- 综合排序
- 最热优先
- 最新优先
- 来自专栏自动化测试实战
selenium数据驱动
Selenium最后一个知识点——数据驱动。学会了这个Selenium就算学完啦~ 看代码： 这是修改的testSell.py文件。 # coding: utf-8 import ddt import unittest # 测试数据 testData = [{"username": "warrior", "password": setup和tearDown方法每读一次testData里面的数据都要运行一次。如果只想在开始和结束的时候分别运行一次setUp和tearDown方法，就要用setUpClass那个方法了。
97360发布于 2018-05-18 - 来自专栏低代码（low code）专栏
数据驱动是什么？数据驱动的深层次理解！
在谈到企业数字化转型时，很多人都会说起“数据驱动”，比如“数据驱动运营”、“数据驱动业务”等等。 在大家言必称“数据驱动”的时代背景下，我相信很多人并未深究和思考“数据驱动”的真正含义，只是过过嘴瘾罢了。那么，问题来了，到底什么是“数据驱动”呢？该如何理解“数据驱动”呢？ 下面就来谈谈我个人对“数据驱动”的理解。个人认为，“数据驱动”可以从应用层次和价值实现机制两个方面来理解，即“数据驱动”有4个层次和1个链条。 一、“数据驱动”的4个层次从数据加工的深度或应用层次来看，“数据驱动”由浅入深分为4个层次：监测—分析—挖掘—使能。监测是“数据驱动”的最浅层次，指的是用数据记录实际发生的事实。 数据的力量有大小之分，“数据驱动”层次分明。当然，理解“数据驱动”是为了更好的践行“数据驱动”，所谓“行胜于言”，“数据驱动”需要你我的行动。
68110编辑于 2025-05-27 - 来自专栏PPV课数据科学社区
数据驱动运营案例
作者：腾讯大数据 全文共 6212 字，阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 用数据说话，从埋点开始 数据只有采集了才能做分析，分析了才能实现价值。 图1. 数据运营微笑模型 上图是数据运营解决问题的思路，但相对的，数据运营分析的需求，也驱动着数据埋点的优化。 用户埋点的场景很灵活，埋点可以统计的事件数据能和业务数据进行打通。 精细化的分析运营需要对业务的深入理解，需要学会切入分析的角度，解析你的用户的特征，了解你的用户，再由数据的需求去驱动埋点的配置。 3. 解析核心路径 第三点是基于第二点的应用。 案例总结 在数据运营的实战中，可能常常会遇到一些让我们觉得有点别扭的数据。 而在这些数据背后，其实蕴藏着很多的细节与能量。
1.4K60发布于 2018-04-24 - 来自专栏数据科学与人工智能
数据驱动运营案例
作者：腾讯大数据 全文共 6212 字，阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 用数据说话，从埋点开始 数据只有采集了才能做分析，分析了才能实现价值。 图1. 数据运营微笑模型 上图是数据运营解决问题的思路，但相对的，数据运营分析的需求，也驱动着数据埋点的优化。 用户埋点的场景很灵活，埋点可以统计的事件数据能和业务数据进行打通。 精细化的分析运营需要对业务的深入理解，需要学会切入分析的角度，解析你的用户的特征，了解你的用户，再由数据的需求去驱动埋点的配置。 3. 解析核心路径 第三点是基于第二点的应用。 案例总结 在数据运营的实战中，可能常常会遇到一些让我们觉得有点别扭的数据。 而在这些数据背后，其实蕴藏着很多的细节与能量。
2.1K70发布于 2018-02-28 - 来自专栏腾讯NEXT学位
前端思维转变--从事件驱动到数据驱动
