掌握这25条小贴士，快速提升数据可视化能力！
可视化不是单纯的数据展示，其真正价值是设计出可以被读者轻松理解的数据展示。设计过程中的每一个选择，最终都应落地于读者的体验，而非设计者个人。
打破数据孤岛，DataHunter如何实现互联网业务的敏捷数据分析
在近几年，互联网业务实现了快速发展，很多传统企业开始向互联网转型。 但是，随着互联网业务的引入，企业内部的业务系统以及业务数据出现了爆炸式的增长， 这些业务系统由于建设的时间、类型、品牌各不相同，并不能很好打通，导致出现数据孤岛的现象 ，无法为数据分析提供充分的数据来源，对于业务的支撑也就无法谈起。 为了帮助互联网企业以及正在向互联网转型的传统企业开展数据治理策略，进行敏捷的数据分析， DataHunter 提供了覆盖数据利用全生命周期的解决方案，可以帮助企业将各个孤立系统的数据进行统一地采集、整合、清洗 ，并通过 Data Analytics 数据分析平台 搭建敏捷的BI
终于有人把云计算、大数据和人工智能讲明白了！
故事里面三个角色：兼具经济效益与情怀的云计算；努力把信息变为智慧的大数据；模拟人类大脑工作方式，学会推理的人工智能。三个从出身开始就注定“量子纠缠”的伙伴，他们之间相亲相爱，相辅相成的跌宕故事，献给非专业技术背景，但是需要了解行业的你。
如何做好网站数据分析
说到网站，每个网站都有自己存在的目的和意义。对于一个企业的网站，大多数企业的网站都有很重要的功能或作用，除政府和公益类网站之外，大部分网站存在的目的都是为了盈利或为盈利创造条件。那么如何让这样的战略目的得以顺利实施？首先要做的就是熟悉并分析你自己网站的数据。
企业如何提升数据质量，实现业务增长
数据是企业最具价值的资产之一，而数据质量则直接影响数据的产出和数据价值的高低。因此，数据质量的管理对于企业决策、战略水平和业绩提升至关重要。今天我们就来聊一聊企业如何评估和提升数据质量。
如何防止数据湖变成“沼泽”？这里有几个基本步骤
在当前BI或者其它数据分析项目的建设过程中，一个普遍趋势是实现数据仓库向数据湖的转变，即 把数据或信息汇集到一个结合处理速度和存储空间的大数据系统 ，例如Hadoop集群或内存解决方案，这样数据可能同时包括结构化数据和非结构化数据。 尽管数据湖具有很大的前景，但由于缺乏可治理性，近年来数据湖发展还是受到了许多制约。 在之前的文章里，我们介绍了数据湖的相关知识，商业和技术领导者也一直期待着数据湖可以改变他们利用数据的方式，并通过数据湖来轻松存储更多数据。 但是，他们普遍面临一个基本的挑战，那就是如何利用并维护数据湖，来推动业务决策。 以下是企业可以采取的四个步骤： 1. 对企
那些牛人的结构化思维是如何炼成的？
如果我们在解决问题、面临选择以及与人沟通的时候，能够找到一个结构，将所有的碎片信息放进去，就能够大大减轻大脑的负担，更容易地解决问题。而这，就是所谓的“结构化思维”。
如何11步转行数据科学家 (适用数据员/ MIS / BI分析师)
数据科学作为一个专业领域迅速崛起，吸引了来自各种职业背景的人。工程师、计算机科学家、市场和金融毕业生、分析师、人力资源人员——每个人都想尝一块 “数据科学馅饼”。
你还在为数据分析烦恼，领先的零售企业已在考虑用数据来“讲故事”了
随着互联网经济的快速发展，越来越多的零售企业开始推动线上线下业务的融合，由此也积累了海量的数据。为了挖掘这些数据的价值，不少零售企业通过数据分析软件、R语言等工具对于数据进行了不同维度的分析。但是，很多零售企业很快就发现， 这些数据分析结果的可读性与可理解性并不高 ，特别是对于缺乏数据专业技能的管理人员与业务人员来说，数据图表的确不少，但是这些数据说明了什么问题，下一步应该怎么做，仍然不得而解。 很显然，对于零售这样一个快速变动、需要实时决策的行业来说，增强数据的可读性显然具备十分重要的意义。 那么，怎么增强零售数据的可读性，甚至用数据来讲故事呢？ 下面我们就通过 Data
你还在为数据分析烦恼，领先的零售企业已在考虑用数据来“讲故事”了
随着互联网经济的快速发展，越来越多的零售企业开始推动线上线下业务的融合，由此也积累了海量的数据。 为了挖掘这些数据的价值，不少零售企业通过数据分析软件、R语言等工具对于数据进行了不同维度的分析。 但是，很多零售企业很快就发现， 这些数据分析结果的可读性与可理解性并不高 ，特别是对于缺乏数据专业技能的管理人员与业务人员来说，数据图表的确不少，但是这些数据说明了什么问题，下一步应该怎么做，仍然不得而解。 很显然，对于零售这样一个快速变动、需要实时决策的行业来说，增强数据的可读性显然具备十分重要的意义。 那么，怎么增强零售数据的可读性，甚至用数据来讲故事呢？ 下面我们就通过 Da
＂网红＂院长单霁翔退休，7年任期让故宫从传统经营到数据决策，他做了什么？
4月8日，执掌故宫博物院7年的院长单霁翔宣布退休，在网络上引起了很大的轰动——微信文章铺天盖地，截止到现在，微博话题#故宫院长单霁翔退休#阅读量达到2.7亿，谈论量5.5万。数猎哥查过相关资料，故宫博物院从建院到现在一共经历了6位院长，只有这一位的退休产生了这样的效应。那么问题来了，是什么让单院长如此备受瞩目？
想让数据来指导业务，数据分析师要走的路还有很长……
随着各个行业数字化转型的加速，数据价值得到了越来越多的认可，数据分析开始成为一种炙手可热的专业技能。想要对于企业的业务进行数据分析并不难，但是，要想让数据分析真正的指导业务并创造价值，就不是一件容易的事情了。 天天都是 S QL， 数据分析的烦恼很多人 不懂 在传统上，基于大规模数据集的数据分析并不简单。 首先，数据分析师需要对于所需要的数据进行梳理以及清洗 ，通过删除无意义字段，清洗缺失率高、单一取值、分布完全相同的数据，从而降低数据的规模，为数据的分析奠定了基础并提取可能用到的数据。 其次，数据分析师需要对这些数据进行预处理 ，从海量数据中提取可用特征，建立大宽表或者数