商业智能

商业智能

0
推荐
10
浏览

紧急寻找一批机器学习、数据分析、数据挖掘有时间的人

各位BI们   机器学习已经称为必备技术了,估计大家都学有所长了。  恭喜  目前我们出版社打算出版一套算法、分析类的纸质图书,想邀请helloBI上的博客写手们,看谁有时间有能力有兴趣。 ...

bookred 发表了文章 • 2 小时前

0
投票
0
回答
23
浏览
0
推荐
80
浏览

如何写出整洁规范的R代码?是时候讨论一下代码规范性了

作者:鲁伟,热爱数据,坚信数据技术和代码改变世界。R语言和Python的忠实拥趸,为成为一名未来的数据科学家而奋斗终生。个人公众号:机器学习实验室 (微信ID:louwill12)接触 R 语言快两年时间了,多少也...

R语言中文社区 发表了文章 • 2 天前

0
推荐
84
浏览

R语言爱好者必备——R语言速查表(高清版可下载)

前不久,一位R语言初学者,在后台留言说有没有R语言速查表,小编正好有几张高清大图,所以今天分享给各位。小伙伴们可以在本公众号后台回复速查表获取高清版PDF。END    

R语言中文社区 发表了文章 • 2 天前

0
推荐
71
浏览

R_差值_拟合_回归_样条

作者:李誉辉 四川大学在读研究生  1 概念辨析因为误差的存在,很多时候,直接对数据点进行连线没有意义,不能清楚的反映其中的变量关系,这时候就需要数据拟合或者线性回归,现实中,很多人...

R语言中文社区 发表了文章 • 2 天前

0
推荐
35
浏览

数据科学之——大数据体系

作者:MarsJ,大数据玩家,R语言中文社区作者1 浅谈数据科学数据科学(Data Science)这一概念自大数据崛起也随之成为数据领域的讨论热点,从去年开始,“数据科学家”便成为了一个工作职位出现在各种招聘信息上。...

R语言中文社区 发表了文章 • 2 天前

0
推荐
36
浏览

Python告诉你上海有哪些高性价比的西餐厅

作者:强哥,现供职于一家大型全球电子商务网站,多年Python程序员,热爱数据,热爱AI,希望能与更多同业人交流。个人公众号:Python与数据分析我们用Python爬了下点评上所有上海的西餐厅,看看上海都有哪些高性...

Python爱好者社区 发表了文章 • 3 天前

0
推荐
35
浏览

面试的时候,如何做自我介绍?

找工作过程中,遇到的第一个面试问题就是:自我介绍。那么,自我介绍的时候,应该先说些什么?中间怎么说?最后怎么结尾?主要说那些内容比较好?通常面试官会根据你的自我介绍来展开问后面的问题。比如你在自我...

猴子聊人物 发表了文章 • 4 天前

0
推荐
64
浏览

推荐系统遇上深度学习(二十七)--知识图谱与推荐系统结合之RippleNet模型原理及实现

知识图谱特征学习在推荐系统中的应用步骤大致有以下三种方式:依次训练的方法主要有:Deep Knowledge-aware Network(DKN)联合训练的方法主要有:Ripple Network交替训练主要采用multi-task的思路,主要方法有:Mu...

石晓文 发表了文章 • 4 天前

0
投票
2
已解决
297
浏览
0
推荐
48
浏览

最全各国人口数据,人口的高出生率与高死亡率竟然是这些国家

作者:挖数  腾讯数据产品经理 & 段子手个人微信公号:washu66最近在国外网站看到这张图片,里边对比了2017年人口最多的国家在2050年的人口情况,可以看到印度在那时候人口会增长到16亿,而中国人口会下...

人工智能爱好者社区 发表了文章 • 6 天前

条新动态, 点击查看
书有很多,好书也很多。分类说说好了
1、先是工具书,譬如你想了解一款工具,Cognos也好,Tableau也好,微软体系BI工具也罢,现在都有工具书了,实体书捧在手,多翻翻。
2、理论书籍,起到武装你的思路的作用,譬如Bill Inmon的《数据参考》,Ral... 显示全部 »
书有很多,好书也很多。分类说说好了
1、先是工具书,譬如你想了解一款工具,Cognos也好,Tableau也好,微软体系BI工具也罢,现在都有工具书了,实体书捧在手,多翻翻。
2、理论书籍,起到武装你的思路的作用,譬如Bill Inmon的《数据参考》,Ralph Kimball的一系列丛书,兼具理论和实践内容,不详述,人是大师,书为经典。
3、数据分析类的书,可以为你的数据方面技能升级,对前端或是需求、或是数据分析方面感兴趣可以考虑,这方面的书籍就多了去了。譬如数据分析方法什么的,一艘一大把。
4、项目管理类的书,往PM方向发展可以读读。或是想更深入理解项目、风险等方面也可以翻翻。
5、行业业务知识,这一类书籍,在你决定让自己专一某个行业的时候,是必须的,譬如零售、供应链这样的分类,或是房地产、服装、等等等等,不一而足。
6、潮流趋势与发展方面的书 ,譬如大数据时代这一类的,让你的思路和眼界不断Update。
好了。先列到这儿,欢迎大家补充。
 
农夫

农夫 回答了问题 • 2015-10-27 13:05 • 5 个回复 不感兴趣

如何保证数据质量?

