君，已阅读到文档的结尾了呢~~
[知识]数据处理分析 P值的含义
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
[知识]数据处理分析 P值的含义
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口iPhone中的“i”到底是什么意思？你怎么解读？
　　苹果的iPhone是最知名的手机品牌之一，它已经成了时尚的标志。现在几乎人人都知道这种手机的名字，学过英语者也都知道Phone是telephone(电话)的缩写，然而几乎没有人知道其中的&i&是什么意思。　　昨天晚上给研究生上课，顺便做了一个调查，班上共36位同学，不少人都有这种手机，可是没有一个人答对&iPhone&的&i&是啥意思。同学们给出的答案有以下三种：　　1、这里的&i&指&我的&，那么&iPhone&就是&我的电话&。　　2、这里的&i&指&智能&，即取自intelligence的第一个字母。　　3、这里的&i&指&创新&，即取自innovation的第一个字母。　　要正确回答上述问题，需要了解一个背景。乔布斯于1985年被自己所创办的公司炒了鱿鱼，1997年又重新回归苹果，让濒临破产的苹果公司起死回生。在乔布斯的带领下，苹果公司研发了一系列&i&家族的电子产品，诸如iMac，iPod，iPad，iBook，iPhone等。　　这个&i&就是&互联网(internet)&的意思，就是为了适应互联网时代而研发的一系列产品。这反映了乔布斯的一种观念，他认为新时代的任何电子产品如果脱离互联网都难以生存。　　一个巧合是，乔布斯1997年刚回归苹果公司时，他在公司里的职位是iCEO。大众千万不要把它理解成&专门研发互联网电子产品的CEO&，即把这里的&i&也理解成&internet&的第一个字母是错误的。其实，冠在乔布斯这个名头上的&i&是来自interne(实习、临时)的第一个字母。　　乔布斯刚回苹果公司时，自己也没有把握，只答应做一个临时的CEO，一年只拿1美元工资，如果一年后公司不见起色，他就辞职。这就是乔布斯的iCEO的来历。相关阅读:小米清货节数据解读：青春有余厚重不足LPDDR4 RAM对于手机到底意味着什么？趣科技：80年代以来科技界发生这些最酷改变&
手机论坛帖子排行
最新资讯离线随时看
聊天吐槽赢奖品代理·加盟
> 菜鸟必备：大数据分析的入门常识
菜鸟必备：大数据分析的入门常识
文章来源 : 千家网
&1，可视化分析
　　大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。
　　2，数据挖掘算法
　　大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法(可以称之为真理)才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。
　　3，预测性分析能力
　　大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。
　　4，语义引擎
　　大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。
　　5，数据质量和数据管理
　　大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。
　　二、如何选择适合的数据分析工具
　　要明白分析什么数据，大数据要分析的数据类型主要有四大类：
　　交易数据(TRANSACTION DATA)
　　大数据平台能够获取时间跨度更大、更海量的结构化交易数据，这样就可以对更广泛的交易数据类型进行分析，不仅仅包括POS或电子商务购物数据，还包括行为交易数据，例如Web服务器记录的互联网点击流数据日志。
　　人为数据(HUMAN-GENERATED DATA)
　　非结构数据广泛存在于电子邮件、文档、图片、音频、视频，以及通过博客、维基，尤其是社交媒体产生的数据流。这些数据为使用文本分析功能进行分析提供了丰富的数据源泉。
　　移动数据(MOBILE DATA)
　　能够上网的智能手机和平板越来越普遍。这些移动设备上的App都能够追踪和沟通无数事件，从App内的交易数据(如搜索产品的记录事件)到个人信息资料或状态报告事件(如地点变更即报告一个新的地理编码)。
　　机器和传感器数据(MACHINE AND SENSOR DATA)
　　这包括功能设备创建或生成的数据，例如智能电表、智能温度控制器、工厂机器和连接互联网的家用电器。这些设备可以配置为与互联网络中的其他节点通信，还可以自动向中央服务器传输数据，这样就可以对数据进行分析。机器和传感器数据是来自新兴的物联网(IoT)所产生的主要例子。来自物联网的数据可以用于构建分析模型，连续监测预测性行为(如当传感器值表示有问题时进行识别)，提供规定的指令(如警示技术人员在真正出问题之前检查设备)。
　　数据分析工具达到哪些要求和目的?
