符号的组合
数据资产
企业拥有或控制的，能够直接为企业带来经济利益的数据资源
数据中台
一套可持续“让企业数据用起来”的机制
标签
指从原数据加工而来，能直接为业务所用并产生业务价值的数据载体
元标签
标签的标签，对标签的属性信息梳理
类目标签
对某一类事物的分类，架构，组织方法
一级类目，二级类目，三级类目
数据类目体系
将企业原始拥有的数据字段，采用类目系统方法进行梳理锁形成的目录结构
标签类目体系
将企业业务上所需的标签，采用类目体系的方法进行梳理形成的目录结构
对象
现实世界中所需要研究的目标
人会主动发起行为动作的对象
物行为动作中的被动对象
关系人和物，人和人，物与物
场景某环境下，具体(人，物，关系)在时空中的表现午后我在发呆，机器设备运行异常
后台类目体系
面向数据资产管理人员，是企业数据资产全集，较为稳定，按照统一的分类方式进行标签的挂载，查看，管理
前台类目体系
可以根据场景，将标签按照前台场景组织新类目，形成前台类目体系
性别属于【基本属性】分类
消费力属于【能力价值】分类
前台-性别和消费力可以划分到【客户洞察】前台类目与后台类目仅存在映射关联，并不直接挪动标签物理位置，前后台想和隔离，
前台类目：灵活多变
后台类目：稳定统一
第三章 义 3点产生必要
数据资产可复用性
标签类目体系是中台概念的核心落地点
关系
前台要灵活
后台要稳定
前台后台打通
两大要义
把经常用到的数据资产提炼，沉淀下来放在中台
前台业务调用数据资源是中台能快速相应，无缝连接
标签使用范围
小系统范围使用数据，可以不用使用标签
正式构建数据资产时，用标签类目体系完整梳理与规划
数据资产化的必经之路
数据服务接口
面向业务可理解
数据价值可衡量
什么是数据商品化
数据可交易，可回报，可将数据作为一种资本运营
数据价值分配模式
标签是数据商品最适合的颗粒度
数据商品化全流程运营
第四章 道 4个核心原理
道
思维认知之道
只读书，只讲道理是没有多大用处的，这种方式转化效率低
高效方式是提升思维认知
水杯接水，往里灌水，水杯漏水,再多水也留不住，逻辑自治的思维认知就像完好的水杯，能尽可能留住吸收进来的知识，思维认知就像水杯壁，杯壁越高能装下知识和能力越多不要用有限生命学习无规则的学习无限的点状知识。
先建立成熟的思维认知，用武装好的大脑去学习最核心的理论和方法论，在现实社会中遇到具体的问题或对某方面的知识产生兴趣时，再有针对性的补充点状知识
什么是道
基础原理 --> 道 <-- 思维认知
思维认知的道思维金字塔-思维的层级理念时间层次第一性原理层次逻辑思维层次理性维度层次感性思维层次层级越高，思维工具基本越高，工具越高级，能领悟和解决的系统问题越大基础原理的道归纳法：传递快，缺点难迁移演绎法：逻辑学，有一个基石假设，根据逻辑必然可以导出结论数据资产设计的基础原理，从方法论中可以推导出任意时空场景的标签类目体系示例并作用于业务，发挥价值，将数据能量和商业价值嫁接，掌握这种能力的人就是市场上最缺乏的即懂数据，有懂业务，还会方法论的人不知道核心本质，就无法从内部结构上进行变革，获得突破性进步不要过多执着在现象级世界中，凡事都深挖一下水平面下面的核心原理，带着这样的思维习惯做事，这样的慢会是真正的快
业务域数据的连接发展
数据系统发展历程
层次一 使能 技术人员将数据使用
层次二 更快 企业人员更快地使用数据、试错的层次
层次三 智能 让数据自己生产起来、繁衍生息的层次标签类目体系方法论的第一性原理是“树形结构的标签树”，这一基础原理可通过4个核心二级理论来具体阐述：
根、枝干、叶/花
实体树和关系树
