商业智能

商业智能

0
推荐
17
浏览

贷款发放决策

                                                        &...

邬书豪 发表了文章 • 12 小时前

0
投票
2
回答
37
浏览

ssis 查找问题

t661998 回复了问题 • 16 小时前
0
投票
1
回答
171
浏览

BIEE 如何展现外部图片?

seng 回复了问题 • 17 小时前
0
推荐
35
浏览

简单的Seq2Seq实现作对联

Seq2Seq全称Sequence to Sequence,在机器翻译、文章摘要等领域有着广泛的应用。其本身很简单,是一个如下图所示的Encoder-Decoder框架。本文不纠结于Seq2Seq的原理介绍,而是着重介绍代码实战。本文基于python3...

ruc_wenwen 发表了文章 • 19 小时前

3
推荐
46
浏览

第二周:业务篇,学习笔记

无小意知乎主页:无小意丶公众号: 数据路(shuju_lu)业务篇-指标1.为什么业务重要唯有理解业务,才能建立完整的一套体系,简称业务数据模型。想进入某个行业的数据分析,尽量需要一些业务知识,敲门砖。1.经典...

无小意 发表了文章 • 1 天前

1
推荐
62
浏览

《七周成为数据分析师》第一周之数据分析的三种核心思维

感谢秦璐老师的《七周成为数据分析师》系列,让我得以系统地梳理数据分析思路,懂得围绕”What?Why?How?“三层来分析问题,解决问题。由于年前家里的零售业工作繁忙,闲暇之余学习了该课程前五部分,受益匪浅,却迟...

顾小t 发表了文章 • 1 天前

2
推荐
103
浏览

第一周:数据分析思维,学习笔记

无小意知乎主页:无小意丶公众号: 数据路(shuju_lu)为什么需要七周?数据分析师,最主要的是,解决问题的能力!工具是其次锻炼思维能力第一,其次是业务能力!可视化+sql+python=Superset一定得实现一个Supers...

无小意 发表了文章 • 2 天前

0
推荐
82
浏览

经典Kaggle之泰坦尼克(二)

                            上一期我们对泰坦尼克数据进行了部分预处理和可视化探索,这一期继续我们的可视化探索和建模预测。这...

邬书豪 发表了文章 • 4 天前

1
推荐
89
浏览

经典Kaggle之泰坦尼克(一)

                                       1912年4月15日,载着1316号乘客和891名船员的豪华巨轮泰...

邬书豪 发表了文章 • 4 天前

1
推荐
147
浏览

使用Tensorflow实现简单的RNN

之前我们用word2vec训练了词向量,但光词向量其实没有什么实际的用处,我们还要结合深度学习模型比如rnn,LSTM,seq2seq才行,所以我们首先来介绍一下如何使用时下最为流行的tensorflow模型实现一个简单的循环神...

ruc_wenwen 发表了文章 • 5 天前

1
推荐
134
浏览

麻(shi)雀(zhan)虽小,五脏俱全

                                                        &...

邬书豪 发表了文章 • 2018-02-14 13:24

0
推荐
118
浏览

Tableau-日历图2

1.数据说明导入Excel设置好的日期,只有一列Date字段。2.计算字段维度字段:【Column】:IF (MONTH([Date]) = 1 OR MONTH([Date]) = 4 OR MONTH([Date]) = 7 OR MONTH([Date]) = 10) THEN '1'ELSEIF (MONTH([Date...

danny空 发表了文章 • 2018-02-13 16:11

0
推荐
103
浏览

sql练习——表内对比查询

开始在leetcode上面刷题,困在这道题上一直过不去,Employees Earning More Than Their Managers网上查找了相关答案,进行分析。这个题属于表内对比,可以从自连接或者内连接方向解决。自连接 select e.name as '...

晓薇 发表了文章 • 2018-02-12 11:53

0
推荐
127
浏览

多表数据查询

在连接查询中,我们要实现两张或多张表之间的数据查询,通常多表数据查询的实现方式分为两种:(1)表之间连接笛卡尔积,简单指对没有连接条件表关系返回的结果,检索出的行的数目将是第一个表中的行数乘以第二个...

晓薇 发表了文章 • 2018-02-11 15:22

条新动态, 点击查看
kenneth

kenneth 回答了问题 • 2013-07-02 14:00 • 7 个回复 不感兴趣

有什么很好的比喻来说明BI是什么?