　　能应用高级的分析算法和模型提供分析
　　以大数据平台为引擎，比如Hadoop或其他高性能分析系统
　　能够适用于多种数据源的结构化和非结构化数据
　　随着用于分析模型的数据的增加，能够实现扩展
　　分析模型可以，或者已经集成到数据可视化工具
　　能够和其他技术集成
　　另外，工具必须包含必备的一些功能，包括集成算法和支持数据挖掘技术，包括(但不限于)：
　　集群和细分：
　　把一个大的实体分割拥有共同特征的小团体。比如分析收集来的客户，确定更细分的目标市场。
　　分类：
　　把数据组织进预定类别。比如根据细分模型决定客户改如何进行分类。
　　恢复：
　　用于恢复从属变量和一个及一个以上独立变量之间的关系，帮助决定从属变量如何根据独立变量的变化而变化。比如使用地理数据、净收入、夏日平均温度和占地面积预测财产的未来走向。
　　联合和项目集挖掘：
　　在大数据集中寻找变量之间的相关关系。比如它可以帮助呼叫中心代表提供基于呼叫者客户细分、关系和投诉类型的更精准的信息。
　　相似性和联系：
　　用于非直接的集群算法。相似性积分算法可用于决定备用集群中实体的相似性。
　　神经网络：
　　用于机器学习的非直接分析。
　　人们通过数据分析工具了解什么
　　数据科学家们，他们想使用更复杂的数据类型实现更复杂的分析，熟知如何设计，如何应用基础模型来评估内在倾向性或偏差。
　　业务分析师，他们更像是随性的用户，想要用数据来实现主动数据发现，或者实现现有信息和部分预测分析的可视化。
　　企业经理，他们想要了解模型和结论。
　　IT开发人员，他们为以上所有类用户提供支持。
　　如何选择最适合的大数据分析软件
　　分析师的专业知识和技能。有些工具的目标受众是新手用户，有的是专业数据分析师，有的则是针对这两种受众设计的。
　　分析多样性。
　　根据不同的用户案例和应用，企业用户可能需要支持不同类型的分析功能，使用特定类型的建模(例如回归、聚类、分割、行为建模和决策树)。这些功能已经能够广泛支持高水平、不同形式的分析建模，但是还是有一些厂商投入数十年的精力，调整不同版本的算法，增加更加高级的功能。理解哪些模型与企业面临的问题最相关，根据产品如何最好地满足用户的业务需求进行产品评估，这些都非常重要。
　　数据范围分析。
　　要分析的数据范围涉及很多方面，如结构化和非结构化信息，传统的本地数据库和数据仓库、基于云端的数据源，大数据平台(如Hadoop)上的数据管理等。但是，不同产品对非传统数据湖(在Hadoop内或其他用于提供横向扩展的NoSQL数据管理系统内)上的数据管理提供的支持程度不一。如何选择产品，企业必须考虑获取和处理数据量及数据种类的特定需求。
　　协作。
　　企业规模越大，越有可能需要跨部门、在诸多分析师之间分享分析、模型和应用。企业如果有很多分析师分布在各部门，对结果如何进行解释和分析，可能会需要增加更多的共享模型和协作的方法。
　　许可证书和维护预算。
　　几乎所有厂商的产品都分不同的版本，购买费用和整个运营成本各不相同。许可证书费用与特性、功能、对分析数据的量或者产品可使用的节点数的限制成正比。
　　易用性。没有统计背景的商业分析师是否也能够轻松地开发分析和应用呢?确定产品是否提供了方便开发和分析的可视化方法。
　　非结构化数据使用率。
　　确认产品能够使用不同类型的非结构化数据(文档、电子邮件、图像、视频、演示文稿、社交媒体渠道信息等)，并且能够解析和利用收到的信息。
　　可扩展性和可伸缩性。
　　随着数据量的不断增长和数据管理平台的不断扩展，要评估不同的分析产品如何跟随处理与存储容量的增长而增长。
　　三、如何区分三个大数据热门职业——数据科学家、数据工程师、数据分析师
　　随着大数据的愈演愈热，相关大数据的职业也成为热门，给人才发展带来带来了很多机会。数据科学家、数据工程师、数据分析师已经成为大数据行业最热门的职位。它们是如何定义的?具体是做什么工作的?需要哪些技能?让我们一起来看看吧。
　　这3个职业是如何定位的?