树的树干对应标签分类树的叶/花部门指向标签动，静标签区别和联系类似基因，影响群体性状设计好的标签体系像模具一样，能将该对象下具体个体形象特征快速标准的刻画出来打标签是具体标签值，标签设计是模板层面的性状设计元标签：标签的标签
能量、养分和凋零
实体树之间通过关系树连接从实体树叶子回溯打开关系树森林关系树向实体树赋予能量
实体对象的标签会随着与之相关的关系对象的增多而相应地增加和丰富起来。每新增一种动作、行为、连接，即关系树，就会在实体树上映射转化出一片新类型的叶子业务使用是对标签树的养分供给最终梳理出一片森林而非一棵树
分形结构与资产树栽种模式
类目体系结构不断分形的树，不断进化，修剪，插植
我们也无法提前知道到底那个标签会是最有价值的数据资产，一切都与环境场景密切相关
最终的标签类目形态是适应环境自然生长的结果，但并不意味着不能提前规划一个较好的类目树初始状态，可能会经理调整优化，先有一个初始形态，帮助大家理解标签类目的概念，有利于数据摄入
资产树使用模式推演
资产清单
查询服务
分析服务
圈选服务
第五章 法 完整的设计方法
三个构建前提
统一的数据思维
哲学思维：我，我是谁，我从哪里来，我将要到哪里去，我现在是什么样子，我为什么会变成现在这个样子，我将来要成为什么眼的人
数据思维数据能量，数据能量的来源，能量现状，能量潜力数据能量是什么，哪里来，如何发挥价值日常工作生活中，是不是就会发现和观察数据，思考此时数据能量的外在表现是什么，那些因素会影响这些数据能量，这些数据能量在哪里会爆发出更大的价值，我们就拥有了数据思维
企业构建统一的数据思维，以下几个方面1.数据认知数据在哪，数据价值在哪，数据怎么用2.数据架构将各业务系统中的数据进行清洗，交换，汇总，形成企业的数据中心，完成业务数据化资产中心数据整理入服务组件中，快速创建数据服务API 资产服务化3.数据服务API可直接用于业务系统或者封装成数据应用产品，支撑业务解决问题或提升业务执行效率，产生商业价值，服务业务化应用中心 应用层服务中心 服务层资产中心 标签层数据中心 数据层业务系统 业务层4.价值驱动以数据资产价值实现为最根本目标5.场景能力从数据中台中快速抽取所需的数据资产项和数据服务能力，耦合一起，供场景使用场景变化，数据资产重新组合，资产与数据服务能力之前新的耦合都会随之产生或柔性变化，新的变化并不影响企业数据架构及底层系统的稳定
充分前期调研
业务场景，需求痛点，数据摸底
正确落地思路
根据业务流程梳理数据类目体系
根据业务需求设计标签类目体系
6个步骤
识别对象
"人"是会主动发起行为的主体；“物”是行为中的被施与对象；“关系”指人和物、人和人、物和物等在某时某刻发生的某种连接，包括行为关系、归属关系、思维关系等各种强、弱关系。
同一对象数据打通
由于同一个对象在多处系统留存有按不同ID组织的信息记录，因此需要进行多种ID间的同一对象识别打通。ID-Mapping技术,One-ID
4种级别ID第一级别ID：强身份属性ID，例如身份证信息、护照编号、驾驶证编号、人脸ID、指纹ID、虹膜ID等，是真实社会中用来唯一标识个体的编号
第二级别ID：设备相关的ID，例如手机号、收集IMEI、收集IDFA、手机MAC、PC MAC等，它们和个体密切相关
第三级别ID：注册账号相关的ID，例如支付宝账号、淘宝账号、微信账号、水表账号、医保账号、游戏账号等。它们常常体现个体的社会化行为
第四级别ID：临时记录相关的ID，例如Cookie、IP地址、GPS定位、操作行为等，这类ID是一种弱ID，当没有更高级别ID可用时，也可用它们来与核心ID建立临时关系ID与ID间的关联运算
数据化的事物表达