赞同来自:

如果把商场比作战场,那么,BI其实就是一种情报分析工作。。对敌方的战略部署、武器装备如果了如指掌的话,那么我们就能在战场上立于能够俯视全局的战略制高点的位置。时下是大数据时代,如果依然沿用老式的报表堆积式的分析方法,虽然也能应付一些问题,但是如果战场上已经有人... 显示全部 »
如果把商场比作战场,那么,BI其实就是一种情报分析工作。。对敌方的战略部署、武器装备如果了如指掌的话,那么我们就能在战场上立于能够俯视全局的战略制高点的位置。时下是大数据时代,如果依然沿用老式的报表堆积式的分析方法,虽然也能应付一些问题,但是如果战场上已经有人使用了BI。那么,杂乱无章的报表攻略就像在用烟花火箭筒对抗卫星定位导弹系统群,吓人还成,真刀真枪比拼起来可想而知其后果,所以古语有云:欲善其工,先利其器!不过,虽然Bi工作能分析很多事儿,是一个利器,却也仅仅是一个棋子,需要明智的布局才能尽情发挥其作用。。。所以也是需要领导们的得力群策才能得到立竿见影运筹帷幄的效果。
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
 
andrea_zhou

andrea_zhou 回答了问题 • 2016-12-17 21:06 • 8 个回复 不感兴趣

公司选型BI求助

赞同来自:

这个貌似又是我的菜啊。
选型本身不是一下子可以完成的事情,三天的时间,完成对比,那这期间你需要的信息量是非常大的。
先给你介绍下在不缺时间的情况下,几个大的方面你可以参考下的吧,毕竟你就是说因为实际那关系走捷径,但是原本应该怎么来还是知道下比较好。
1、BI选... 显示全部 »
这个貌似又是我的菜啊。
选型本身不是一下子可以完成的事情,三天的时间,完成对比,那这期间你需要的信息量是非常大的。
先给你介绍下在不缺时间的情况下,几个大的方面你可以参考下的吧,毕竟你就是说因为实际那关系走捷径,但是原本应该怎么来还是知道下比较好。
1、BI选型之前,首先是项目的定义,需要了解项目建设的目标,面向人群,建设范围(主题域),才能依据此目标或者业务人员的特点来选型工具。
2、需要大致了解应用建设的类型结构,譬如以Excel报表迁移到BI工具平台为主,还是希望业务人员更多的自助式查询,或是给管理层的管理驾驶舱并需要移动设备访问,等等都将会对选型产生较大影响。
3、了解下现有数据量,现有涉及到的源系统,如果数据量不是太大的话,且没有Hadoop等大数据架构的话,那么性能角度各个工具区别不大。
4、大致有个项目建设预算范围段的评估,包含产品费用、实施费用等,以在选型时候考虑。
5、厂商对于行业方面的经验。能否提供参考。
6、高标准、高质量的实施服务及售后服务。
另外,建议你可以考虑:
1、选择几家工具厂商,进行方案沟通,一来吸收行业经验,而来可以自己做一些技术预研,另外也可以适当让业务部门参与工具呈现的选择。
2、邀请第三方机构进行一次约2日左右的咨询,对项目建设方法论、需求管理、项目选型、项目组结构设计、等等 ,乃至梳理简单需求,框定下来形成建设框架,这样通过第三方视野,更好的选型,已经更新业务人员的认知,为项目的顺利进行提供良好的保障。
 
再说到比较产品的功能点,那就非常的细了。
譬如
大到OLAP功能,钻取功能,是否有丰富的函数,
小到单元格可调属性有多少,油量表可以加入些什么参考值,
总之是非常的多了。需要结合自己的实际情况和时间充裕度,总归是要整理一个表格出来的,然后对各家的满足度进行填写。
 
缺时间的情况下,
1、问人,找人直接咨询,或可咨询我,微信Anz0214;
2、百度,看跟你面临同样问题的人有无资料可供你使用,但是不要抱太大希望;
3、看看领导的想法,简单点来,最终结果就是几款产品,各自优缺点,让领导们可以再做选择去拍板,给他们做选择题。
 