　　数据科学家是个什么样的存在
　　数据科学家是指能采用科学方法、运用数据挖掘工具对复杂多量的数字、符号、文字、网址、音频或视频等信息进行数字化重现与认识，并能寻找新的数据洞察的工程师或专家(不同于统计学家或分析师)。
　　数据工程师是如何定义的
　　数据工程师一般被定义成“深刻理解统计学科的明星软件工程师”。如果你正为一个商业问题烦恼，那么你需要一个数据工程师。他们的核心价值在于他们借由清晰数据创建数据管道的能力。充分了解文件系统，分布式计算与数据库是成为一位优秀数据工程师的必要技能。
　　数据工程师对演算法有相当好的理解。因此，数据工程师理应能运行基本数据模型。商业需求的高端化催生了演算高度复杂化的需求。很多时候，这些需求超过了数据工程师掌握知识范围，这个时候你就需要打电话寻求数据科学家的帮助。
　　数据分析师该如何理解
　　数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。他们知道如何提出正确的问题，非常善于数据分析，数据可视化和数据呈现。
　　这3个职业具体有什么职责
　　数据科学家的工作职责
　　数据科学家倾向于用探索数据的方式来看待周围的世界。把大量散乱的数据变成结构化的可供分析的数据，还要找出丰富的数据源，整合其他可能不完整的数据源，并清理成结果数据集。新的竞争环境中，挑战不断地变化，新数据不断地流入，数据科学家需要帮助决策者穿梭于各种分析，从临时数据分析到持续的数据交互分析。当他们有所发现，便交流他们的发现，建议新的业务方向。他们很有创造力的展示视觉化的信息，也让找到的模式清晰而有说服力。把蕴含在数据中的规律建议给Boss，从而影响产品，流程和决策。
　　数据工程师的工作职责
　　分析历史、预测未来、优化选择，这是大数据工程师在“玩数据”时最重要的三大任务。通过这三个工作方向，他们帮助企业做出更好的商业决策。
　　大数据工程师一个很重要的工作，就是通过分析数据来找出过去事件的特征。比如，腾讯的数据团队正在搭建一个数据仓库，把公司所有网络平台上数量庞大、不规整的数据信息进行梳理，总结出可供查询的特征，来支持公司各类业务对数据的需求，包括广告投放、游戏开发、社交网络等。
　　找出过去事件的特征，最大的作用是可以帮助企业更好地认识消费者。通过分析用户以往的行为轨迹，就能够了解这个人，并预测他的行为。
　　通过引入关键因素，大数据工程师可以预测未来的消费趋势。在阿里妈妈的营销平台上，工程师正试图通过引入气象数据来帮助淘宝卖家做生意。比如今年夏天不热，很可能某些产品就没有去年畅销，除了空调、电扇，背心、游泳衣等都可能会受其影响。那么我们就会建立气象数据和销售数据之间的关系，找到与之相关的品类，提前警示卖家周转库存。
　　根据不同企业的业务性质，大数据工程师可以通过数据分析来达到不同的目的。以腾讯来说，能反映大数据工程师工作的最简单直接的例子就是选项测试(AB Test)，即帮助产品经理在A、B两个备选方案中做出选择。在过去，决策者只能依据经验进行判断，但如今大数据工程师可以通过大范围地实时测试—比如，在社交网络产品的例子中，让一半用户看到A界面，另一半使用B界面，观察统计一段时间内的点击率和转化率，以此帮助市场部做出最终选择。
　　数据分析师的工作职责
　　互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本(资金、资源和时间)获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。
　　与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。
　　就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。
　　此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。
　　想要从事这3个职业需要掌握什么技能?