将现实世界进行快读的数据映射
业务问题转化为数据问题
构建数据类目体系
构建标签类目体系
设计标签标签设计的5种思路
从核心词属性角度发散
从包含、拥有角度发散
从详细内容角度思考
从发展过程角度思考
有一种特别的标签设计思路来自对相同类型事物的统一抽象。如果需要突出类型，也可以将取值转化为标签：为标签各取值加上“是否”前缀或“程度/指数”后缀
前后台标签类目体系
在构建完企业的完整标签类目体系后，需要将其进一步加工为前后台类目。
场景1.我花了100元买了一条连衣裙（人 货 交易）2.一个下午我在空想（只有我）3.这堆商品在这里放5天了（只有商品）
前台标签类目侧重对业务常见的响应，根据业务需求来汇集所需标签集合，并根据业务的理解对标签进行分类，以供业务系统或数据应用调用，灵活可配置
完整的前后台类目设计步骤
确认对象（全集），对象管理，梳理后台类目，后台类目管理，类目下挂载标签（全集），后台标签类目构建完成，确定前台场景，确定场景对象(子集），梳理前台类目，前台类目管理，类目下挂载标签（子集），前台场景类目构建完成从企业现有业务需求和数据情况出发，识别出对象有哪些
确定这些对象作为标签类目体系的根目录
梳理各个根目录下所有可能的标签，采用类目体系结构会标签进行分类
对后天目录进行记录、规划、统一管理
在各个后台类目下放入具体标签
后台标签类目体系构建完成，这是对企业全部标签的类目管理，形成标签类目涉及文档或可查阅的系统信息
根据业务场景需要，确定某个数据应用场景，即前台
确定该前台场景中所涉及的对象，原则上前台对象是后台所有对象的子集
根据前台数据应用场景涉及，梳理所需标签和前台类目结构
将前台类目进行记录、调整、统一管理
在各个前台类目下放入需要用到的标签
第六章 术 使用技法与重要问题
标签规范
标签化
根目录指向标签所属的对象？
类目是对标签的分类
标签是对象的属性，颗粒度到字段级
标签值是对象属性的具体取值
元标签
标签所属根目录标签所属类目标签所属类目就是上文提到的标签所属一级目录、二级目录、三极目录等。标签名标签命名应遵循三大原则：避免产生侵犯隐私的误解，同一标签使用同一标签名称，同类标签使用同类语句结构。标签命名的基本规范如下：（1）格式规范（2）用词规范（3）内容规范标签描述对标签名用一两句话进行解释，避免标签名由于用词过于简短而存在歧义、模糊、多义等问题。标签加工类型三类加工标签定义原始类标签：原始数据表中就存在的字段，经过简单的规整后成为标签，即可被业务人员使用。统计类标签：原始数据通过ETL加工，例如求和、平均、正则表达式、规则运算等简单数学函数运算算法类标签：原始数据通过算法模型计算后的深加工类标签，例如经过模式识别、深度学习等算法模型运算后得出的综合评分、预测指数等统计类复合标签的设计可参考以下设计模板，在原子标签基础上，增加维度信息去详细刻画或扩展某一类属性，即将【场景】+【时空修饰】+【计算方法】+【可修饰词】等信息联合作为修饰词。A. 【场景】往往指的是某行为场景，例如电商交易、线下交易等。B. 【时空修饰】指的是收缩到某时间纬度、某空间维度下对原子标签的统计，时间修饰有最近1天、最近7天等。空间修饰有华东区域、浙江区域、杭州区域、移动端等不同地域划分或渠道类型。C. 【计算方法】指的是不同统计计算方法，常见有求和、求平均、求最大值等。D. 【可修饰词】往往与场景密切相关，例如：“电商交易”场景下按照品类划分为“电子产品”、“服装”等。按照客户类型可划分为“VIP客户”、“新客户”等将上述因素组合在一起，就可以生成统计类符合标签，eg：最近一个月移动端电子产品交易总金额标签逻辑标签逻辑指对 标签开发方式、加工过程、计算逻辑等的描述。