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!!
商业智能是传统数据仓库解决方案的延伸,不同的分工也是依据经典数据仓库的设计而来。其中主要设计到数据库、ETL、存储计算、可视化,还有业务专家角色的分析师团队。元数据管理、测试校验、监控部署,架构建模,不同的团队也会选择性地部分构架。

在传统的工作模式下,即便... 显示全部 »
商业智能是传统数据仓库解决方案的延伸,不同的分工也是依据经典数据仓库的设计而来。其中主要设计到数据库、ETL、存储计算、可视化,还有业务专家角色的分析师团队。元数据管理、测试校验、监控部署,架构建模,不同的团队也会选择性地部分构架。

在传统的工作模式下,即便是ETL也会有不同的分工。Stage/ODS/Mart/DW多层次设计,多维数据建模,可以说完整地分工下来,没有哪个团队按照38个子系统来全面进行。

新的时代已经到来,HADOOP模式下,很多案例粗暴地将所有层次和子系统混杂。用集群的计算能力替代架构设计及分工的作用,这种模式失败的案例居多,但始终是大势所趋。

在这种环境下,传统BI领域的从业者何去何从?

我先简单自我介绍下。十二年正式工作经验,从数据库到数据仓库,从业务到技术,从开发到管理都做过。尽管对于现在大数据相关的技术也有涉猎,但我更加符合一个传统BI从业者的角色。

新的技术浪潮来临,我们会受到冲击吗?

这是毫无疑问的。现在很多案例采用HADOOP架构,不再细致分成,那么以往数据库角色/ETL/存储计算等分工的同学,根本没有条件加入到这种技术选型的团队中。

如果开源大趋势在五年之内成形,这些人现在的工作能力会丧失大部分价值。

直接的体现就是传统架构的团队越来越少,机会越来越难找。新式架构的团队无法进入其中。简而言之,就是饭碗会出现问题。

这么严峻的问题,我给出第一条个人建议:不要给自己设限。

传统数据仓库从业人员,并非ETL工程师,并非建模人员,并非单纯的业务专家。如果已经看出开源是大趋势,就立刻拥抱开源。立即学习、立即尝试、立即应用。需要你做HADOOP就去学习做,需要你用SPARK就立即尝试,需要使用机器学习库就立马行动起来。

在这个崭新的大数据领域,及时的转型,可以拥有强大的优势。

别人不考虑数据体系架构的层次,但你们可以考虑到。预先知道哪里有坑,预先知道项目和业务的紧密结。转型是新人没错,但同为新人,你们的优势体现出来了。

有人担心HADOOP没用过,文档多,主要是英文资料阅读有障碍。没错,不同的技术架构需要改变以前的结构,我遇到很多人不熟悉shell,所以掌握fs shell不容易。有人不熟悉开发语言,所以开发MAP/REDUCE困难。有人英文功底不足,所以阅读很多资料困难。

似乎到处都是困难,没有办法克服是吗?

我们应该回顾下十年前做开始做数据仓库时的局面,真比现在简单吗?

数据仓库的架构没有成形,组件式的ETL遭遇数据量大的问题,莫名其妙的字符集问题,服务器硬件资源极度欠缺的挑战,网络速度极慢还得分电信网通!

这些问题克服的过程中,不需要查询英文资料吗?是不是几乎找不到已有的成功案例参考?是不是也会涉及到不同的开发语言来编写脚本?

现在这些困难,十年前明明已经经历过了!

不同的是现在信息更加发达,大家对压力的反馈有些不一样了。

以前是从业新人,遇到问题就去学习解决,执行力一等一。

现在起码也是个小中层,动口的时间比动手还多,到处听到处说,执行能力反而下滑了。

所以针对这第一条建议,不要给自己定位成某一个角色。即便是和我这样编程能力一般的人,也可以全方位地掌握数据相关能力。这么做,一定会是项目负责人角色,即使是新的技术环境也一样。

第二条建议,重新梳理自己的学习方法。

我们这个年代的人很特别,极有可能成为第一批普遍超过一百岁的人,工作到八十岁,我觉得也不奇怪。

将来还有七十年左右的时间,现在这些大数据的技术,我们是第一批站在这个技术风口上的人。现在学习起来,具备无以伦比的先手优势。

我接触到不少新人,一年前说想学某一块知识,一年后还是想学这块知识。

扯淡。想学的人早都学会转型成功了,动嘴的人一年到头没见行动。看了几本书?翻了多少文档,写了多少笔记,尝试了多少项目?

