
【CDAS 2017】数据可视化与商业BI分论坛: 数据可视化,无限新未来
前言2017年7月29日,由CDA数据分析师主办,以“跨界互联 数据未来”为主题的CDAS 2017第四届中国数据分析师行业峰会在北京中国大饭店隆重举行。
7月29日当天,除了引人眼球的主会场以外,当天同步开放11个分论坛,我们将逐一推送每个分论坛的盛况,以及演讲嘉宾速记稿整理,给每一个CDA成员奉上干货。
CDAS 2017中国数据分析师行业峰会下午的数据可视化与商业BI分论坛中,来自IBM、永洪科技、ThoughtWorks等六位专家与教授,分享了数据可视化与商业BI领域的实践和应用。
大数据可视决策的行业应用
北京数字冰雹信息技术有限公司副总经理 丁冬
近年来,随着大数据从基础建设逐步转向行业应用,在公安、交通、电力、园区管理、网络安全、航天等领域,已切实落地了多个大数据可视化决策系统的应用。丁冬老师从可视渲染技术、可视分析技术、可视决策支持等方面为到场观众详细解析了大数据可视决策技术,帮助各行业用户通过可视化技术挖掘出大数据真正的价值点,真正帮助决策者运筹帷幄,决策千里。
企业数据可视化从0到1
DataHunterCEO 程凯征
程凯征老师在现场分析了企业数据处理现状,与观众探讨了国外的企业数据可视化,并详解了数据探索式分析,讲述了数据探索式分析的理论基础、数据类型、视觉处理依据等内容。程凯征认为“数据类型 + 数据之间的关系 + 正确的图表选择 + 合理的视觉呈现才是数据可视化分析(探索式分析)”
数据可视化-无限可能的艺术
IBM资深软件技术顾问 贺华
贺华从企业和不同业务部门用户的业务需求出发,通过多个应用场景演示、案例分享和功能特点介绍,解析了数据探索、可视化工具如何以更加灵活、敏捷、丰富和轻松的方式探索分析数据,让企业内更多的用户实现自助分析,从而帮助企业挖掘数据潜力,实践业务创新、和提升业务价值。
数据技术的下一站-数据应用
永洪科技咨询部总监 胡星昱
数据技术日渐成熟丰富,处理海量数据不再是企业的挑战,但大多企业都不知数据该如何利用才能对业务和管理提升真正带来价值。永洪科技咨询部总监胡星昱基于自身的实践和探索,找出了一条解决之道。胡星昱讲解了如何做真正的企业级的自服务数据分析,定义了什么是企业级自服务,并在最后提出在企业里面推广自服务分析的步骤,一是培养用户进行数据交互的习惯,二是给部分用户开放数据报告制作的权限,三是进行数据模型到数据建模、数据报告制作、前端的分析全流程的开放。
基于地理大数据的商业洞察及应用
北京华通人商用信息有限公司CEO 白欢朋
智能商业地理是伴随地理信息系统和商业智能快速发展和广泛应用而产生的一门新型学科,它将帮助商业企业将数据转化为知识,发现数据背后隐藏的商机或威胁,以便获得商业洞察力。白欢朋老师从技术框架、支撑数据、解决方案等方面进行分析,并结合实际案例分享了自己的心得与体会,使企业了解市场的现状,把握趋势,识别异常情况,理解企业业务的推动力量,认清正在对企业业务产生影响的行为。
利用前端框架简化 D3 编程
ThoughtWorks · 资深咨询师 汪志成
D3是最顶级的图表库之一,但用起来也相当复杂、繁琐,让很多人望而却步。汪志成老师在现场分享了自己的使用方法,只使用它的模型库,而把它自带的渲染引擎换成主流的前端MVC框架。在峰会现场,汪志成以Angular为例,展示了如何用简单直观的方式,直接使用D3的模型层来实现可定制的、简单清晰的图表,向人们介绍了如何用 SoC 的思想来简化开发。
城市综合治理可视大数据智能决策平台
北京中润普达信息有限公司CIO 韩辉辉
韩辉辉老师提出运用社会感知的方法研究城市和改善城市并最终实现数据治理城市,通过基于中文语义智能分析引擎的分析平台,使用机器学习,自然语言处理,深层文本学习,以及智能结构化分析,可以彻底分析每个数据维度并自动提供最佳信息,为政务工作提供最准确的信息。韩辉辉老师表示运用认知矩阵,动态平衡与城市治理结合之后能够方便城市里的相关部门做决策。
CDA坚持打造高端数据分析学习社区和数据分析认证
CDA 数据分析师,作为国内领先的数据分析师人才教育品牌,一直致力于打造中国最棒的数据分析学习社区。旨在加强国内外乃至全球范围内正规化、科学化、专业化的数据分析人才队伍建设,进一步提升数据分析师的职业素养与能力水平,促进数据分析行业的高质量持续快速发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10