原始类标签：逻辑一般表达为对a表中的m字段经过简单清洗后直接采用。统计类标签：逻辑往往是历史累计/最近N天/最近N个月/最近一次XX行为的发生频率/常发时间/常发地段/数量统计/次数统计/金额统计等。算法类标签：逻辑一般需要定义清楚，需纳入算法模型处理的重要特征项、正负样本定义或学习样本逻辑、模型选型及模型结构、模型输出结果形式及阈值分段设定、希望的模型预测结果性能指标等。值标签值字典即标签各种可能取值的枚举。取值类型取值类型即标签值的数据类型。示例举1~2个标签值示例， 以帮助开发人员、业务人员更好地理解标签定义。更新周期原始类标签：标签取值不太会发生变化，可将更新周期拉长；统计类标签，可对原始数据以每1天、每7天、每月等频率更新，来设计这个标签的更新周期；算法类标签：往往设计算法模型迭代优化，因此会每季度或每半年更新一次，更新周期介于原始类标签和统计类标签之间。安全等级建议构建1~4等级的安全定级（L1~L4）：L1：公开标签，可对外公开，是最为开放的数据标签，安全等级最低；L2：内部标签，是在企业/机构内部跨部门可直接流通、申请、使用的数据标签，安全等级较低；L3：保密标签，企业内部跨部门使用需要申请授权，批准后才能使用的标签，安全等级较高；L4：机密标签，是企业/机构内部少数人才可以使用的标签，且不可传播，安全等级最高。各企业/机构可根据自身实际情况，对L1~L4级别的标签设置不同的申请、操作、使用权限。标签对应的物理存储信息物理表名，字段标签负责人 完成时间最近一次逻辑确认开发完成的时间，算法类标签最近一次稳定建模运行的时间
标签问题
一个标签是否能够多挂，根据业务自己权衡
当一个叶子类目中有一些深度加工的标签时，是否需要放入原始字段和终极字段，尽量不要
一个对象实例的某一标签值只允许存在一条
人 物 关系各标签间的转化
证件号是物的标签，拥有的证件号是人的标签
组合标签
组合标签工具
同一对象乘法处理，映射是否白富美（20~30，女，月入1W以上）
不同对象间是否满足某某活动要求，持有信用卡，满足某某活动要求
如何使用标签
什么是平台级复用
代码级，组件级，产品级，平台级（搭积木，零代码，低代码）
标签使用自由，快速查找，
数据分析，帆软BI,QuickBI
标签怎样运营
设计
开发
上架
使用
治理
运营
标签质量怎么看
数据源相关指标
数据源安全性：数据源数据的安全程度，是否合法取得、是否得到用户授权许可等都会间接影响标签的数据安全性
数据源准确性：数据源数据的准确性，是第一现场取得，间接获取，还是边缘推算，都与标签最终的准确性有关
数据源稳定性：数据源数据产生的稳定性，包括产生周期的稳定性、产生时段的稳定性、产生数据量的稳定性、产生数据格式的稳定性、产生数据取值的稳定性等
数据源时效性：数据源数据从第一现场产生到传输录入的时间间隔，行为类数据时效性会间接影响标签准确性
数据源全面性：数据源数据是否全面，各个层面的数据是否都能整合打通，进行全域计算
数据源相关指标
标签测试准确率：标签在建模、测试过程中得到的准确率，是一种类似试验性质的初始准确率，供参考。
标签产出稳定性：标签每天计算、加工、产出时间的稳定性，能否准时产出也是业务人员使用标签时重点考虑的指标。
标签生成时效性：标签生成的时间间隔，时间间隔越短，时效性越强。时效性对实时类标签尤为重要。
标签取值覆盖量：具有某标签的有效标签值的对象个体数量。对于每个对象个体的数据完善程度不同，同一个标签能覆盖到的对象群体不同。
标签完善度：标签有很多元标签信息，即标签的“标签”，这些元标签信息的完善程度是业务使用的可用性指标。