学习是什么?如果不把这个问题理顺,再过几年就看到很多人不需要转型了。因为机会完全被自己放弃。

一年时间,大数据的任何一个细分领域,作为成年人都有条件从入门者变成中等以上的实践者。其中值得一提的,无非是如何获取高质量的资料。

现在的主流信息是各种电子档,各种视频,各种培训。我比较推崇官方手册,任何计算机相关的资料都是一样的,哪怕只有英文资料。

能把官方手册读完的人,水平差不了。一个领域的应用即便遇到极大的挑战问题,官方手册也是最有资格指明方向的资料。

对于第二条建议,我想说的就是多看资料,详细地看,一遍又一遍地看。多整理笔记,持续不断地整理,大家普遍还有七十年的时间,学习哪个方向时间都是够的。

第三条建议,人以群分。

勤奋的人每天都在努力,懒惰的人一年重复一年。

我感觉现在的社会信息爆炸,有一个很大的作用就是快速给人们划分了层次。

到实际层面来看,就是圈子。越是高端的圈子,越难进入。现在的社会资源,越来越重视知识能力。所以持续学习,是提升圈子品质的一个重要通道。

我接触到很多学霸,他们每天看书学习比其他人时间要长得多。这方面我推崇复旦的思想:“自由而无用的灵魂”,你可以学习没什么商业价值的方向,但不能放弃追求灵魂自由的努力。

先勤奋,然后进入勤奋的圈子,坚持学习,不断改变。大家都看得到现在很多名校学霸只是一个名字,都能引导大量金钱、人力资源配合,他们尚且经常学习到深夜,我们又有什么理由原地等待?

以上是个人一点儿浅薄的想法,希望能给朋友们哪怕一丝的帮助。
 
铁皮罐头

铁皮罐头 回答了问题 • 2017-09-15 16:16 • 1 个回复 不感兴趣

biee中在仪表盘页里面两个提示如何不关联

赞同来自:

提示跟报表放在一个区域,修改下区域设置,让提示器只提示区域内容就好了
 
提示跟报表放在一个区域,修改下区域设置,让提示器只提示区域内容就好了
 
zhengyi1943

zhengyi1943 回答了问题 • 2017-09-18 09:22 • 2 个回复 不感兴趣

cognos 11 mobile的相关问题,求大佬赐教

赞同来自:

http//:server/ibmcognos/m
这种连接方式是10及以前版本的mobile连接方式。这个连接方式中有专门为移动产品设计的UI。但是老实说,使用感觉很差。
11版本的UI,采用自适应的设计,电脑客户端和移动客户端使用相同的URL连接。
http//:server/ibmcognos/m
这种连接方式是10及以前版本的mobile连接方式。这个连接方式中有专门为移动产品设计的UI。但是老实说,使用感觉很差。
11版本的UI,采用自适应的设计,电脑客户端和移动客户端使用相同的URL连接。
46815
用个函数ifnull就可以啦 ,见上图,除非是你的模型建的不对
 
46815
用个函数ifnull就可以啦 ,见上图,除非是你的模型建的不对
 
两个地方:
- cognos/webapps/p2pd/WEB-INF/lib
- cognos/drivers

需要重启。
另外,上述不能解决的话请参考: http://www-01.ibm.com/support/docview.wss?uid=swg2... 显示全部 »
两个地方:
- cognos/webapps/p2pd/WEB-INF/lib
- cognos/drivers

需要重启。
另外,上述不能解决的话请参考: http://www-01.ibm.com/support/docview.wss?uid=swg21573898
你按照这个顺序尝试解决:
1. 换浏览器试试
2. 将Configuration改为匿名登录
3. 配置Gateway,并访问这个地址
4. 重建资料库(这样就不会有遗留问题了)

从个人经验看来还是跟浏览器有关。
你按照这个顺序尝试解决:
1. 换浏览器试试
2. 将Configuration改为匿名登录
3. 配置Gateway,并访问这个地址
4. 重建资料库(这样就不会有遗留问题了)

从个人经验看来还是跟浏览器有关。
Vincent_lu

Vincent_lu 回答了问题 • 2017-11-20 10:50 • 1 个回复 不感兴趣

BIEE可以对透视表的结果进行计算么?