今天的主角是数据驱动，事件相关的不进行详细说明了。 4.根据计算后的数据状态，重新渲染页面。 通俗地说，事件驱动思维是从事件响应出发，来完成应用的设计和编程。 数据驱动 ---- 数据驱动，将我们从复杂的逻辑设计带进数据处理的世界。 回到日常写码中，前端写页面，抽象成数据常用的无非是： 1.列表 => array 2.状态 => number/boolen 3.一个卡片 => object 4.等等 事件驱动到数据驱动 数据驱动 vs 数据驱动思维 转换到数据驱动思维后，我们在编程实现的过程中，更多的是思考数据的维护和处理，而无需过于考虑UI的变化和事件的监听。 这种方式有以下好处： 1.数据变更方便 2.DOM结构变轻 3.DOM结构/样式调整方便 4.抽象设计 5.代码量减少，易于维护 数据驱动与mvvm 数据驱动的设计思维或许与mvvm没有必然的联系，但是
2.4K10发布于 2019-01-07 数据治理，理清从业务驱动到数据驱动的关键逻辑
简单来讲，数据治理它的核心就是建模型、定标准规范、定流程、采数据、存数据、管数据、用数据，这个基本上就是数据治理它整体里面最核心的一个内容，但是我们的企业去做数据治理的时候，一定要问题驱动场景驱动，你为什么要去做数据治理这个事情 大家没有意识到在数据驱动之前仍然叫业务驱动，它是类似于我们软件生命周期里面一个完整的V模型，你仍然是需要流程驱动、业务驱动，去梳理关键的业务流程、业务活动，找到和沉淀关键的数据，这个时候你才知道怎么样用你沉淀下来的数据更好地去支撑业务 所以，脱离了业务驱动谈数据驱动，往往就是无源之水、无根之木。 我们做数据治理的项目一定要意识到首先是业务驱动，你通过业务驱动这种分析下来沉淀的数据，你才能够真正的想清楚这个数据怎么样为业务服务。 ，做数据这件事情不要单独的只是去强调数据驱动，一定要严格的按照完整的生命周期模型，先是业务驱动产生数据，接着才是数据怎么样去支撑业务，这样才是完整的、闭环的逻辑架构。
11300编辑于 2025-06-24- 来自专栏被删的前端游乐场
前端思维转变--从事件驱动到数据驱动
今天的主角是数据驱动，事件相关的不进行详细说明了。 根据计算后的数据状态，重新渲染页面。通俗地说，事件驱动思维是从事件响应出发，来完成应用的设计和编程。数据驱动数据驱动，将我们从复杂的逻辑设计带进数据处理的世界。 回到日常写码中，前端写页面，抽象成数据常用的无非是：列表 => array状态 => number/boolen一个卡片 => object等等事件驱动到数据驱动数据驱动 vs 事件驱动要对事件驱动和数据驱动进行直观的比较 数据驱动思维转换到数据驱动思维后，我们在编程实现的过程中，更多的是思考数据的维护和处理，而无需过于考虑 UI 的变化和事件的监听。 这种方式有以下好处：数据变更方便DOM 结构变轻DOM 结构/样式调整方便抽象设计代码量减少，易于维护数据驱动与 mvvm数据驱动的设计思维或许与 mvvm 没有必然的联系，但是 mvvm 框架提供一些具现方式将数据驱动变得更加轻松
47000编辑于 2024-07-27 孪生+水利：从经验驱动“经验驱动”到“数据驱动”数字化变革
在数字化浪潮的驱动下，作为国家基础性、战略性产业的水利行业正在经历深刻的变革。水利行业数字化转型不仅是提升水资源管理效能的必由之路，更是推动水利行业可持续发展、提高水利公共服务质量的重要举措。 方案简介iWater 智水平台充分融合星图亿水在感知信息采集、水利大数据处理、专业模型开发和知识平台构建方面的核心能力，以时空数据为底座、数学模型为核心、水利知识为驱动，构建水利监测全要素、水利治理更精准 数据底板通过星图地球数据云（GEOVIS Earth Datacloud）引接全国DOM、DEM数据等空间数据，在此基础上叠加客户拥有的基础数据、感知监测数据、业务管理数据、其它共享数据、倾斜摄影数据、 数据引擎数据引擎提供多维多时空异构数据汇聚、清洗、转换、共享、展示、计算、更新等服务能力，具备多类型多层次数据仓库，采用人工智能算法处理各类数据，实现各类数据的采集清洗、标准化治理、数据服务、应用服务。 海量数据实时计算中科曙光高性能IDC超算中心提供海量实时计算。iWater智水平台是数字地球核心技术与水利业务模型在虚拟空间的成功结合，助推水利管理达成了从“经验驱动”向“数据驱动”的跨越。