标签规范性：标签的元标签信息是需要按照规范格式登记的，包括现有标签的元数据信息是否合规以及合规程度如何。
标签值离散度：标签取值是集中在某个数值区间或某几个取值，还是呈相对凭据分布。离散度没有绝对的好坏，一般场景下离散度越高越好，说明能找出具有不同特征值的各类群体。
标签使用过程相关指标
标签使用准确率：标签在使用过程中，经过业务场景验证、反馈得出的标签准确率，是一种较为真实的准确率判断。
标签调用量：标签平均每日的调用量、今日当前累计调用量、历史累计调用量、历史调用量峰值都可参考的调用量信息，反映该标签被业务真是调用的次数。
标签受众热度：标签被多少业务部门、业务场景、业务人员申请使用，可以反映标签的适用性、泛化能力。
标签调用成功率：某标签的真实使用场景中，调用成功次数（历史总调用次数-调用失败次数）占总调用次数的比例。
标签故障率：某标签在真实使用场景中，累计故障时长占总服务时长的比例。
标签关注热度：对标签在标签门户中被搜索、浏览、收藏、咨询、讨论等的热度进行综合计算得出的热度。
标签持续优化度：该标签是持续被开发人员迭代优化，还是尚处于一次开发阶段，反映了该标签被反复锤炼、持续优化的程度。
标签持续使用度：标签被业务申请使用后，平均被调用时长、频率及推广情况，反映了该标签是否真正为业务带来价值。
标签成本性价比：将标签加工过程中产生的数据源成本、计算成本、存储成本与其为业务带来的价值、调用量、应用重要程度等进行综合计算，得到的性价比指标，是一个纵观成本和价值的平衡参数
标签成本怎么看
信息化建设
数据埋点
数据补录
数据爬虫
数据收购
数据合作数据设计，数据加工
计算，存储成本
标签价值怎么看
市场价值
社会价值
标签方法论与数仓建模的异同
建设思路标签：不断积累，创建积木零件，搭积木方式快速拼装出满足也无需求的数据服务和数据应用，场景变化时，可以更换适配的积木零件，快速适应场景需要
建设角度标签：对象建模
互相共存业务层标签层数仓层原始数据层
第七章 器 标签工具和经典模板
第八章 践 从标签到应用的5个最佳实践
第九章 果 价值 案例 经验分享
《标签类目体系-面向业务的数据资产设计方法论》 读书随记相关推荐
- 很多人读书，追求的是干货，寻求的是立刻行之有效的解决方案。 其实这是一种留在舒适区的阅读方法。 在这个充满不确定的年代，答案不会简单的出现在书里
很多人读书,追求的是干货,寻求的是立刻行之有效的解决方案.其实这是一种留在舒适区的阅读方法.在这个充满不确定的年代,答案不会简单的出现在书里,因为生活根本就没有标准确切的答案,你也不能期望过去的经验能 ...
- 从来没有人读书，只有人在书中读自己，发现自己或检查自己
现代人的生活节奏都很快,很多时候,没办法拿出整块的时间来阅读和学习.而我则是那个喜欢阅读的人,我愿意通过我的阅读,挑选或者总结归纳一些精美的句子,分享给大家,希望能给你带来支持和力量.哪怕是心灵鸡汤, ...
- 说服审稿人，只需牢记这 8 大返修套路！
本文作者:雁门飞雪 如果说科研是一场修炼,那么学术界就是江湖,投稿就是作者与审稿人或编辑之间的高手博弈. 在这一轮轮的对决中,有时靠的是实力,有时靠的是技巧,然而只有实力和技巧双加持的作者才能长久立于 ...
- SCI论文审稿时审稿人需要回答的几个问题 [ 作者需要说服审稿人的几个问题 ]
1. 论文对行业领域有贡献吗? 2. 这篇论文在技术上可靠吗? 3. 主题是否以全面的方式呈现? 4. 所提供的参考资料是否适用且充分? 5. 推荐的结果是什么(接收,拒绝后修改重投,拒绝)? 6. ...