　　A. 数据科学家需要掌握的技能
　　1，计算机科学
　　一般来说，数据科学家大多要求具备编程、计算机科学相关的专业背景。简单来说，就是对处理大数据所必需的hadoop、Mahout等大规模并行处理技术与机器学习相关的技能。
　　2，数学、统计、数据挖掘等
　　除了数学、统计方面的素养之外，还需要具备使用SPSS、SAS等主流统计分析软件的技能。其中，面向统计分析的开源编程语言及其运行环境“R”最近备受瞩目。R的强项不仅在于其包含了丰富的统计分析库，而且具备将结果进行可视化的高品质图表生成功能，并可以通过简单的命令来运行。此外，它还具备称为CRAN(The Comprehensive R Archive Network)的包扩展机制，通过导入扩展包就可以使用标准状态下所不支持的函数和数据集。
　　3，数据可视化(Visualization)
　　信息的质量很大程度上依赖于其表达方式。对数字罗列所组成的数据中所包含的意义进行分析，开发Web原型，使用外部API将图表、地图、Dashboard等其他服务统一起来，从而使分析结果可视化，这是对于数据科学家来说十分重要的技能之一。
　　B. 数据工程师需要掌握的技能
　　1，数学及统计学相关的背景
　　对于大数据工程师的要求都是希望是统计学和数学背景的硕士或博士学历。缺乏理论背景的数据工作者，更容易进入一个技能上的危险区域(Danger Zone)—一堆数字，按照不同的数据模型和算法总能捯饬出一些结果来，但如果你不知道那代表什么，就并不是真正有意义的结果，并且那样的结果还容易误导你。只有具备一定的理论知识，才能理解模型、复用模型甚至创新模型，来解决实际问题。
　　2，计算机编码能力
　　实际开发能力和大规模的数据处理能力是作为大数据工程师的一些必备要素。因为许多数据的价值来自于挖掘的过程，你必须亲自动手才能发现金子的价值。举例来说，现在人们在社交网络上所产生的许多记录都是非结构化的数据，如何从这些毫无头绪的文字、语音、图像甚至视频中攫取有意义的信息就需要大数据工程师亲自挖掘。即使在某些团队中，大数据工程师的职责以商业分析为主，但也要熟悉计算机处理大数据的方式。
　　3，对特定应用领域或行业的知识
　　大数据工程师这个角色很重要的一点是，不能脱离市场，因为大数据只有和特定领域的应用结合起来才能产生价值。所以，在某个或多个垂直行业的经历能为应聘者积累对行业的认知，对于之后成为大数据工程师有很大帮助，因此这也是应聘这个岗位时较有说服力的加分项。
　　C. 数据分析师需要掌握的技能
　　1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
　　2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
　　3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
　　4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。
　　5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。
　　四、从菜鸟成为数据科学家的 9步养成方案
　　首先，各个公司对数据科学家的定义各不相同，当前还没有统一的定义。但在一般情况下，一个数据科学家结合了软件工程师与统计学家的技能，并且在他或者她希望工作的领域投入了大量行业知识。
　　大约90%的数据科学家至少有大学教育经历，甚至到博士以及获得博士学位，当然，他们获得的学位的领域非常广泛。一些招聘者甚至发现人文专业的人们有所需的创造力，他们能教别人一些关键技能。
　　因此，排除一个数据科学的学位计划(世界各地的著名大学雨后春笋般的出现着)，你需要采取什么措施，成为一个数据科学家?
　　复习你的数学和统计技能。
　　一个好的数据科学家必须能够理解数据告诉你的内容，做到这一点，你必须有扎实的基本线性代数，对算法和统计技能的理解。在某些特定场合可能需要高等数学，但这是一个好的开始场合。
　　了解机器学习的概念。
　　机器学习是下一个新兴词，却和大数据有着千丝万缕的联系。机器学习使用人工智能算法将数据转化为价值，并且无需显式编程。
　　学习代码。
　　数据科学家必须知道如何调整代码，以便告诉计算机如何分析数据。从一个开放源码的语言如Python那里开始吧。
　　了解数据库、数据池及分布式存储。
　　数据存储在数据库、数据池或整个分布式网络中。以及如何建设这些数据的存储库取决于你如何访问、使用、并分析这些数据。如果当你建设你的数据存储时没有整体架构或者超前规划，那后续对你的影响将十分深远。
　　学习数据修改和数据清洗技术。
　　数据修改是将原始数据到另一种更容易访问和分析的格式。数据清理有助于消除重复和“坏”数据。两者都是数据科学家工具箱中的必备工具。
　　了解良好的数据可视化和报告的基本知识。
　　你不必成为一个平面设计师，但你确实需要深谙如何创建数据报告，便于外行的人比如你的经理或CEO可以理解。
　　添加更多的工具到您的工具箱。
　　一旦你掌握了以上技巧，是时候扩大你的数据科学工具箱了，包括Hadoop、R语言和Spark。这些工具的使用经验和知识将让你处于大量数据科学求职者之上。
　　练习。
　　在你在新的领域有一个工作之前，你如何练习成为数据科学家?使用开源代码开发一个你喜欢的项目、参加比赛、成为网络工作数据科学家、参加训练营、志愿者或实习生。最好的数据科学家在数据领域将拥有经验和直觉，能够展示自己的作品，以成为应聘者。
　　成为社区的一员。
　　跟着同行业中的思想领袖，阅读行业博客和网站，参与，提出问题，并随时了解时事新闻和理论。
智能家居产品 推荐阅读
基金的发展在这些年来使有着很大的成效的，这与基金公司的运营规划和筹措是分不开的，同时还有基金年度报告...
