人格特質
職業3A
勾畫出你職業生涯的核心。
職業3A可以快速概述您的行為方式，職業驅動力和個人技能。 根據評估結果，列出最合適的職業，幫助您思考職業選擇的方向。 您可以邀請朋友組成一個團隊，並通過輸入相同的團隊名稱來查詢團隊的評估結果，這可以幫助您更好地與具有不同優先級和偏好的同事建立關係。
行為風格
此評估可以快速確定你的行為風格。
職涯動力
此評估將幫助你瞭解是什麼驅動著你的職業生涯。
個人技能
此評估將幫助你確定在工作中最喜歡使用哪些個人技能。
職業3A
職位匹配
職業3A
團隊分析
聚類2A
聚類分析
聚類分析工具。
聚類是一種無監督的機器學習技術，它將相似的對象分組到同一個聚類中。聚類2A結合了兩種最流行的聚類算法K-means和DBSCAN，幫助你發現數據中有趣的模式。例如，它可以根據客戶的消費行為幫助你找到不同的客戶群體。
K-means 模型
K-means算法要求指定聚類的數量。其主要目標是在大量高維數據中找到有代表性的數據點 (稱為質心)，然後根據這些質心為每個數據點分配最近的質心。它可以很好地擴展到大量樣本，並已廣泛應用於許多不同領域。聚類2A使用K-means++選擇初始聚類中心以提高收斂速度。
DBSCAN 模型
與K-means不同，DBSCAN不需要指定要生成的聚類數。DBSCAN算法基於密度處理數據點，主要是將特徵空間中足夠密集的點劃分為同一聚類，並且可以識別不屬於任何聚類的離群值，這非常適合檢測離群值。
聚類2A
K-means 模型
聚類2A
DBSCAN 模型
資源分配
分配3M
資源分配計算器。
分配3M結合了三種數學統計模型，可幫助你分析生活中的資源分配問題，例如時間分配，人力分配，商品分配等。這些模型根據分配目標的過去數據提供了三種分配策略：預期增長率高，低波動率和波動率平價。當你面臨資源分配決策時，這些策略為你提供了數據方面的參考信息。
Mean Variance 模型
均值方差模型根據分配目標過去的數據計算預期的增長率和波動性。使用 Monte Carlo method 求得在給定波動率下預期增長率最高的分配比例或在給定預期增長率下波動率最低的分配比例。
Black–Litterman 模型
Black-Litterman 模型結合了均值方差模型，Bayesian estimation method 和用戶對預期增長率的看法來計算資源分配比例。如果你對未來預期增長率有自己的看法，則可以使用 Black-Litterman 模型來計算給定波動率下具有最高預期增長率的分配比例，或在給定預期增長率下計算具有最低波動率的分配比例。
Risk Parity 模型
與旨在優化預期增長率的均值方差模型和 Black-Litterman 模型不同，風險平價模型旨在優化波動性。風險平價模型使用 Newton’s method 計算近似的資源分配比例，以便每個數據對數據組合的波動性貢獻是一致的。
Mean Variance 模型
尋求具有最佳預期增長率的資源分配比率。
Black–Litterman 模型
結合對預期增長率的看法來計算資源分配比例。
Risk Parity 模型
在每個數據的波動貢獻相同的情況下尋求資源分配比率。
分配3M
Mean Variance 模型
分配3M
Black–Litterman 模型
分配3M
Risk Parity 模型
經濟預測
宏觀3M
宏觀經濟分析工具。
宏觀3M使用三種機器學習模型來分析美國月度經濟指標發佈後的市場反應，找出規律，建立泛化模型。你可以使用這些模型輸入每月的指標數據，以映射下個月的市場表現，並幫助你分析經濟指標對市場的影響。
宏觀3M使用的數據集包含1962年至2020年的22個美國經濟指標。通過統計工具分析，其中6個指標與美國市場高度相關。這6個指標分別是非農就業人數(NFP)、工商業貸款(C&I Loans)、個人收入(PI)、M2貨幣存量(M2)、工業生產指數(IPI)和生產者價格指數(PPI)。
宏觀3M在機器學習中使用了三種深度學習模型：多層感知器模型，循環神經網絡模型和長期短期記憶網絡模型。這些模型的評估指標是使映射值和目標值之間的平均絕對誤差(MAE)最小化。
在機器學習中，我們的目標是獲得一個可推廣的模型，該模型在以前從未見過的數據上表現良好。在這個目標下，在我們跟蹤的模型中，深度學習模型的性能優於傳統的機器學習模型。
MLP
多層感知器模型
RNN
循環神經網絡模型
LSTM
長期短期記憶模型宏觀3M
MLP 模型
宏觀3M
RNN 模型
宏觀3M
LSTM 模型
客戶關係
銷售TSK
分析你的銷售核心。
销售TSK是由时间矩阵，销售阶段和关键指标组成的销售跟踪工具，可以指导你将时间和精力集中在销售流程上。根据你过去的销售数据和当前的销售目标，计算关键指标并预测销售结果。
時間矩陣 (Time Matrix)
時間矩陣是一種簡單而有效的工具，它可以根據每個活動的緊迫性和重要性對你的銷售活動進行優先排序。時間矩陣可以幫助你快速確定哪些活動應該重點關注，哪些活動應該忽略，從而為重要的活動騰出時間。
銷售階段 (Sales Stages)
將你的銷售過程劃分為幾個清晰的階段，例如已建立聯繫，定義需求，提出建議，完成/贏得訂單等。清晰的銷售階段將銷售過程可視化，當你控制每個階段時，你將控制最終結果。
關鍵指標 (Key Indicators)
根據你過去的銷售數據和當前的銷售目標，計算關鍵的銷售指標，預測你的銷售結果和所需的潛在客戶數量。關鍵指標包括交易規模，銷售週期和獲勝率。你可以尋找更大的交易，更短的銷售週期和更高的獲勝率來改善銷售業績。
時間矩陣
根據每個活動的緊迫性和重要性來確定您的銷售活動的優先級。
銷售階段
指導您專注於銷售過程。當您控制過程時，您將控制最終結果。
關鍵指標
分析關鍵指標，例如交易規模，銷售週期和獲勝率，並預測銷售結果。
銷售TSK
時間矩陣
銷售TSK
銷售階段
銷售TSK
關鍵指標