赞同来自:

数据质量这块深有体味,曾经开发实施ERP多年,接过很多ERP业务需求并深入了解过业务,BI报表的需求等,有关数据质量分几种:
1.系统BUG问题:
 产生原因:A.开发测试验收流程不规范,遵循开发加自测=》测试=》业务需求部门验收的流程操作,减少这块引起的数据... 显示全部 »
数据质量这块深有体味,曾经开发实施ERP多年,接过很多ERP业务需求并深入了解过业务,BI报表的需求等,有关数据质量分几种:
1.系统BUG问题:
 产生原因:A.开发测试验收流程不规范,遵循开发加自测=》测试=》业务需求部门验收的流程操作,减少这块引起的数据质量问题。
        B.开发过程中,可能版本控制的问题,对公用的过程,我修改后另外的开发人员进行覆盖等等问题
 解决方案:A.规范开发测试及版本控制流程,没有任何捷径所走,上面几个朋友都有提到,对已发生的问题开发人员进行修改;
        B.曾经使用过一套平台化开发的ERP系统,主要原因是开发人员的进进出去,修修改改,数据质量经常不准确,后来通过3个月的时间,把所有单据明细与库存明细帐、销售明细账、期间表、即时库存、成本表等等所有的过账逻辑在晚上进行修复重算,再更新重算后正确的数据,一举解决了困扰公司几年老大难的问题。但这工作需要对业务、数据结构、ERP业务流程、开发能力都比较强的人员来操作,才能保证重算的准确。
2.分析指标统一口径问题:
 产生原因:在一公司做BI系统的时候,指标口径不统一,比如像成本有:门店成本、销售成本、加成成本等等好几个,每次开会的时候,采购部、销售中心、财务中心、市场部等等拿出来的数据可能名称一样,但数据都不一样;
 解决方案:我想这一块还是比较好解决的,只要先统计整理公司所有的指标,然后把业务部门请上来,统一指标名称、指标解释、计算公式等,就不会产生同一个人,这个叫李老四,那个叫李二狗。
3.企业不同的时期业务系统处理方式上逐步优化产生的数据差异:
 产生原因:企业在不同的发展时间,系统处理会有所差异,特别是二开比较多的公司
 解决方案:A.后续规范的数据与前面不规范的数据,看是否可以通过相对应的关系,进行整理统一;
        B.如果上述都不能处理的话,我想还是对前面的一些数据进行分开统计分析,否则两者不一样统计了来会误导业务人员
        以前在一通讯行业工作的时候,原来在联通新用户(存费送机、购机送费、单开户)、老用户等等以前都是通过一个或几个字段的状态标志进行区别,后来业务发展,发现这样太复杂,后来做了一个政策层级的分类,统一规范。在处理前面数据的时候,对以前的数据进行修复处理,以保证与后续的数据统计方式一致。否则区别两个统计方式。
4.因为实际业务过程中无法规范而产生的数据质量问题:
 问题举例:在一服装制造行业工作的时候,来统计产品的实际工时,因为是A产品完工、B产品新生产,在这一交接阶段,同时进行生产,无法正确的统计实际的生产工时,这是正常的实际情况。
 解决方案:后与业务部门沟通,将当天的实际工时根据当天完工产品的理论工价来按比例分配,这样对统计分析虽然会有不真实的情况,但也是能相对真实。
 所以碰到问题的时候,可以是否可以折中处理,只要不完全违背统计分析的原则,还要以考虑相应的处理方式。
 说了这么多废话,希望可以在实际工作中引起一些思考。
BIWORK

BIWORK 回答了问题 • 2015-10-09 15:18 • 13 个回复 不感兴趣

关于数据仓库模型的选取和大家进行一个讨论

赞同来自:

个人理解:
星型模型和雪花型模型没有绝对的谁好谁不好之分,都是维度建模的一种设计思想,只是看在什么情形下使用。
 
星型模型的提出主要是方便业务人员理解业务模型,通过什么样的维度来看数据,星型模型更加直观,并且查询效率高。雪花型模型对于业务人员来说直观程度不够... 显示全部 »
个人理解:
星型模型和雪花型模型没有绝对的谁好谁不好之分,都是维度建模的一种设计思想,只是看在什么情形下使用。
 
