
工业制造企业如何进行数据分析,这几个实践案例告诉你
随着数字化技术的快速发展,数据的作用正在不断凸显。但是,很多企业由于处在数字化转型的初步阶段,数据基础薄弱,所以对数据分析与可视化对于业务有什么实际价值,仍然不是很清晰,提升数据分析能力的意愿也并不强烈。 对于某制造企业来说,情况也是如此,在漫长的历史时期内,该企业都是通过 手工报表 的形式来提交、处理数据,后来,其部署了DataHunter的敏捷数据分析解决方案。下面,我们就通过该企业的数字化实践,让大家管窥数据分析与可视化的价值所在。 数据分析让产品生产效率更高 在制造行业,生产效率的重要性不言而喻,其直接与企业的产值、利润、竞争力挂钩。该企业在致力于提升生产效率的过程

DataHunter与Kyligence达成战略合作,提供一站式大数据解决方案
近日,DataHunter与 Kyligence 联合宣布,双方达成战略合作。作为合作的第一步,DataHunter 旗下的数据分析平台 Data Analytics 与人工智能增强型数据分析平台Kyligence Enterprise完成产品认证测试,这也代表 这两个产品的技术连通性与产品兼容性得到了充分验证 。在认证通过之后,DataHunter将与Kyligence强强联合, 为企业级用户提供经过严格验证的一站式端到端大数据解决方案。 Kyligence是领先的大数据分析技术及解决方案供应商,其核心产品 Kyligence Enterprise 是一个基于Apache

数据分析应该向云端迁移,还是保留在本地?
在企业纷纷 上云 ,实现业务云化的大背景下,将数据分析业务迁移到云端成为一种流行的趋势。 但是,这个过程并非一蹴而就,企业需要考虑许多问题,例如检查现有的分析流程、选择正确的云计算工具、确保数据质量等,而且必须制定一套行之有效的云化策略。 与基于本地的数据分析相比, 将数据分析迁移到云端最大的优势在于,其更加的敏捷与灵活 。由于数据分析负载可以集中在位于后端的数据中心,用户一般不需要下载臃肿的客户端,也不用做一些复杂的本地配置以及优化,只需要通过连接到云端的网络,就能够在几乎任何可以运行Web应用的终端上进行数据分析。 基于云端的数据分析也让数据分析的门槛得到了显著降低 。

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

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

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

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

敏捷BI+数据可视化大屏,制造企业可以这样进行数据分析
在如今的制造行业,基于数据来进行生产策略制定与管理已经成为一种趋势,特别是在工业4.0的浪潮下,数据战略已经成为很多制造企业的优先战略。那么,如何让数据分析更好的赋能企业发展呢? D ata H unter建议,企业可以通过 敏捷 BI+ 数据可视化 大屏 解决方案,从生产数据、财务数据、运维数据等数据的可视化与分析入手,系统的提升数据价值。 制造业数据分析如何更加精进? 随着信息化进程的推进,大部分制造企业已经建立了比较完善的CRM、ERP、MES、MRP等基础信息化系统,并积累了大量的历史数据。但是,这些数据更多的时候只是沉睡的金矿,并没有得到充分的利用。随着企业增长的

Datahunter强化数据生态建设,共享智慧产业发展红利
近日,Datahunter宣布,将基于领先的数据分析 BI 平台,以及数据可视化大屏系统,强化面向智慧产业的数据生态建设。Datahunter将与IT解决方案提供商、集成商开展更加深入的合作,将自身的数据分析平台与数据可视化大屏融入到整体解决方案之中,为制造、交通、医疗、快消等行业用户提供更敏捷、易用、酷炫的数据分析与可视化能力。 智慧产业迎来发展风口,数据价值潜力无限 作为互联网+的升级迭代,2019年政府工作报告提出的智能+,要求各个行业要更加深入的利用大数据、人工智能等新兴技术,与传统产业深度融合,这体现了 基于数字革命的人工智能技术对社会生产的全新赋能 。 在智能+

数据分析有多重要?这并不是一个简单的问题
尽管我们一直在强调数据分析对于企业开展业务的价值,但是由于 市场环境与公司业务的多变性 ,我们很难纵向的评估数据分析对于企业带来的价值,这也使得很多企业对于是否要部署数据分析平台存在疑虑。 而从横向上,数据分析的价值则更加容易被证明。近期,国外一家分析机构对于过去五年内数千家实现了盈利的企业电话进行了跟踪,发现在这些电话中,与数据相关的术语出现最多的是数据分析,其从2014年的约5,000个增长到2018年的16,000个,这证明数据分析的价值得到了这些企业的普遍认可。更直接的证据是,这些经常会谈到数据分析的企业,收入增长率比同行高出了12%。 这既是商业世界的一个趋势,也

将统一管控融入智慧城市之中,DataHunter推出数据大屏方案
随着城市化进程的快速发展,以及物联网、人工智能、云计算、大数据等技术的深度应用,智慧城市已经逐渐从理论构想进化到实践。作为极其复杂的城市数字化构建与运行体系,智慧城市包括了智慧交通、智慧物流、智慧安防、智慧园区等大量的子系统,会产生海量的数据以及极为繁复的应用交互,对于统一的指挥调度提出了巨大挑战。 对于智慧城市解决方案提供商与集成商来说,其需要满足智慧城市的统一调控和管理需求,给决策者提供直观、及时、鲜活的数据分析能力的支撑,这将难以避免的会涉及到数据大屏的建设。对此, DataHunter提供了美观酷炫、定制化组建丰富、可便捷集成的 DataMax数据大屏解决方案 ,可

交通态势尽收眼底,DataHunter为智慧交通提供数据大屏方案
在智慧交通体系的运行过程中,实时的数据监控至关重要 ,通过指挥大厅内的数据大屏系统,交通管理部门可以快速地发现交通运行的关键数据,全盘掌握交通运行情况,提升决策效率。 为了帮助交通部门实现基于大数据分析的智慧交通监测与决策, DataHunter 提供了面向交通场景的数据大屏组件,可以便捷地集成在智慧交通整体方案之中,为交通 数据 的 整合应用 赋能。 数据可视化成为解决交通问题的可行之道 随着城市的不断发展,以及车流量、人流量的不断增大,各大城市都在不同程度上出现了交通压力日益增大的现象,由此带来了交通拥堵、环境污染、交通违章等问题,这些问题影响着交通体系的正常运转,同时