落园专注经济视角下的互联网 / Economic Observation of the Internet

听着Yihui兄及COS的一群骨干们说了好久的MD（markdown）和knitr，各种心里痒痒啊。无奈最近的一段时间总觉得学习新东西的成本太高，就懒得开始动手。今天忍不住去GitHub上看了一眼，发觉自己已然没有任何理由再不快点把那个小册子弄完了，于是乎，赶紧补课。 补课的第一项工作就是升级各类软件，包括R、RStudio和Git。悄悄的说一句，现在的Git版本貌似比以前的容易用多了，我是对Github的使用没有任何印象了，重新跟着help鼓捣了一遍发现还是不怎么困难的。在一不小心删掉所有的文件之后，成功的fetch并push了所有的文件（还好有下载zip备份）。 然后下一站就是开始研究Markdown语法……好吧，这东西真的比HTML还简单啊（一直认为HTML已经是超级简洁了）。随便从网路上搜了一个语法说明（http://markdown.tw/），然后就可以开始玩转这东西了——真的很符合日常排版习惯啊！引用这个网页上的一句话： HTML 是一種發佈的格式，Markdown 是一種編寫的格式。 习惯了Wordpress编辑器HTML模式的人，大概会对Markdown瞬间上手吧。完全米有难度……而且，符合习惯代码洁癖的人…… 好吧，我怎么开始研究起这些东西来了？不是说好不玩这些geek的东西么？还是各种忍不住啊……下一个牺牲的应该不会是落园的wordpress架构吧，暂时我还不想...

查看全文

引言(即废话)：每当要准备presentation的时候，就会开始想一些问题。去年写的是【社会实验的特殊性】，然后有一系列的文字和最终的slides。现在，想多少从自己这大半年的工作经历出发，写一系列文章，就叫做 R as an analytical tool吧，简称RAAT。第一话，从微博入手好了；第二话，将由Joke童鞋过年时候问的一个问题引出；第三话，会是更偏向流程和实践的东西。这些我会一点点写，也可能有所改变，看到时候具体的想法了。 新浪微博也火了这么久了，但是对于吾等数据源控来说，这等数据简直不能被暴殄天物啊。怎么用来分析为好呢？ links类数据 微博有两大类links: 粉丝关系 评论与转发关系 然后呢然后呢？ 首先很多人感兴趣的是信息传递吧？那么决定信息传递的就是，第一呢，每个用户的信息源（主要来自于他关注的其他微博用户）；第二呢，他关注的人的发布及转发行为。用粉丝关系来计算影响力（influential rank）自然是没有问题，但是多少有点损失的感觉——我们总关心一个人在接受信息之后的response是不是？所以，一个简单可行的思路是，这里不妨用其转发行为来加权，判断每个他关注的用户对于他的影响程度的不同～如是，则每个有向的link上就附加了一个权重，成为了一个加权的有向图。 嗯，这样一个基...

查看全文

各位倾心于数据分析童鞋不妨留意一下～是一个来自广告业的岗位。工作地点在 上海 。要求会一种或多种分析软件（比如R，嘻嘻），然后最好对计量啊、数据库啊、市场研究啊比较熟悉。我个人感觉，这个职位偏学术（而不完全是偏技术），会有很好玩的project可以做～然后有很好玩的数据可以玩（我就是个数据源控啊，吼吼~）。 一些简要的信息 Company: MINDSHARE (传立中国) Job Title: MANAGER (Analytic) Division: BUSINESS PLANNING Reporting to: DIRECTOR Supervise: ASSOCIATE, EXECUTIVE Position Summary: Mid-level Business Planning resource reporting to a Business Planning Director Main Responsibilities： Manage Business Planning engagements with a particular focus on timely data collection, accurate data entry, suitable data transformation or manipulation and [...]

查看全文

一边是流浪的心，一边也是在思考一些现实中的问题。还是感谢昨天那位朋友耐心的跟我扯了一下午，说到了一个很有意思的话题，“我们为什么需要海量数据”？或者说， why and how does big data make a difference? 当时说的统计/计量分析的应用很简单，无非是做一些销量、价格弹性和资源投放的预测与优化罢了，典型的咨询业务。然后我就好奇的问了一句数据源，无非是nielsen或者iresearch的市场调查数据之类的，或者厂商自己的一些销量和价格数据。这些数据往往被aggregate到一定的程度，所以一般都是long panel（T>N），以城市为单位之类的。 这样的数据量，肯定没法跟互联网或者电商的individual records相比。百万或许都是小数目。当然咯，我们多少也会把这些原始数据做一个aggregate，比如以每人每日为单位（当然单位的选择取决于具体项目的关注点），但是大多数还是wide panel，N>>T。这两种panel data的（计量）模型显然就不一样了。一个会更多的沿袭time series的分析路子，什么auto-regression、unit root之类的；另外一个要沿袭的更多是cross-section的方法，关注大量个体的特性。 对计量的一个争议就是 ATE （average treatment effect），尤其是做data mining的那些人。明明individuals之间千差万别，计量怎么可以这么简单的取个平均呢？不过一个...

查看全文