18610编辑于 2025-10-27- 来自专栏大飞的部落阁
HttpRunner-8-数据驱动
数据驱动概览 为什么要用数据驱动 举个简单例子，当我们在测试一个输入框的功能时，可能需要输入不同的参数，此时，我们不需要设计多个用例，而只需要将输入值参数化，将不同的参数作为一个列表通过数据驱动的方式进行加载即可 httprunner 的数据驱动 通过上篇文章，我们已经知道 httprunner 的数据驱动需要在 testsuite 中使用关键字 parameters 来定义。 .yml parameters: user_id: [1001, 1002, 1003, 1004] 进行该配置后，测试用例在运行时就会对 user_id 实现数据驱动 通过以上内容，我们可以知道，在 HttpRunner 的数据驱动中，我们有 6 种方式进行实现。 独立参数 & 引用自定义函数 6 关联参数 & 引用自定义函数 数据驱动实例 在上面我们已经介绍了 6 中驱动模式，而且也学习了直接在 yml 文件中定义参数的两种场景，那怎么使用 CSV 文件实行数据驱动呢
45410编辑于 2022-06-17 - 来自专栏橙子探索测试
Python数据驱动模块DDT
一.DDT简介 Data Driven Testing，数据驱动，简单来说就是测试数据的参数化 Python数据驱动模块DDT，包含类的装饰器ddt和两个方法装饰器data（直接输入测试数据） 通常情况下 ，data中的数据按照一个参数传递给测试用例，如果data中含有多个数据，以元组，列表，字典等数据，需要自行在脚本中对数据进行分解或者使用unpack分解数据。
1.5K10发布于 2019-10-25 - 来自专栏数据科学与人工智能
如何建立数据驱动文化
是什么驱使企业建立成功的数据驱动文化？未必是数据本身。这是次要的。技术本身排在第三位。数据驱动决策才是第一位的。 在向实施数据运维的数据驱动企业转变时，最重要也是最困难的是向数据心态的文化转变。 为这种合作和数据访问提供便利的技术虽然非常重要，但只是其中的一个方面。人和企业也很重要。在建立真正的自助式数据驱动文化后，企业的竞争力应该会得到很大提升。 以下是关于如何建立数据驱动文化的五个建议。 数据驱动决策有助于改善内部运作，比如使客户服务与支持更有效和降低库存成本。这一切始于招募有远见的人，他们充分了解数据背后的含义。 2. 把数据组织成一个向所有人开放的数据库 如果需要数据来作商业决策的人得不到数据，那么数据就没有任何用处。数据驱动企业不断整理和更新数据，以便员工可以随时获得最准确的信息。 不能低估自助式数据驱动文化的合作与社交要求。没有它，你就会失败，对软件、数据处理工具和平台的投资都将付诸东流。许多企业大谈合作和开放，但很少落到实处。
1.8K60发布于 2018-02-28 - 来自专栏腾讯NEXT学位
干货 | 前端思维转变--从事件驱动到数据驱动
今天的主角是数据驱动，事件相关的不进行详细说明了。 根据计算后的数据状态，重新渲染页面。 通俗地说，事件驱动思维是从事件响应出发，来完成应用的设计和编程。 2.数据驱动 数据驱动，将我们从复杂的逻辑设计带进数据处理的世界。 回到日常写码中，前端写页面，抽象成数据常用的无非是： 列表 => array 状态 => number/boolen 一个卡片 => object 等等 2.2事件驱动到数据驱动 2.2.1数据驱动 vs 2.2.2数据驱动思维 转换到数据驱动思维后，我们在编程实现的过程中，更多的是思考数据的维护和处理，而无需过于考虑UI的变化和事件的监听。 这种方式有以下好处： 数据变更方便 DOM结构变轻 DOM结构/样式调整方便 抽象设计 代码量减少，易于维护 2.3数据驱动与mvvm 数据驱动的设计思维或许与mvvm没有必然的联系，但是mvvm框架提供一些具现方式将数据驱动变得更加轻松