赞同来自:

a和b在RPD设置聚合规则是sum时,新建字段c=a/b,默认得到的结果就是sum(a)/sum(b),如果你要sum(a/b)反而要特殊处理,在源写公式
 
a和b在RPD设置聚合规则是sum时,新建字段c=a/b,默认得到的结果就是sum(a)/sum(b),如果你要sum(a/b)反而要特殊处理,在源写公式
 
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。
3
推荐
569
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
394
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
595
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
695
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

7
推荐
768
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
1658
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
596
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
1229
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
601
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
887
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
425
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
1369
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
1184
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

3
推荐
933
浏览

数据分析技术:信度与效度分析;信度和效度不仅仅能用于问卷分析!

20170418的微课《玩透信度与效度》已经在上完了,下面是微课介绍的部分内容。课后大家踊跃的提问,也给了我很多的课程改进思路,谢谢大家的踊跃参与!什么是信度和效度?信度代表的是数据的可靠性程度和一致性程...

老谢 发表了文章 • 2017-04-20 11:08

6
推荐
802
浏览

案例+课件下载|34页PPT,手把手教你做文本挖掘【资料放送】

1、本文是4月20日手把手教你做文本挖掘的课件;2、4月20日 20:30 Sim老师主讲《手把手教你做文本挖掘》直播地址:​https://edu.hellobi.com/course/117/lessons  (友情提醒:打开就可以看,建议P...

天善智能 发表了文章 • 2017-04-19 15:58

0
投票
2
回答
37
浏览

ssis 查找问题

t661998 回复了问题 • 16 小时前
0
投票
1
回答
171
浏览

BIEE 如何展现外部图片?

seng 回复了问题 • 17 小时前
0
投票
0
回答
84
浏览

greenplum安装中hostfile不存在的问题

Hidy 发起了问题 • 2018-02-01 09:53
0
投票
1
回答
117
浏览
0
投票
0
回答
68
浏览
3
投票
13
已解决
2615
浏览
0
投票
1
回答
85
浏览

SSAS MDX查询 维度字段升序

回复了问题 • 2018-01-29 17:43
0
投票
2
已解决
450
浏览
0
投票
1
回答
137
浏览
0
投票
5
已解决
1588
浏览
0
推荐
79
浏览

打造行业解决方案,数据领域厂商发展必修之路

在查询资料了解各行业数据解决方案的时候,帆软有一篇文章吸引到了我,是以永辉为案例介绍的零售行业案例,具体就不广告了有兴趣的朋友可以自己去搜索。读毕能有收获,算是有干货的案例文了。放眼看国内和国际的...

数据行者 发表了文章 • 2017-12-30 22:21

1
推荐
142
浏览

永洪科技与润乾软件战略合作之思考

11月8日,有看到永洪科技的一则报道,与润乾软件达成战略合作,报道中具体的合作内容未作太多的披露,仅言及双方将携手为更多行业客户提供完整的大数据解决方案。行者君觉得这是非常有意的一个合作,因此便作为本...

数据行者 发表了文章 • 2017-11-30 22:15

0
推荐
178
浏览

这家“娃娃兵”公司,凭什么入选Gartner全球市场指南?

-本文为CSDN记者孙浩峰撰稿最近,在全球著名咨询公司Gartner发布的传统企业报告平台市场指南中,一个名字吸引了老孙的注意——FineReport,之所以对这个名字熟悉,是因为在老孙的印象中,有一家中国的企业帆软也是...

帆软软件 发表了文章 • 2017-11-17 17:14

0
推荐
238
浏览

开放、共享、智能,帆软报表FineReport9.0全新上线!

11月15日,帆软旗下报表产品FineReport9.0正式上线。新版本围绕“开放·共享·智能”主题,新增/优化了填报、平台、图表、移动端、智能检索、智能运维、参数模板推荐等40+功能,全新优化了界面和交互设计。提供了更强...

帆软软件 发表了文章 • 2017-11-17 17:08

0
推荐
255
浏览

企业BI系统不普及,数据怎么可能变成“新石油”?| 五个方法助力您提升BI普及率

        对于CIO们来讲,许多用户花了大价钱上了企业BI之后,系统在企业内部推广困难。这也是近几年商业智能领域出现的一个普遍性问题。我们将BI在企业内部的推广情况其称之...

