数据指标的构件流程与逻辑
我们每天都在说数据指标，那么数据指标到底有什么用?构建数据指标的目的是什么?如何得到自己需要的数据指标?本篇为从0开始搭建自己的数据运营指标体系的第4篇，本篇将从数据指标的本质出发谈谈数据指标的构建流程与逻辑。
DataHunter：以“人”为中心 强化基于数据的新零售转型
11月19日,第五届美丽互联大会：新零售分论坛聚美丽美数思享会年会在上海拉开帷幕，DataHunter 携业务数据可视化分析展示解决方案出席了此次论坛，DataHunter 创始人 CEO程凯征在圆桌讨论时指出，人是企业创新零售的最根本的因素，零售企业需要以人为中心，强化对于业务数据的分析与展示，为消费者提供更精准、个性化的零售产品与服务，全面提升零售创新价值。
数据分析师需具备的10种分析思维
一、逻辑思维 逻辑思维即明白价值链，明白各项数据中的关系; 该方法的关键在于明白其中的关系要求你对这项工作要了解、熟悉，要细致和慎密，要清楚充分性和必要性的关系。 实际上也就是指：你需要那些数据?如何获得这些数据?数据之间的关系如何?
快速上手数据分析的方法论
数据是一种连接。它连接4个最基本的象限，时间，地点，任务，事件。我们为什么要说数据会是下一次技术革命浪潮的最重要的指针?大家来看一下，根据美国几家顶级研究机构的报告，(Gartner，IDC等等)，在未来的5年，我们会有40亿人通过互联网产生各种数据，将成就一个4万亿美元的市场，将有两千五百万种软件接入，250亿台各种各样的设备接入各种数据系统，五百万亿GB的数据产生。
商业智能BI四大趋势展望：融合 迁移云 开源 SaaS
受经济危机的影响，BI(商业智能)市场增速放缓。不过在云计算、数据管理的融合趋势，以及开源浪潮的影响之下，BI开始释放出崭新的活力与激情。未来十年，变革与创新有望缔造一个全新的BI世界。
关于数据可视化思考者的8条军规
经常在网络上看到这样的问题：“从零开始学习「数据可视化」，需要怎么开始?”《DataatWork》一书的作者JorgeCamoes在一次演讲中，提出了“数据可视化思考者”这一概念，并分享了他的12个想法。我们从中选取了最具价值的8个，进行了编译。
数据可视化并不是数据分析
商业智能解决方案对于一些企业来说，可能是一个欺骗性的解决方案。许多企业声称商业智能软件解决方案实际上只能提供所需功能和效果的一半。
数据分析师常用的数据分析方法论有哪些?
1、PEST分析法 PEST 为一种企业所处宏观环境分析模型，从政治(Politics)、经济(Economy)、社会(Society)、技术(Technology)四个方面分析内外环境，适用于宏观分析。
如何快速提升数据可视化能力？
一、原则 1. 选择可以讲故事的图表 你首先需要思考清楚你想达到什么目的、传达什么信息、以及你的用户是谁等。
常用百度推广分析方法有哪些?
常用百度推广分析方法有哪些?针对SEM数据分析维度，可以分为8个维度：渠道、设备、地域、时段、计划、关键词、落地页、客服，如果更好的进行百度推广分析呢?今天我们通过数据分析公司-Datahunter与大家一起来探讨一下!
DataHunter沙龙回顾：汽车行业数字化营销理论与实践
10月20日，DataHunter联合CDA数据分析师、蓝海在线成功举办了爱(AI)上看数据系列沙龙第一期——《汽车行业数据化之道》，来自DataHunter、蓝海在线和信惠科技的行业专家分享了目前汽车行业的营销现状和未来趋势，以及应用商业智能进行精准营销的理论方法和价值，帮助众多与会者寻找汽车行业新的营销突破点和业务模式。
用数据驱动多业态发展 DataHunter签约克丽缇娜
近日，中国最大的美容连锁企业Chlitina克丽缇娜签约DataHunter，希望借助DataHunter数据可视化分析平台深挖数据价值，实现线上+线下多数据源融合和业务综合分析，从而基于数据进行产品结构的调整和精准营销，达到业绩增长目的。