1.2K11发布于 2019-05-16 数据驱动业务-业务经营指标驱动任务协同01
今天接着跟大家聊一下数据驱动方面的话题。 我在前面谈数字化转型的文章里面也经常会谈到数据驱动业务，数据反哺业务，但是企业数字化建设中能够真正做到数据驱动的相当的少。 我在前面有文章也分析过，做到数据驱动业务相当不容易，不仅仅需要有完整的数据管理数据治理方面的知识，更重要的是你一样的要去理解企业的核心业务价值链和端到端的流程。 但是其实对于大部分做数据方面工作的人员，相对来说他对业务并不太熟悉，搞不清楚业务运作如何产生的数据，自然很难搞清楚数据如何能够驱动业务改进和优化。 业务人员他日常的工作任务是通过我的业务KPI指标体系实时推动去完成的，业务人员工作任务的完成，对绩效的贡献也是可视化实时体现的，这个才是我们真正能够体现数据驱动业务相当重要的一个点。 这样的话我们对数据的应用就不再是那种半年一年以后的决策分析，而是真正将数据驱动体现到我们日常的业务流程业务运作中去。 好了，今天的简单分享就到这里，希望对大家有所启发。
11700编辑于 2025-06-24- 来自专栏数据科学与人工智能
【数据】数据驱动的流程和产品
如何才能把数据变成钱呢？有两种办法：数据驱动的流程（data-driven processes）和数据驱动的产品（data-driven products）。 ? 数据驱动的产品（data-driven products） 除了利用数据驱动业务流程以外，数据还可被用来增强产品的功能。有些公司会把数据打包到一款有用的产品里，再转售给其它公司。 通过添加一个由数据或分析支持的功能，平台也有望对用户产生更大的吸引力。 ? 数据驱动，你也可以做到 下面是我的几个建议： 集中地收集所有数据。 任何一家公司，但凡拥有专有的数据，都应该好好考虑把数据利用起来，打造新的产品，或是在现有产品上创建由数据驱动的功能。 但最终，你还需要专门的工程师资源，把数据变成功能和产品。 受数据驱动的你 大数据真正讲的不是数据本身，而是要探讨怎样利用数据在公司内部驱动业务流程和产品功能。
94380发布于 2018-03-27 - 来自专栏MasiMaro 的技术博文
windows 驱动开发入门——驱动中的数据结构
最近在学习驱动编程方面的内容，在这将自己的一些心得分享出来，供大家参考，与大家共同进步，本人学习驱动主要是通过两本书——《独钓寒江 windows安全编程》 和 《windows驱动开发技术详解》。 驱动开发过程中，主要使用的C语言，虽说C中定义了许多数据类型，但是一般来说在编码上还是习惯与使用WDK的规范，虽说这个不是必须的，比如有这样一句 unsigned long ul = 0; 这个数据的大小根据不同的机器不同的编译器环境略有不同 在这列举一些常用的数据类型，以免以后在编写代码或者查看例子代码时犯迷糊： 普通数据类型 #define ULONG unsigned long #define UCHAR unsigned char # HardwareDatabase：这里记录的是设备的硬件数据库键名，这个数据库一般是注册表，字符串一般为“REGISTRY\MACHINE\HARDWARE\DESCRIPTION\SYSTEM” DriverObject： 指向所属驱动的驱动对象的指针 2. NextDevice：指向下一个设备驱动的指针 3.