星型模型的提出主要是方便业务人员理解业务模型,通过什么样的维度来看数据,星型模型更加直观,并且查询效率高。雪花型模型对于业务人员来说直观程度不够,并且在查询上效率略低。
 
但是我来举一个反例。
日-月-年,产品-产品小分类-中分类-大分类,国家-省份-地区 加一个事实度量。如果每一个日,月,年类似于这样的都是一张维度表的话,就意味着这张事实表的外键涉及到上述所有的维度,变成 10 个外键维度和一个事实度量。可以想象一下这样的事实就如同一条蜈蚣一样形成了一个蜈蚣事实表,维度外键过多,虽然是星型模型但是实则并不好。
 
退一步说,这张事实表只关联到日,产品,地区这三个维度,日-月-年 成为日期维度的一部分属性,这种情况最终三个维度+一个事实,这种星型模型要稍微好一点。
 
我继续基于这个星型模型再来说明,我假设在产品维度中(产品-小分类-中分类-大分类) 假设小分类,中分类,大分类各有5个非重复的值,但是却有10W个产品。也就意味着在产品维度中,小分类-中分类-大分类差不多要重复10W次。 也就意味中如果要统计分类的量需要从这10W条里面做去重统计操作,这种做法我认为效率很低。
 
再次,如果小分类,中分类,大分类不仅仅是一个标签而且还包含着标签描述信息和其它的属性,可想而知在星型模型下的处理方式就只能扩展同样重复的字段,这种重复率随着需要补充描述的属性越多变得越高。反之,如果再把这些单个的小分类,中分类拉出去形成维度和事实度量值构成一个星型模型,就又回到我刚才说的蜈蚣表了。
 
所以,没有最好的设计,只有最合适的选择,我们就从上面的几个设计推演就能考虑很多星型模型的弊端,在很多时候不一定就是最好的。
 
关于第二个问题可以看看我的这篇文章 - http://www.flybi.net/blog/biwork/1084 微软BI 之SSAS 系列 - 维度的优化、灌木丛属性关系、以及自然层次结构与非自然层次结构的概念
 
慢羊羊

慢羊羊 回答了问题 • 2017-04-05 17:25 • 2 个回复 不感兴趣

传统BI报表如何转型敏捷BI(power bi)?

赞同来自:

qlik本身也是敏捷BI范畴的啊,这个问题太大了,最好能举实例,否则太难回答了。还有分析问题应该分主题,全都弄在一张报表里本身似乎就不合适,应该想办法分解问题。
qlik本身也是敏捷BI范畴的啊,这个问题太大了,最好能举实例,否则太难回答了。还有分析问题应该分主题,全都弄在一张报表里本身似乎就不合适,应该想办法分解问题。
唐太宗

唐太宗 回答了问题 • 2017-04-01 11:16 • 2 个回复 不感兴趣

BIEE12C回写配置问题

赞同来自:

已经解决,是模板问题!!
已经解决,是模板问题!!
加一个隐藏列=avg(column),用条件格式判断即可。
加一个隐藏列=avg(column),用条件格式判断即可。
接地气学堂

接地气学堂 回答了问题 • 2018-01-12 13:45 • 1 个回复 不感兴趣

商业分析能力是怎样炼成的?

赞同来自:

作为一个从一线摸爬滚打上来的老兵,补充一些个人心得:

曾经数据分析师是一个被严重低估的岗位。在我12年前本科毕业的时候,做分析是件相当没前途的事。我本人读的是应用数学系。那时候一流的学生做金融,二流的去宝洁、IBM这种五百强,三流的进各大银行三大运营商的IT... 显示全部 »
作为一个从一线摸爬滚打上来的老兵,补充一些个人心得:

曾经数据分析师是一个被严重低估的岗位。在我12年前本科毕业的时候,做分析是件相当没前途的事。我本人读的是应用数学系。那时候一流的学生做金融,二流的去宝洁、IBM这种五百强,三流的进各大银行三大运营商的IT部,四流的做软件开发,不入流的人才去做什么数据分析。在那个年代,腾讯还是一个年收入30亿的小公司,百度刚刚崭露头角,阿里还不知道在哪里。华为,好像华为和数据没啥关系……

在这种大环境下,我果断的读了研究生。不争气的转了管理学。进入文科生的世界以后才发现,原来本科读个数学专业是这么霸气,想水个管理学/经济学的论文简直太easy。只需要找到一篇底稿,修改一下研究假设,派个问卷,然后几十行代码往lisrel里一丢,就基本大功告成。如果输出模型检验值通不过,还能通过数据加权,合成变量等手段合理合法的改数据,改到OK为止。以上做法虽然为正儿八经学习的同学们所不耻(确实很无耻,同学们勿学),但是却是应付差事的利器。类似的还有利用SPSS做因子、聚类分析,用Eviews做经济学模型,虽然过程经不起推敲,结果却看起来像那么回事。


