管理

管理

学会应用最佳实践并优化您的操作。

• 为什么企业外包分析？

  随着业务数据复杂性的增加，企业正转向第三方来满足他们的分析需求。以下是公司选择外包分析的10个原因。继续阅读

• 10 BI仪表板设计原则和最佳实践

  BI仪表板是用于向业务用户提供分析数据的关键工具。以下是如何设计有效的仪表板，可以帮助推动通知的决策。继续阅读

• 为什么越来越多的人开始使用图表分析技术来分析大数据

  由于不同的原因，图表分析在各个行业都得到了应用。继续往下读，看看他们如何改进组织决策、网络分析、生产等等。继续阅读

• 数据科学流程:分析应用程序的6个关键步骤

  数据科学流程包括数据科学家收集、准备和分析数据并将分析结果呈现给业务用户的一系列步骤。继续阅读

• 数据素养框架必须为企业留下

  由于数据对企业越来越重要，数据团队超出数据团队的员工需要成为数据识字。和数据识字计划需要某些组件成功。继续阅读

• 数据分析中的8种偏差以及如何避免它们

  分析可以显示出影响底线的偏见，或者通过歧视煽动社会愤怒。在问题出现之前解决这些偏见很重要。继续阅读

• 预测性和规定的分析如何影响底线

  有了现在收集的所有数据，他们需要一个好的方法来分析它，而这正是预测性和规范性分析可以发挥作用的地方。继续阅读

• 企业前五大预测分析用例

  从营销到医疗保健，看着过去的数据可能有利于预测未来趋势。请继续阅读，了解今天预测分析的最受欢迎的用例。继续阅读

• 8个自助服务BIAR BIAT BIAL BEST实践

  自助BI程序可以简化分析过程，但向数千个业务用户扩展需要适当的计划和项目管理。继续阅读

• 学生订婚数据可以帮助教育者与远程学习

  在COVID-19大流行期间，对大多数机构来说，远程学习是必要的。看看机构是如何利用分析来衡量他们在这一转变中的成功。继续阅读

• Covid-19对分析专业人士的影响

  全球大流行已经强迫许多企业进行快速变化。Covid-19对分析专业人士的影响使他们必须改变业务目标。继续阅读

• 数据科学家与数据工程师的关键差异

  数据科学家和数据工程师经常一起工作，有时职位被视为相同的位置。阅读以了解彼此不同的作用。继续阅读

• 流媒体数据分析的趋势和顶级用例

  随着更多企业采用实时分析，出现了新的基础设施和最佳实践。以下是用于流媒体数据分析平台的一些趋势实践。继续阅读

• 丰富的数据科学经验

  数据科学家需要许多技能，并从不同的背景中学到这些技能。专家表示，相关经验几乎可以来自任何量化领域。继续阅读

• 嵌入式BI软件为不同的分析创造了共同点

  了解如何将独立的商业智能功能嵌入到一个应用程序中，使用户无需打开单独的工具就可以深入、访问和分析数据。继续阅读