基金的发展在这些年来使有着很大的成效的，这与基金公司的运营规划和筹措是分不开的，同时还有基金年度报告...
基金的发展在这些年来使有着很大的成效的，这与基金公司的运营规划和筹措是分不开的，同时还有基金年度报告...
基金的发展在这些年来使有着很大的成效的，这与基金公司的运营规划和筹措是分不开的，同时还有基金年度报告...
基金的发展在这些年来使有着很大的成效的，这与基金公司的运营规划和筹措是分不开的，同时还有基金年度报告...
基金的发展在这些年来使有着很大的成效的，这与基金公司的运营规划和筹措是分不开的，同时还有基金年度报告...
基金的发展在这些年来使有着很大的成效的，这与基金公司的运营规划和筹措是分不开的，同时还有基金年度报告...
Copyright(C)
,All Rights Reserved Two & Eight Smart&&|&&责编：王彦恩
1苹果发布新品，关注度暴涨&&&&2015年9月中国市场在售机型数量达到1308款，较上月增长50余款，参与竞争的厂商数量较上月增加三家。本月苹果新品系列的发布，成为整个手机市场的焦点，尽管被各方吐槽，但依然在发布之初，便问鼎产品关注榜首位，且令其他产品望尘莫及。&&&&报告要点&&&&•品牌关注格局：苹果发布新品，关注度暴涨，跃居首位，诺基亚、乐视重上榜单。&&&&•产品关注格局：S系列以显著优势成为用户关注焦点，苹果以显著优势夺冠。&&&&•产品特征：5000元以上机型关注度大涨，4G手机关注度稳步上涨3.1%。&&&&•产品特征：4.6-机型关注度大涨5.6%，1000万以上像素机型关注度涨至七成以上。&&&&•主流品牌分析：三大品牌关注度起伏不定，竞争激烈；苹果新品系列关注度呈先升后降走势。 &&&&一、品牌关注格局&&&&苹果发布新品，关注度暴涨&&&&9月发布新品的苹果成为市场关注的焦点，借助新的S系列产品，苹果品牌关注度暴涨至23.6%，并跃居品牌榜首位。三星与华为分别以15.4%、12.6%的关注比例分居第二第三位。OPPO继续领跑第二阵营。整体来看，前十五品牌关注度累计仍在九成以下。(图)&2015年9月中国手机市场品牌关注比例分布 &&苹果跃居首位，诺基亚、乐视重上榜单&&&&与上个月相比，本月手机市场发生了明显的变化，发布新品的苹果关注度上升了近10个百分点，以23.6%的关注度跃居榜首。三星则滑至亚军位，关注比例下滑近2个百分点。小米、酷派、LG品牌排名均出现不同位次的提升。诺基亚、乐视则重新上榜。表&&&月中国手机市场品牌关注比例对比产品：
2苹果iPhone 6S系列成用户关注焦点&&&&二、产品关注格局&&&&(一)&产品系列&&&&系列以显著优势成为用户关注焦点&&&&从产品系列来看，9月苹果新品系列以10.7%的关注比例高居榜首，成为用户关注的焦点。苹果系列则退居亚军位。系列排在第三位。整体来看，苹果产品包揽了前四位，其中6S及6系列产品关注度遥遥领先。&&&&除苹果外，华为同样有四个系列产品上榜，排在第七至第十二位。三星则有两个系列产品上榜。(图)&2015年9月中国市场产品系列关注排名&&&(二)&产品型号&&&&苹果以显著优势夺冠&&&&&从产品关注来看，本月S（全网通）以10.8%的关注比例在发布首月便成为最受用户青睐的机型，且以显著优势遥遥领先。&&&&从品牌来看，上榜的十五款产品中，苹果、三星均有四款产品上榜，其中苹果包揽冠亚军。三星将第三至第五名全部夺得。(图)&2015年9月中国手机市场产品关注排名 表&2015年9月中国手机市场最受关注的十五款产品及主要参数产品：
35000元以上机型关注度大涨&&&&&(三)&不同价格段产品结构&&&&&#元以上机型关注度大涨&&&&从价格结构来看，本月售价在元价格段的机型获得25.0%的关注比例，仍为用户关注主流，但关注度较上月下降3.5个百分点。1000元以下机型与元价格段机型关注度接近，分布在17%-18%之间。受影响，本月5000元以上高端机型关注度大涨近8个百分点，涨至14.5%。(图)&&月中国市场不同价格段产品关注对比&&&&(四)&不同类型产品结构&&&&•4G手机关注度稳步上涨3.1%&&&&从手机类型来看，本月4G手机关注度较上月上涨3.1个百分点，呈稳步上升走势。智能手机关注度基本稳定。国产、四核、大屏手机关注度则均较上月出现不同幅度的下滑，其中四核机型关注度降至30.4%，下降了近5个百分点。(图)&&月中国手机市场不同类型产品关注对比&&&&&产品：