那个年代还没有调参侠这个称呼,因此没有人当头棒喝给我那么一下,告诉我这种二半吊子做法会有什么危害。两年水来水去的生活,让我饱受同学们好评与老板们喜爱。于是不知天高地厚的,以为做分析真的就是模型一套数据一堆就搞掂了。在找实习的时候恰逢经济危机,甲方企业普遍缩减用人,于是找了个咨询公司试试伸手。没想到一试效果还行,很受领导同事的喜欢。就这么阴差阳错的绕了一个大圈以后,我又回归了数据分析的行列。

真正工作以后做的数据分析,和目前流行的数据分析基本是两个概念。确切的说,应该是更偏“分析”而不是数据。基础的数据整理、跑SQL、问卷统计等等并不需要我处理。一来当时有技术小哥帮我做这些事情,二来当时的任务是要面对客户老板。在2010左右,大企业的ERP系统已经很普遍,有条件的企业已经有了BI系统,他们所面临的问题,不是没有数据,而是没有结论。到底这些数说明了什么,到底我要怎么做,是最迫切需要回答的问题。


最初还没有自己负责项目的时候,还感觉这些东西很简单。如同所有咨询公司的同学一样,我也收藏了一套《麦肯锡七大手册》,SWOT,PEST,5w2h什么的背的滚瓜烂熟,没事就把杜邦分析法拉出来用过往项目数据撸一遍。感觉真的很简单yeah,从模版库捞ppt然后把数据往里填就好了。而且只是帮着别人撸报告,会觉得项目之间都很像。你看营销分析框架就是这一套,先诊断再找标杆最后出结论,换我我也会写。真不明白领导们在纠结什么。

出来混的,迟早是要还的。当我自己独立面对客户的时候,我终于明白领导们在纠结什么了:他们在纠结如何不被客户操死,活着把尾款收回来。因为寻找答案,比寻找数字难的多。客户花了几十上百万不是来听《管理统计》或者《市场营销》课的,而是结结实实的需要答案。到底数据背后说明了什么问题?到底这个数据能得出什么结论?我早知道这个情况了,你又分析了什么?是最常被提起的三个问题。而且,相信我,没有一本书能告诉你答案。请务必相信我,因为我真!的!试!过!

“我知道销售在这几天少了30%,所以又怎么样?”“模型预计增长30%,所以我只要坐着不动听模型的就对不对?所以我的销售要干什么?”“寻找高端客群,说的容易,我到哪里找?我要找多少?光找高端就够吗?”客户类似的咆哮,如同春节的鞭炮,在我耳边噼里啪啦啪啦霹雳炸的不停。以至于养成了一个习惯:但凡有新人写报告的时候附上:“我们一要提升销售连带率,二要优化产品品类”这种结论,我都会把这些爆竹拉出来再点一次,炸的新人魂飞破散为止。

当我很困惑的时候,我的领导用一种最简单的方式破开了我的困惑。某天在街边吃饭,他指着对面桌某个正在吃饭的小哥,说:“你注意到没有,他是我们某个客户的业务员,你现在告诉我,你可以怎样帮到他做业务”。我愣了半天,完全想不到该做什么。话说,要是我会做销售早就去做了好吧,为什么还要在这做分析写报告啊!我就是没有能力死皮赖脸的求人买东西啊。我只会找自己的熟人啊,介绍产品也含羞带臊啊。而且,这种基层业务员的动作,和数据有什么关系?我们分析的不是销售额,客单价,转化率这种抽象的东西吗?我们的分析和具体的业务离得很远啊。具体到一个个销售动作?有没有一个监控探头24小时拍摄业务员动作,数据都没有,分析个啥?

领导说:“这就是问题的关键了。你没有能力帮助基层的业务员,你怎么有能力帮助他的老板?他的老板下边有无数的这种人要管,他要烦的事本质上还得通过这些人搞掂。你不能帮助这些人做出业绩,你凭什么认为你能帮助他的老板搞掂业绩问题”。这一刻,我突然明白了为什么数据分析在企业内不被重视。

因为值钱的是数据,不是数据分析。比如对面的业务员小王,如果你能马上给他500个对我们产品感兴趣的顾客电话,那他怎么着也能把业绩做出来。如果你只是给500个电话,他还得辛辛苦苦打上一天,看有没有机会碰到一个订单。如果你给的只是:“我们的目标客户是年薪30-35岁,年收入2万以上喜欢在高端商城逛街女性”他估计能气到吐血,这他妈都是什么?你是让我去商城门口拦人吗?会被保安痛扁的好吧。如果有优质的数据,比如银行,可以拿到用户真实的个人信息,资产情况,通过银行卡记录用户消费情况,那么即使没有什么复杂的模型,也能轻松判断用户价值和需求。如果像大部分传统零售快消耐用企业那样,只有少量订单数据,就只能做一些不接地气的经营分析。对基层而言,有用的从来都是数据,而不是分析。