• 如何增强您的数据科学讲故事

  您如何为来自寒冷，硬质量数据的商业管理人员创造实质性，引人注目的故事？专家分享他们如何提高数据讲故事技巧的提示。继续阅读

• NLP使增强数据发现在分析中成为现实

  Bi供应商越来越多地使用NLP技术，使其产品更像是Web搜索，简化的用户界面和为客户提高易用性。继续阅读

• Tableau vs. Qlik Sense: BI工具的优缺点

  随着自助BI对强大可视化和可伸缩性的需求日益明确，这两家顶级数据可视化供应商的产品开始变得相似。继续阅读

• 道德数据挖掘和分析躲避隐私，使用snafus

  本手册探讨了数据挖掘的道德，并提供有关MISSteps的建议，以避免挖掘和分析客户数据以帮助驱动营销活动。继续阅读

• 数据挖掘中的治理、遵从性和伦理:独立但平等

  在对数据的伦理挖掘和分析中，错误地将治理、合规和伦理混为一谈。数据管理人员需要了解关键的差异。继续阅读

• 如何浏览今天的业务分析治理挑战

  当谈到高级的分析治理时，不要让传统的分析思维诱使你自满。以下是最大的治理障碍以及如何避免它们。继续阅读

• 今天的顶级数据管道管理挑战

  IT高管表示，定价模型，敏捷和审计性是他们在管理当今日益复杂的数据管道方面所面临的一些最大挑战。继续阅读

• 社交媒体分析应用程序的生活和死亡

  这本手册提供了洞察和建议，如何使用分析从社交媒体数据集获取客户情绪和营销机会的信息。继续阅读

• 社交媒体分析的最佳实践受到隐私法的约束

  社交媒体提供了丰富的信息和对消费者行为的洞察，但收集和分析这些数据带有各种各样的隐私陷阱。继续阅读

• 6个有效客户数据挖掘提示

  深入挖掘客户数据可以改善销售机会——但你如何平衡这与数据隐私问题呢?从数据专业人士那里获得见解。继续阅读

• 麦当劳订购客户服务分析，摇动快餐

  快餐巨头正在获取动态产量，是一个大数据分析平台，追求更加个性化的客户体验，可在驱动器和数字订单上进行更加个性化的客户体验。继续阅读

• 超越客户情绪:如何将NLP技术应用到工作中

  自然语言处理工具和应用程序终于到来了，但是组织是如何让NLP发挥作用的呢?以下是一些可能不太明显的可能性。继续阅读

• 未来的数据科学家需要业务，深度学习技巧

  随着自动化的发展，数据科学家将更多地关注业务需求、战略监督和深度学习，而较少关注模型创建和其他日常任务。继续阅读

• 如何通过嵌入式报表集成Power BI和SharePoint

  Expert Brien Posey解释了两种关于SharePoint Online的云服务页面上的Power BI报告的方法：发布到报告的链接或嵌入一个。继续阅读

