京公网安备 11010802034615号
经营许可证编号:京B2-20210330
活动类型:行业聚会
开始时间:2014-12-27 14:00 至 2014-12-27 17:00
活动地点:东直门航空服务大厦(楼)
报名截止:2014-12-26 14:00
在数据呈指数增长的时代,大数据、云计算、移动互联网等新生事物已经改变了BI的市场环境。大数据厂商正表现得来势汹汹,传统BI厂商相对而言似乎陷入守势。风云变幻的当下,传统BI会面临怎样的挑战与机遇?
目前,大数据与商业智能的结合已经应用到各行各业。那么传统的BI与现代BI有什么区别和联系呢?大数据又如何与BI结合?且等我们本次的嘉宾和参会的俱乐部会员为我们解答并一起探讨吧!志同道合的朋友们还等什么,报名走起!
报名条件
1. CDMC会员,任何对BI、数据挖掘、数据分析感兴趣的人士,参加过人大经济论坛现场培训班的同学也可报名等待审核;
2. 拟在聚会上发表高质量演讲内容的人士优先(演讲时间控制在20分钟之内,需提供PPT供筛选);
3. BI方面的专家和技术人员优先。我们将根据报名人的条件,从中选择约30人通知参加聚会。演讲者及其演讲的题目,将在聚会前公布。
4. 演讲内容包括但是不限于以下主题:
二、大数据如何与商业智能结合
三、商业智能的发展目前面临哪些挑战
四、商业智能在各个行业的应用
聚会议程:
1. 演讲人发表演讲(每人约30分钟);
2. 针对演讲内容提问讨论(20分钟);
3. 约3名演讲人结束后,自由讨论发言。
邀请嘉宾(后续会增加):
李凯:
博易智软(北京)技术有限公司董事长兼CEO,中国社会科学院金融专业博士。企业信息化及商业智能(BI)市场专家,在商业智能(BI)领域有着丰富的实践和咨询顾问经历。十余年的行业经验与积淀,对于当前商业智能(BI)市场有着深入研究,并且深谙市场发展动向,在企业信息化领域有着独到的见解,曾提出商业智能(BI)产品的七大走向,以及企业选择商业智能(BI)产品的五大关注点等一系列的观点得到了广泛认可。
主题:大数据时代下的商业智能(BI)
1.大数据背景下BI特色;
2.大数据时代下BI新元素;
3.BI新的发展趋势。
拟参加本次聚会者,可以将“姓名、手机号码、来自公司(学校)、职务(学历)、演讲PPT等”发到邮箱club@pinggu.org,邮件标题注明“参加聚会”和“新/老会员”字样。或者发短信到15120056136。我们审核通过后,将给您发通知参加本次活动。
关于CDMC及历次聚会详情,可以参考帖子:
http://bbs.pinggu.org/thread-2250292-1-1.html
http://bbs.pinggu.org/thread-3065206-1-1.html
2013年是大数据元年,在美国,大数据的应用正在各个行业风生水起,大至奥巴马竞选总统,小至互联网公司的数据挖掘,人大经济论坛在近10年的耕耘中,统计和计量是论坛最强的专业版块,这些版块吸引了国内数以万计的专业人士参加、给初学者带来教益,给高级者带来接触讨论的机会。为了进一步推动数据分析和数据挖掘技术的进步,增强数据分析技术和商业应用的结合,由人大经济论坛发起,将成立“中国数据分析和数据挖掘俱乐部”(简称CDMC:China Data Miner Club,跟CDMA差一个字,呵呵),欢迎志同道合的朋友参与!
俱乐部目标:
1、促进数据方和技术方的对接
2、技术探讨,促进数据分析和数据挖掘技术的进步
3、创意交流,促成大数据时代的新商业模式
俱乐部活动内容:
1、开展俱乐部沙龙,创造交流和沟通的环境,在会上要求因为有技术和有创意加入的成员宣传自己的成果和创意,有数据的成员宣讲自己的数据开发需求。
2、读书会,研读数据分析和数据挖掘的文章和作品,并一起讨论
3、组建数据分析专用机房和实验室,进行数据分析实验和技术测试
初期我们只吸收具备以下条件任一的会员:
1、有大数据(或在具有大数据的公司任职,希望对数据进行开发,或有数据分析需求)
2、有技术(能在每次聚会中展现自己的技术成果),技术可分别在数据采集,统计分析和数据挖掘等3个领域
3、有创意(能在每次聚会中阐述自己的创意,符合该项条件者请详细说明个人情况,以便审核)
具备以上任意一个条件者,可以将“自己参与的条件(以上三者任一的具体描述)、姓名、联系方式和常住地”4项发到我们的组委会邮箱,邮件标题注明CDMC字样,我们审核通过后,将给您发入会信,并通知每一次活动的安排
具备以上任意一个条件者,可以发送申请至:club@pinggu.org
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27