44.6-5.0英寸机型关注度大涨5.6%&&&&(五)&不同屏幕尺寸产品结构&&&&&#-机型关注度大涨5.6%&&&&从屏幕尺寸来看，本月搭载4.6-5.0英寸屏幕的机型成为用户关注度相对最高的机型，获得37.9%的关注比例，较5.1-机型关注度微高0.3%。5.以上大屏机型关注度本月微幅上涨0.5%，为13.7%。(图)&&月中国市场不同屏幕尺寸产品关注对比&&&&(六)&不同像素产品结构&&&&&#万以上像素机型关注度涨至七成以上&&&&从后置摄像头像素来看，用户关注度集中在1000万及以上像素的机型上，本月获得71.6%的关注比例，较上月增长3.0个百分点。800/870万像素机型关注度则继续呈下滑走势，本月降至22.3%，较上月下降了2.7个百分点。(图)&&月中国手机市场不同像素产品关注对比&&&&&&产品：
5三大品牌关注度起伏不定，竞争激烈&&&三、主流品牌分析：&&&(一)三星、苹果、华为品牌关注比例走势&&&&•&三大品牌关注度起伏不定，竞争激烈&&&&ZDC监测数据显示，月，三星、华为、苹果关注度竞争激烈，尤其在第二季度呈胶着态势。三星在1-4月虽然保持着较为明显的冠军领先地位，但在5月被发布大批新品的华为以15.9%的关注比例以微弱优势超越，6月三星扳回一城，但7月再度被华为超越。9月则又被苹果围剿。(图)&月中国市场三星、苹果、华为品牌关注比例走势 &&&&(二)&苹果系列产品关注走势&&&&•&苹果新品系列关注度呈先升后降走势&&&&ZDC监测数据显示，在15号发布之后，其关注度达到顶峰，并持续至18日，随后用户热情消退之后便经历了快速的下滑，但自20号开始，其关注度基本处于平稳走势。ZDC预计，未来一个月S关注度或将呈小幅波动的平稳走势，但其产品榜冠军的位置短期内将难以撼动。(图)&-30号苹果系列产品关注走势&&&&ZDC总结：&&&&自2007年发布第一款手机产品至今，苹果已经走过了八个年头，尽管其新品屡屡被用户所吐槽，但却不乏追捧者。目前来看，苹果在高端手机市场的地位仍无品牌能及。&&&&ZDC声明&&&&本报告中的关注度或关注比例是通过分析中关村在线(.cn，下称ZOL)专业IT网站包括新浪、搜狐、腾讯、网易、淘宝在内的79家网络媒体和ZOL全国85家分站的用户上网行为，统计各品牌及产品在一定时期内获得的有效点击率而得出的结果，因此排行反映的是一定时期内网站用户对某品牌或某产品的点击关注程度，厂商或经销商可参照数据对其销售情况进行参考和预测，但不能与其销售情况完全等同。&&&&法律声明&&&&本报告为互联网消费调研中心(ZDC)制作，报告中所有的文字、图片、表格均受到中国法律知识产权相关条例的版权保护。没有经过ZDC书面许可，任何组织和个人，不得使用本报告中的信息用于其他商业目的。本报告中部分文字或数据采集于公开信息，所有权为原著者所有。没有经过原著者和ZDC许可，任何组织和个人不得使用本报告中的信息用于其他商业目的。&&&&本报告中发布的数据采用ZDC自主研发的统计系统，或部分采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限制，调查资料收集范围的限制，部分数据不能够完全反映真实市场情况。本报告只免费提供给业内作为市场参考资料，ZDC对该报告的数据准确性不承担法律责任。&&&&更多免费报告，请登录ZDC：&
6苹果iPhone 6S详细参数
投诉欺诈商家:
天津重庆哈尔滨沈阳长春石家庄呼和浩特西安太原兰州乌鲁木齐成都昆明贵阳长沙武汉郑州济南青岛烟台合肥南京杭州东莞南宁南昌福州厦门深圳温州佛山宁波泉州惠州银川
本城市下暂无经销商}