1.6K20发布于 2018-08-31 流程驱动和数据驱动，如何更好的理解流程和数据的融合？
今天接着跟大家聊一下流程驱动和数据驱动。 其实在前面我发过很多关于数据驱动、数据反哺业务相关的视频。 3.从数据驱动决策到数据驱动业务 第三个点就是怎么样更好去理解数据驱动。 数据驱动其实有两个层面的概念，第一个概念就叫数据驱动决策，这种数据驱动往往在早期我们去做信息化建设和BI建设的时候就已经做到了。 那么在数字化时代，我们更加强调数据驱动业务或者叫数据驱动流程，也就是说我不是简单的去直接去做上层的数决数据驱动的决策分析，我更希望是通过底层数据的实时采集和处理，将它映射到我实际的端到端流程的核心的阶段卡点上面去 对于这种方式数据驱动流程，数据驱动的实时性就体现出来了。同时我们可以通过数据驱动实时的发现我业务的问题，并实时的去改进我的业务流程。 那么为何数据驱动也在企业很难真正落地？
18400编辑于 2025-06-24- 来自专栏凯哥讲故事系列
一篇文章看懂流程驱动和数据驱动
随着数据的指数级增长、算力提升和人工智能技术的不断发展，数据驱动替代流程驱动将是势不可挡的趋势。 翻译过来就是，数据驱动指的是流程中的行为是被数据驱动而不是被人的直觉和经验驱动的。 基于这个定义，似乎数据驱动是指用数据驱动流程。 到这里，我们可能还是不是很清楚到底什么是数据驱动，下面来看几个数据驱动的例子。 从上面两个图，我们可以看出数据驱动和流程驱动的区别： 流程驱动是以人的经验和直觉为输入，而数据驱动则以数据为输入。 流程驱动的开发过程以咨询和人工分析方法为主，而数据驱动的开发过程以数据建模和机器学习为主的数据技术方法（Data-Tech）为主。
1.2K20发布于 2020-07-24 - 来自专栏数据科学与人工智能
【数据】数据驱动决策的13种思维
小编邀请您，先思考： 1 如何让数据驱动决策？ “数据驱动决策”，为了不让这句话成为空话，请先装备以下13种思想武器，相信将来你一定能用上！ 1. 没有这个思维，决策者很有可能在数据中迷失。 信度与效度的概念最早来源于调查分析，但现在我觉得可以引申到数据分析工作的各方面。 所谓信度，是指一个数据或指标自身的可靠程度，包括准确性和稳定性。 做到了以上两个方面，就是一个好的数据或指标了？其实还不够，还有一个更重要的因素，就是效度！ 所谓效度，是指一个数据或指标的生成，需贴合它所要衡量的事物，即指标的变化能够代表该事物的变化。 只有在信度和效度上都达标，才是一个有价值的数据指标。 现在的很多企业管理层，面对的问题并不是没有数据，而是数据太多，却不知道怎么用。相关思维的其中一个应用，就是能够帮助我们找到最重要的数据，排除掉过多杂乱数据的干扰！ 如何执行呢？
883100发布于 2018-03-27 - 来自专栏大数据架构师成长之路
数据赋能--数据驱动力介绍
所谓“数据驱动力”，即指通过数据体系，系统化地获取及分析数据，并为业务决策提供有效支撑，不断驱动业务发展的思维和能力。 从以下三个层面来介绍下“数据驱动力”。 一、认识数据驱动结构 1. 二、构建数据驱动闭环 1. 打通数据驱动流程闭环 业务实践，是数据驱动的出发点，也是数据驱动的落脚点。 如图3所示，一个完整的数据驱动流程大致可划分为数据需求、采集处理、挖掘分析、数据决策、数据驱动5个环节。 数据驱动体系得以运转的基础，是公司内部数据驱动的企业文化和价值观，让数据真正发声。 三、把握数据驱动节奏 数据驱动是一个动态的过程，业务实践中需要根据实际情况，灵活把握数据驱动的节奏和侧重点。
2.5K40发布于 2020-07-07 - 来自专栏喔家ArchiSelf
数据驱动？小心被数据债务拖入泥潭！
最近读林建兴老师的《数据空间知识体系指南》，感触颇多。从数据驱动业务决策到整体的数据空间的体系建设，但是，真正实践的时候，或许会被数据债务拖入泥潭。 那么， 什么是数据债务呢？ 1.什么是数据债务？ 在当今这个数据驱动的时代，数据已经成为现代组织的核心命脉。随着信息生成和采集能力的飞速提升，企业所面对的数据量正以前所未有的速度增长。 与技术债务不同的是，数据债务更多体现在数据本身及其存储和使用方式上，例如数据库结构混乱、元数据缺失、数据冗余严重、数据定义不一致等。它并不只是代码层面的问题，而是涉及整个数据生命周期的方方面面。 很多企业虽然口头上强调“数据驱动”，但在实际操作中，员工对数据资产的重要性认知有限，对数据债务所带来的隐形成本更是缺乏敏感。 4 数据债务的影响 数据债务带来的最直接后果，是生产力的下降和成本的上升。它像一层看不见的阻力，悄悄拖慢整个组织在数据驱动决策上的步伐。
11110编辑于 2025-11-04
腾讯云开发者