- 你的团队需要一个会讲故事的人读书笔记
本书是一本讲述理论的图书,看完后最大的感受是当初应该尽量的购买原本读物.这本书宣讲的主题我认为非常好,第一次读这类主题的书,再结合上当下工作环境,感觉本书给了我一定的启发,整体下来这书值得一看,当然如 ...
- 一文解析|首个上榜科创板的机器人企业，江苏北人“闯关记”
来源:机器人大讲堂 摘要:随着上交所公布了科创板首批受理上市申请的企业名单,这九家企业的每一家都被拿到放大镜下细细观察,评头论足.而其中,江苏北人作为登上科创版的首家机器人企业似乎受到的关注最多. 江 ...
- 为什么word下面有红线_这4个Word细节不做好，老板看了都想骂人！赶紧记下来
一个人的专业度体现在他日常办公中,尤其是处理的文档资料,会被老师.同学.领导.同事等无数人看到,每一个细节,都会影响别人对你评价. 比如下面案例,就是一份错误百出极不专业的反面典型. 一份文档应该留意 ...
- 大话通信和计算机网络,《大话通信》读后感 - 通信人读书 - 通信人家园 - Powered by C114...
读完<大话通信>这本书,我第一感叹,这么多年了(大学毕业后,如果大学没有学分压力,也应该算在内),竟然<大话>是我最主动认真研读的一本专业方面的书,读完之后真是觉得惭愧,这么多 ...
- 我是如何长期坚持阅读的：简易读书习惯培养｜牛人读书炼成记
大家好,今天我再给大家分享一篇我的知识星球「突破圈层,个体崛起」中的精华文章吧,看完这篇文章,你最后不得不感叹为什么优秀的人会这么优秀? 这篇文章还是来自于星球里的超体:章峰,这应该是我在公众号里第二 ...
- 读书随记-力微莫劝人
人在比较弱小的时候,不太适合去安慰别人,也不太合适给别人建议,因为没有说服力呀,朋友也不怎么会认可你的思路.
最新文章
- centos7搭建git+maven+jenkins快速集成、部署环境（docker方式）（一）
- 【DIY】玩转VFD荧光屏，自制VFD时钟全资料（原理图+源码+PCB）
- linux shell ls -l,linux之ls -l|grep ^-|wc -l命令 Shell 中常見的日志統計方法
- 矩形脉冲信号的_IQ信号的解调学习
- LeetCode 1819. 序列中不同最大公约数的数目
- 网安入门须知：Python基础导读
- fullPage最后一屏自适应
- oracle select between and,oracle中的between和and的问题 | 学步园
- 用友u8 php,php读取用友u8采购入库单列表及详细
- 产品经理面试必问5大问题 （六）
- 通过 mpu6050加速度计算角度
- 怎么把桌面计算机的快捷,教你在电脑桌面如何设置“一键关机”快捷图标的教程...
- 普通IPC接入神目爱买系统操作说明（智能人脸抓拍盒利旧方案）
- Excel：批量将某字符替换为“换行符”
- 批量上传不同图片(网易邮箱添加附件的应用)
- 天猫高管全面解读大快消2018新零售打法
- python cpu count_Python multiprocessing.cpu_count方法代码示例
- 极客星球 | FATE联邦学习框架理论与应用初探
- 数据大屏可视化-highcharts-3D实心饼图
- 易语言实现串口扫描与串口通信
热门文章
- 路径规划算法3 改进的人工势场法（Matlab）
- 浅谈友情链接对网站的影响
- css符集图标显示不出来,CSS3 icon font完全指南(CSS3 font 会取代icon图标)
- YDOOK: ANSYS Maxwell 19 教程19：Maxwell 2D Insider Selection 网格划分
- AD画PCB飞线显示不全，DRC检查不出来
- 06CookieSession-10. HttpSession实现原理分析
- 基础java项目６（ notic）
- cad模糊查询符号_模糊查询（排除%等通配符并支持不连续关键字查询）
- 用scrollTop制作一个自动滚动公告栏
- eclipse——新建JSP页面为默认模板的设置