决定我职业发展的重大时刻,在这里来到了。我反问了领导一个问题:是滴,我是不会教小王,可是如果我能用数据追踪到一个优秀的业务员,让他去教呢?领导笑笑说:“你小子终于开窍了”。然而这个窍依然开的很艰难。当我真的在这个项目里找到了销售团队Ace以后,发现这他妈的根本复制不了。因为那哥们不是一个人,而是一个“人精”。无论外貌、着装、言语、谈吐、思维速度,根本不是一般人可以比的。而我既不能建议客户把剩下的200个销售都炒了换成这种人精,又不能建议销售们集体再投一次胎。感觉这标杆树的跟数据分析没什么关系,应该归入《投胎学》范畴。

这时候再经过领导提示,我才真正理解了流程梳理的含义。梳理销售流程不是简单的列4个P然后填做填空题,而是真正深入到业务当中。观察每一步细节。到底这个行业销售过程分作几步?最原始的名单从哪里来?工作计划如何安排?拜访客户时间表怎么定?FAB先怎么讲后怎么讲?不同类的客户是否有区别?如何探测需求成熟度?多少天、多少频次、什么理由、什么形式做跟进?最后投标价格如何比拼?一步步,一个个细节去理解销售场景,去观摩业务员行为。去剥茧抽丝,哪些是所有人可以执行的,哪些是个人特性的;哪些是可以量化的,哪些是主观能动的;哪些需要系统工具,哪些需要人工考核。

详细的梳理之后,有限收集的数据和无限复杂的业务场景结合起来,数字忽然变得有意义。这个时候开始理解为什么一个行业销售数据会有自己的波动形态;才开始理解为什么在这个行业中销售波动5%不是问题,波动10%就是问题;才开始理解为什么客户看到A类用户75%流失率也不为所动,看到B类用户10%流失率就开始发飙。虽然这样理解以后只能和客户对行业的认识打个平手,但是客户往往没有系统全面的看过数据,只有零散的凭经验的认识。逻辑性+行业理解,可以让顾问赢得客户的认可,至少能和客户平等的探讨问题,而不是被人呼来喝去了。

之后就是无数的项目积累,接触的行业越来越多,被操的次数越来越多,能力也成长了很多。到现在我都坚信:好的数据分析师都是被操出来的。被人反复质疑:你这个数据说明了什么?看到数据又能做什么?我早知道了,你又分析了什么?这三大问题以后,就会越来越思考数据分析的价值,就会越来越聚焦于分析的意义,就会抛弃那些刻板的公式与理论,找到真正对企业经营有意义的分析结论。这些才是客户愿意花钱买的东西。“如果只是看数,人家的BI系统早就有数了,为什么要花钱找你们这些人”每次培训,我都会这样给新兵们强调。

But,题目是《一个优秀的商业分析师》,所以到底优秀体现在什么地方呢?在我看来,优秀就是赚钱。如果做科研的话早就读博去了,我们出来打工就是为了赚钱,对不对。赚到钱的才算优秀。而在这一点上,陈老师有一点小小的心得可以分享。就是当我开始和销售一起打标的时候,我得到了第二次分析能力突飞猛进的机会。

这个机会叫弄死竞争对手。因为我只是广大乙方公司中很普通的一员。每次客户招标可能要看几份甚至十几份详细的方案。对面也是电脑E盘工作资料文件夹里收藏了几十G ppt的小哥小姐姐,怎么能脱颖而出呢?某次我去打标,做的方案太四平八稳,被客户吐槽:“你们分析都是这些套路,有什么新意思吗?”我很不服气,回来的路上一路吐槽:“净TMD扯淡,我TM就不信他TM能找到更TM厉害的,做市场进入研究不就TM这个套路其他公司还TM能玩出花来”。骂完之后我忽然有个想法:为什么不把这些常见套路直接展示给客户呢?我还就不信了谁还能比谁强多少。

某次客户初步和我们沟通意向,只是抛了个很常规的新品研究与上市策略的需求。眼看着又要被人吐槽:老一套。我主动出击了:“通常市场研究公司或者咨询公司都会先看目标群体再看市场份额最后做竞争态势。输出到您面前的一个条形图,您的对手bar大概这么长,您的大概这么长。然而我们早知道了啊。这个领域我们两家独大,且我们落后于竞争对手,这是个基本事实。我们的用户画像,即使没有明确的数据大家心里也八九不离十。与其花大力气重复这个事实,不如提炼出发展新用户的逻辑。这样就能真正找到切入市场的办法”。