DataCVG 发表了文章 • 2017-11-16 15:42

0
推荐
163
浏览

数聚股份“智慧圈”团队荣获上海开放数据创新应用大赛SODA大奖

        2017年国际开放数据与城市创新峰会于11月8日在上海落下帷幕,而压轴大戏——上海开放数据应用创新大赛(Shanghai OpenDataApps,简称SODA,下同)的各项奖项花落谁家也...

DataCVG 发表了文章 • 2017-11-15 17:50

2
推荐
302
浏览

大家好,给大家介绍一下,这是“FineReport+”

在说“FineReport+”之前,我们先聊聊“互联网+”。“互联网+”是个老概念,通俗来讲是“互联网+各个传统行业”。很多人说,“互联网+”应该叫“+互联网”,因为互联网只是个工具而已。其实不然,“互联网+”并不是简单的“+”,...

帆软软件 发表了文章 • 2017-10-18 09:48

0
推荐
236
浏览

百年高校的“可持续发展梦”——同济大学数据化管理案例

文|帆软数据应用研究院 陈陵志引言《教育信息化“十三五”规划》提出:到 2020 年, 基本建成“人人皆学、处处能学、时时可学”、与国家教育现代化发展目标相适应的教育信息化体系。本文通过同济大学数据应用的案例,...

IT小牛 发表了文章 • 2017-09-19 10:33

2
推荐
390
浏览

金融毕业生一年转型数据分析师的心路历程

2017年又一部热播剧火了,《我的前半生》对剧荒期的大家的传播影响无疑是海啸式的,剧还没完结的那段日子每天上下班在地铁上都能看见有人举着手机在看,这部剧也让我们对商业分析这个名词不再陌生,咨询公司最需...

许伊梅 发表了文章 • 2017-08-10 16:01

1
推荐
182
浏览

电商运维BI解决方案-微信运营情况分析

电商运维BI解决方案之微信运营情况分析报表:        (1)利用数字图展现了我们比较关注的指标,新增关注人数、取消关注人数、图文页阅读人数、原文页阅读人数、分享转发次数、微信收...

珠海奥威软件 发表了文章 • 2017-08-03 10:11

0
推荐
210
浏览

数据可视化分析--客流量分析

  数据可视化分析--客流量分析,主要包含以下内容  (1)当天的客流量、订单量、销额、成交率,以及跟昨天的对比情况  (2)当月累计的客流量、订单量、销额、成交率,以及跟上月的对比情况  (3)各时间...

珠海奥威软件 发表了文章 • 2017-07-31 15:42

0
推荐
480
浏览

商业智能(BI)选型评估指南:如何选择正确的现代商业智能(BI)和数据分析平台

关于本指南本评估指南旨在帮助 IT 组织评估和选择适合进行大规模企业范围部署的现在商业智能和分析平台。 在向基于自助功能的现代商业智能模型过渡的过程中,IT 必须采用一种能够让业务部门在所有层面参与 整个计...

JoyBI 发表了文章 • 2017-07-12 10:49

0
推荐
220
浏览

响应客户需求:实施大数据商业智能系统,父爱思维更胜一筹

       作为国内的大数据与商业智能领域知名厂商,奥威经常需要和各行各业的客户合作,进行大数据商业智能系统选型。而在选型过程中,客户也会持有自己的选型目的和产品需求,与厂商的项目团...

珠海奥威软件 发表了文章 • 2017-07-10 11:27

0
推荐
235
浏览

为什么商业智能和设计理论必须统一

  “商业智能”这个术语是IBM公司研究员HansPeter Luhn在40年前创造的,当时全球互联网还没有成为主流平台。当然,在过去的半个世纪里,商业智能得到了显著的发展,主要是由于数字技术的进步。云计算和大数据也以...

珠海奥威软件 发表了文章 • 2017-07-03 11:26

1
推荐
336
浏览

什么是数据分析的关键指标?

什么是核心关键指标呢?这是一个好问题,不过没有标准的答案。企业性质不同,所处行业、发展阶段不同,关注点当然不同。不过大体可以这样来划分。1、发展阶段不同,需求不同对于一个想要做数据化管理的企业来说,...

吃水果的蛋蛋 发表了文章 • 2017-06-26 11:40

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。