1、事件分析
可进行筛选、分组、聚合的灵活多维数据分析
2、漏斗分析
分析多步骤行为之间转化与流失情况
3、留存分析
分析用户参与情况和活跃程度
4、分布分析
分析用户行为在一段时间内的频次和指标分布
5、LTV分析
分析用户在特定时间段内的生命周期价值
6、用户路径
用户用户行为行为的流向变化
7、网页热力分析
分析元素的点击的分布占比与用户浏览深度
8、间隔分析
分析用户在两个事件之间的间隔时长
9、自定义查询
支持对全量数进行sql查询、结果可视化
10、归因分析

干货福利，第一时间送达  摘要在用Python做数据分析的过程中，有一些操作步骤和逻辑框架是很固定的，只需要记住其用法即可。本节内容介绍Pandas模块在数据分析中的常用方法。  内容目录1、数据的生成与导入2、数据信息查看    2.1、查看整体数据信息    2.2、查看数据维度、列名称、数据格式    2.3、查看数据特殊值和数值        2.3.1、查看空值        2.3.2、查看唯一值        2.3.3、查看数值        2.3.4、查看前后数据3、数据的清