我边说边在白板上画出图表的形态。我看到客户那边手下小弟很认真的看着我画的然后微微一笑,我看到领导表情很沉重如有所思,我知道这鱼基本上上钩了,他们应该看过类似的报告,而我正在赢得这场游戏。领导听完愣了一下,缓缓的说:“那你的建议呢?”我知道我的机会来了。我坚定的说:“既然明知道处于下风,就不要分散投入。我可以在完成基础画像完成后,快速切入竞争胜利与失败的用户群体,把更多项目费用用在测试竞争效果上,这样后续落地建议将更具体和有效”。客户领导认可的点了下头。当天晚上就发了中标通知。这是我第一次用竞争分析法搞掂客户。

之后我便更常使用这个方法。当然,之后应用的更灵活,没有那么激进的直接抨击对手(因为发现太过直接的抨击别人,会显得自己太过高调,会引起客户反感)。而是站在客户的角度思考:“到底这样做有什么用”。当我自己把自己当成评标委员,自己怼自己一顿以后,差不多如何打赢竞争对手的思路也差不多有了。

当然,赢得客户靠的不止有专业性,还有关系、费用、品牌大小等等,陈老师也并非一路战无不胜。但是这种自我diss,站在需求方角度看问题的思维方式,使得我至少超过了平均水平。即使没有赢下单子,客户至少认可我的个人能力。直到脂肪肝把我赶离咨询行业以前,我都能保持很好的工作状态。

最后总结一下,一个优秀的商业分析师是如何炼成的:第一,摆正位置,从理解如何做生意开始,理解商业问题;第二,理清流程,了解商业过程的完整流程;第三,探索规律,从优秀/差劲案例中总结商业经验;第四,提炼假设,总结出可以定性/定量分析的维度;第五,总结经验,从具体的问题分析中总结出适用于一个行业,一个企业的经验;第六,挑战经验,不断反问自己,除了这些经验以外还有没可能性,还有没有更多办法。这六个过程不断迭代,最后自己会在梳理问题逻辑,理解行业运作上越来越深入,自然也越来越优秀。

本质上,商业分析为的是解决商业问题,商业问题是盈亏利损,不是加减乘除。能理解商业运作本质,具体问题具体分析,才是商业分析师真正该做的事。把《管理统计》和《市场营销》两本书订在一起,只是证明一个人手劲很大而已。与大家共勉。

更多个人分享,可以关注公众号:接地气学堂
li052468

li052468 回答了问题 • 2018-02-23 15:10 • 2 个回复 不感兴趣

ssis 查找问题

赞同来自:

因为‘指定如何处理无匹配项的行’你选的是组件失败,所以如果DLBH1列有和BigCatagoryKey匹配不上的值的时候就直接报这个控件执行失败
因为‘指定如何处理无匹配项的行’你选的是组件失败,所以如果DLBH1列有和BigCatagoryKey匹配不上的值的时候就直接报这个控件执行失败
answer里面有一个无结果页, 可以改提示信息.
answer里面有一个无结果页, 可以改提示信息.
你修改excel 源控件对应列的数据类型即可
你修改excel 源控件对应列的数据类型即可
参考官方文档
https://docs.oracle.com/middleware/bi12214/lcm/OBIUP/GUID-D0867450-1AEF-43DE-8144-7816F7105CB1.htm#OBIUP-GUID-D0867450-1AEF... 显示全部 »
参考官方文档
https://docs.oracle.com/middleware/bi12214/lcm/OBIUP/GUID-D0867450-1AEF-43DE-8144-7816F7105CB1.htm#OBIUP-GUID-D0867450-1AEF-43DE-8144-7816F7105CB1
wffger

wffger 回答了问题 • 2018-07-23 16:10 • 1 个回复 不感兴趣

BIEE12c如何用程序修改用户密码

赞同来自:

请使用weblogic.management.mbeanservers.runtime
请使用weblogic.management.mbeanservers.runtime
seng

seng 回答了问题 • 2018-07-03 22:52 • 2 个回复 不感兴趣

biee 某些组件启动不起来

赞同来自:

看这个文档
https://ask.hellobi.com/article/368
这3个组件日志都不一样的,看了才可能知道问题。
看这个文档
https://ask.hellobi.com/article/368
这3个组件日志都不一样的,看了才可能知道问题。
已解决。原因是Excel 变了,客户端Excel全部变成了OA365版本了,导致不能识别原来的连接字符串。微软还是需要努力的!!!
已解决。原因是Excel 变了,客户端Excel全部变成了OA365版本了,导致不能识别原来的连接字符串。微软还是需要努力的!!!
高阔

高阔 回答了问题 • 2018-10-08 17:26 • 3 个回复 不感兴趣

tableau 如何实现列标题转成一行?

