數據分析
含有「數據分析」共 397 篇內容
全部內容
發佈日期由新至舊
又來到紐西蘭一年一度的報稅季，本次退稅比照去年，於六月初撥款入帳，本文分享自己的退稅概況，以及跟去年文章估算退稅金額的差異：2024年紐西蘭退稅金額與預期多出100紐幣，看似賺爛實則虧慘了。
這篇文章提供使用SQL找出潛在流失用戶的方法，透過分析用戶登入紀錄，判斷連續三天未登入的用戶，並提供SQL語法範例與關鍵技能說明，適用於各種需要追蹤用戶活躍度的場景。
有人問我朋友：「你怎麼會對代客記帳這麼有興趣？這不是很制式的事嗎？」我笑了。因為這句話就像在問一位陶藝家：「捏陶不是一直在重複揉泥巴嗎？」但我們都知道，有些手，是在摸出形狀；有些手，是在摸出未來的可能性。
「我想用AI做智慧電力管理，可是我的預算只夠買幾個智慧插座，這樣合理嗎？」
最近，越來越多企業、大樓業主都在問這個問題。
聽說「AI人工智慧」很厲害：
能幫忙找出浪費的電、監控設備異常、預測用電趨勢嗎？能配合政府政策還能爭取節能補助嗎？
大家都想要這些功能，但當談到預算時，心裡的價位卻還停留
在生成式 AI 高速發展的當下，「企業 AI 助理」成為眾多軟硬整合廠商的熱門賣點。無論是 ERP 系統、製造管理軟體，還是設備管理平台，AI 似乎無所不能：回答問題、總結報告、輔助決策。但問題是——AI 的著力點究竟應該放在哪裡？
是對人類已有經驗的自動總結？
還是從原始資料中洞察出人類從未發
本文從年齡、性別、縣市、金融機構看近年房貸的新增授信餘額與平均利率概況，得出以下幾個重點：
1. 當平均房貸金額來到900萬。
2. 年齡越低，能獲得較低的房貸利率。
3. 每年房貸新增授信人數，以新北市常居榜首，其餘第二至六名大多為五都輪替。
4. 八成以上的房貸者選擇與銀行借貸。
為了自學數據分析與資料科學的理論與實務技能，跟ChatGPT討論並制定了以下學習路線圖，針對我的需求與當前能力設計每日目標。學習歷程將使用 RemNote 記錄，每次學習結束後整理進度，並在每周或學程結束後統整記錄。
一、學習目標與工具
目標：掌握數據分析與資料科學的理論與實務技能，包含 Py
透過切換技能樹，我成功維持學習曲線的高效成長。本篇分享如何透過專案導向學習與 AI 工具，提升新技能的學習效率。
數據經過蒐集、清理、分析等過程，就需要呈現洞見給持份者，才能夠發揮影響力，讓企業基於數據作出決策。當視覺化圖表與投影片都可以透過人工智慧協助或全數生成，在上場簡報的時候又應該如何把圖表和數據介紹給觀眾呢？
近年來房貸授信金額及利率變化：平均利率的最高與最低差，帶寬大幅收窄，不論是年齡還是縣市來看，表示金融機構占有主導優勢，房貸利息的多寡，由金融機構說得算。即便承貸人有比較好的財力與信用，房產地段也相對保值，當今能談到的利率低點也回不到2012年的水準。