赞同来自:

也可以点击  行列切换  按钮,推荐课程:Tableau数据分析实战 https://edu.hellobi.com/course/88
也可以点击  行列切换  按钮,推荐课程:Tableau数据分析实战 https://edu.hellobi.com/course/88
0
推荐
531
浏览

淘宝童装市场儿童内衣裤子类目市场分析简报·第十九期

    本篇分析报告主要是针对淘宝市场2018年儿童内衣裤类目在春季的热卖属性进行分析,消费者人群的基本特征以及洞察消费者在给宝宝购买内衣裤时更关注哪方面的信息,围绕这三个方面的内容进行详细...

零一老师 发表了文章 • 2018-01-25 09:55

3
推荐
1345
浏览

《人人都会数据分析》20万字电子版

去年的时间把之前的数据分析工作经历、大环境背景、职场选择、公司选择、岗位选择、统计学的基本常识、需要掌握的分析工具、怎么写好一个报告、互联网和金融行业的分析场景这些都整理了下。具体购买链接:https:/...

面包君 发表了文章 • 2018-01-03 15:15

5
推荐
843
浏览

《R的极客理想》系列图书作者张丹:用R语言把数据玩出花样

前言作为数据分析师,每天都有大量的数据需要处理,我们会根据业务的要求做各种复杂的报表,包括了分组、排序、过滤、转置、差分、填充、移动、合并、分裂、分布、去重、找重、填充 等等的操作。有时为了计算一个...

R语言中文社区 发表了文章 • 2017-09-28 09:59

4
推荐
1159
浏览

Python简介

什么是Python Python是一种解释型的、 面向对象的带有动态语义的高级程序设计语言Python的诞生第1个Python编译器/解释器于1991年诞生 Python名称来自Guido挚爱的电视剧Monty Python's Flying Circ...

· 发表了文章 • 2017-09-19 10:26

7
推荐
1430
浏览

拉勾网数据分析岗数据分析

简介:试着,做了一个拉勾网数据分析师职位的数据分析。其实,虽然很想做数据分析师,但是是跨行,心里相当忐忑,做这个分析就相当于加深自己对数据分析这个行业的了解了。思路大致思路起始数据来源本来是想自己...

wangtianshan 发表了文章 • 2017-08-23 12:51

8
推荐
1595
浏览

我爬了某宝上4000+网店只为了告诉你中国人最爱喝什么绿茶

作者:吴人链接:http://blog.csdn.net/liu_sn/article/details/72567476微信:1521172694求实习:本人明年3月份浙大硕士毕业,想找一份今年暑期的实习,若能推荐,不胜感激!著作权归作者所有。商业转载请联系作...

吴人beng越 发表了文章 • 2017-05-20 18:37

18
推荐
1977
浏览

为啥214被塞狗粮的单身汪,520还会被塞狗粮

马上就是520,又是一大波狗粮即将来袭,又是一片单身汪呼天抢地,又是一批《为什么优秀的男生都不追女生》这种直男癌YY文开始传播。套路如此熟悉,结果却依然相同:该单身的还在单身啊!到底是什么阻碍了单身汪们...

陈老师 发表了文章 • 2017-05-19 16:28

1
推荐
1091
浏览

数据分析,R还是Python?真的是个问题么?

R和Python作为数据分析的两大主流语言,究竟哪一个更好的争论不绝于耳。但对于两个语言都了解尝试过的小伙伴而言,结论其实非常简单:都好但都有不好。下面从几个方面聊聊我的看法。开发目的据我近期的观察了解,...

张土豆 发表了文章 • 2017-05-17 18:05

10
推荐
1591
浏览

数据分析师VS算命先生,除了算盘与键盘,还有啥差别?

想了解自己数据分析能力到了哪一层,戳{数据分析6个能力等级}想和大牛学更多思维方式,戳{和管理咨询顾问学思考}我们到底是在做预测还是算命 无论从各个层次,各个维度看,数据分析师和算命先生都有天渊之别...

陈老师 发表了文章 • 2017-05-16 16:32

1
推荐
915
浏览

【数据分析】员工奖金合理性分析

分析目的:根据20**年以来的奖金分配数据分析分公司员工奖金分配是否合理。分析结果:按月份不分分公司,从整体数据来看经理奖金与人均奖金符合y=2.2308x-308.81,且拟合度达到了0.981,即98.1%的数据符合两者的关...

w卫东 发表了文章 • 2017-05-12 17:47

8
推荐
1197
浏览

数据分析师该这样霸气回应“0.00008的转化也很好”的谬论

活动做的好不好,到底谁说了算? “花费300万成本做促销推广,买了一堆KOL,淘宝广告,微博刷屏,最后转化率0.00008,也是极其成功的活动,原因有三:”“第一,花钱做社交媒体就是没转化的,这是常识”“第二,...

陈老师 发表了文章 • 2017-05-12 16:26

2
推荐
1072
浏览

【重磅干货】65页PPT讲述一个完整R语言与数据挖掘的案例

一、如何用R语言做数据清洗1.1、数据质量分析—缺失值处理二、如何用R语言进行建模三、常用数据挖掘算法的基本原理及R语言实现3.1数据挖掘模型分类3.2常用数据挖掘模型四 、利用关联规则进行购物篮分析4.1关联规则...

datakong 发表了文章 • 2017-05-12 09:42

7
推荐
1827
浏览

分析报告被嫌弃没重点。怎么办?看这里

想了解自己数据分析能力到了哪一层,戳{数据分析6个能力等级}想和大牛学更多思维方式,戳{和管理咨询顾问学思考}数据驱动决策?还是被人嫌弃? 数据驱动决策?说的好听,有几次老板决策是听数据分析师的。实...

陈老师 发表了文章 • 2017-04-27 12:07

11
推荐
1582
浏览

精准营销大扫盲。破除模型迷信人人有责,有利你我他

其实最智能的精准营销模型叫亲妈,其次是迷魂汤 阿尔法狗化名master挑翻一众高手,引爆了人们对人工智能和算法的关注,也使得数据模型与算法再次成为热点话题。在各路自媒体大肆宣传下,似乎通过算法就可以...

陈老师 发表了文章 • 2017-04-21 15:33

0
投票
3
已解决
294
浏览
0
投票
1
回答
338
浏览
0
投票
1
回答
172
浏览
0
投票
1
回答
208
浏览
0
投票
1
回答
176
浏览

BIEE外部表权限问题

seng 回复了问题 • 2018-08-14 21:22
0
投票
1
已解决
297
浏览

BIEE12c如何用程序修改用户密码

wffger 回复了问题 • 2018-07-23 16:10
0
投票
1
回答
356
浏览
0
投票
2
已解决
217
浏览

biee 某些组件启动不起来

北京熊猫 回复了问题 • 2018-07-04 11:02
0
投票
1
回答
266
浏览

OBIEE求合计问题

calan0117 回复了问题 • 2018-06-29 20:55
0
投票
1
回答
189
浏览
1
推荐
108
浏览

小白第一次来发博客!

小白第一次来发博客!小白第一次来发博客!小白第一次来发博客!小白第一次来发博客!小白第一次来发博客!小白第一次来发博客!小白第一次来发博客!小白第一次来发博客!小白第一次来发博客!小白第一次来发博...

fdhgdh11 发表了文章 • 2018-09-25 23:40

0
推荐
407
浏览

24页PPT,用户画像第二弹,从标签到个性化推荐!为您解密数字化营销

本文是天善智能签约讲师ben老师的课程Hellobi Live  数字化营销与大数据职业发展方向课件,未经允许,禁止转载。推荐课程:数字化营销与大数据职业发展方向

天善智能 发表了文章 • 2018-08-14 10:58

0
推荐
453
浏览

35岁的中年IT男之殇,如何破局走向前方?

合上笔记本,要去吃午饭了,倒杯水先,整个上午处理事情也没来得及喝水。一个上午又过去了 ,感觉也没忙多少实际的事情,是的,又是重复的一个上午。我已经35了,辗转几家,现在在一个创业公司做项目部经理...

天善智能 发表了文章 • 2018-08-07 15:38

2
推荐
336
浏览

【胡艺友】AI+BI公司售前培训的收获与行动计划

总体概述一、收获1.1  洞察数字化转型趋势1.2  项目亮点总结1.3  项目汇报的套路还是需要重视的1.4  复杂销售之策略制定二、启发2.1  惊叹于公司迭代的速度2....

胡艺友_数据胡 发表了文章 • 2018-08-06 09:47

推荐
浏览


m4wtm9 发表了文章 •

推荐
浏览


z7i0vn 发表了文章 •

推荐
浏览


qzq1x4 发表了文章 •

推荐
浏览


gw9hf5 发表了文章 •

推荐
浏览


m4wtm9 发表了文章 •

推荐
浏览


m4wtm9 发表了文章 •

推荐
浏览


gw9hf5 发表了文章 •

推荐
浏览


ujlfo4 发表了文章 •

推荐
浏览


acuv5r 发表了文章 •

推荐
浏览


ggud76 发表了文章 •

推荐
浏览


gw9hf5 发表了文章 •

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术(Data Warehouse)、线上分析处理技术(OLAP)、数据挖掘(Data Mining)和数据展现技术进行数据分析以实现商业价值。