• 分析数据收集和隐私之间存在不安的平衡

  在GDPR和隐私法规的时代，必须关注用户隐私。作为分析的一部分使用AI的数据管理工具可以帮助实现这一目标。继续阅读

• 3利用社交媒体分析数据的最佳实践

  组织如何利用社交媒体分析数据？分析专业人员提供提示，从采摘指标跟踪您的目标。继续阅读

• 选择大数据文件格式时要考虑的内容

  虽然JSON可能是开发者的首选数据格式，但Parquet、ORC或其他选择可能更适合分析应用。了解更多关于大数据文件格式的信息。继续阅读

• 信息建设者CEO云 - 首先方法，机器学习

  信息建设者的新首席执行官Frank Vell表示，该公司专注于云和机器学习将有助于它在今天的BI和分析市场中巩固一个坚定的位置。继续阅读

• 在不花太多钱的情况下迁移到云中的BI的5个提示

  将BI和Analytics移动到云需要策略以避免过度成本。从专家获取提示，并在何时备忘录，以涉及到何时何地解决。继续阅读

• 更好的情感分析可以加强客户数据分析

  在社交媒体时代，客户数据分析很容易收集到，但如果基于自动社交媒体监测的情绪分析，它们可能具有误导性。继续阅读

• 如何使自助服务BI工具部署不那么痛苦

  自助式BI对组织中的每个人来说都是一个巨大的变化。专家Rick Sherman提出了三条可以让事情变得简单的原则。继续阅读

• 为公民数据科学家提供支持和培训

  随着越来越公民数据科学家在传统上任务为商业分析师的工作，组织必须考虑如何支持它们。从集中式数据团队开始。继续阅读

• 4种方式在BI工具中查询的自然语言可以使用户受益

  自然语言查询有助于轻松访问BI数据并改进分析洞察力。请参阅组织如何将自然语言查询技术置于工作中的工作。继续阅读

• 让公民数据科学家成为可能的5个技巧

  自助分析工具使得公民数据科学家可以比以往任何时候都深入挖掘。专家们提供了如何赋予数据民主化的洞察。继续阅读

• 增强分析工具的兴起如何影响BI供应商

  BI供应商正在响应增强分析功能的兴趣，具有简化的接口和功能，允许访问更深入的洞察力。继续阅读

• 为什么数据读写能力在增强分析中仍然很重要

  数据分析的民主化让每个人都可以使用工具和信息，但数据分析和提供成功的结果仍然需要数据素养。继续阅读

• 增强数据发现工具的优点和挑战

  增强数据发现工具使用户能够通过自动化数据准备和模式发现来获得更快的洞察力，但它们并非没有挑战。继续阅读

• 为自助服务BI用户创建策划数据集的提示

  数据策策计划可以通过减少用户花费定位和准备数据的时间量来帮助简化BI过程。获得四个准备数据集的提示。继续阅读

• 摩根斯坦利如何扩大了Tableau自助分析

  摩根士丹利希望赋予用户进行数据驱动的决策。Tableau分析平台是答案。问题：将其引入30,000个用户。继续阅读

• 自助BI策略可以决定数据竖井的生死

  自助服务BI是重塑或可能的数据筒仓的驱动力。但首先需要声音数据治理和企业态度调整。继续阅读

• 自助BI订阅定价模型的规则会发生变化

  随着自助BI工具的普及，订阅定价模型可以根据云计算、群组数据使用定价和人们共享数据的方式进行调整。继续阅读

• 分析程序面临哪些数据管理挑战?

  Expert Anne Marie Smith分享了组织分析程序可能失败以及数据管理框架和其他程序如何提供帮助的五个原因。继续阅读

• 部署自助BI工具的10个注意事项

  自助式商业智能不会凭空出现。组织必须确保数据质量并观察分析师如何工作。专家提供了10个让自助服务文化成为可能的技巧。继续阅读

• 10个功能要在可视化工具中寻找大数据

  如果无法理解，大数据毫无意义。专家解释了为什么用户需要提供嵌入性，可操作性和更多的数据可视化工具。继续阅读

• 6大数据可视化项目思路和工具

  这些数据可视化项目示例和工具说明了企业如何扩展使用“数据viz”工具，以更好地查看大数据。继续阅读

• 实现大数据项目可视化的10个技巧

  专家们表示，在启动数据可视化工作时，组织需要将用户和设计置于最前沿。找出为什么颜色和尺寸很重要。继续阅读

• 让机器学习在商业中更有效的3种方法

  邓白氏(Dun & Bradstreet)分析高管尼帕•巴苏(Nipa Basu)就如何将机器学习工具整合到业务流程中，以帮助推动更好的决策提供了三个建议。继续阅读

• 假设商业计划模拟在它的预测最好

  模拟及时和准确的业务场景是预测战略计划的性能、陷阱和好处的一个必要的竞争武器。继续阅读

• 数据科学团队使用业务关系来提高数据知识

  为确保先进的分析应用与业务运营相关，数据科学家正在与商业数据专家的工人合作。继续阅读

• 扩大数据科学家技能的选项

  数据科学项目不再只是大学的专利。现在，数据科学家可以借助大规模公开在线课程、在线文本和其他资源来提高他们的技能。继续阅读

• 成功的预测分析模型面临的四个挑战

  分析客户交互以创建预测分析模型并不是万无一失。专家David Loshin分享了四个可能努力的因素。继续阅读

• 简化零售营销中的预测分析

  在线闪存销售零售商Zulily使用BigQuery和Tableau来帮助为其预测分析提供动力，反过来，这反过来促进其营销努力和管理传入数据的能力。继续阅读

• 为您的仪表板的十kpi模板

  kpi帮助公司衡量成功，但是如何选择正确的指标来创建有用的报告呢?在这里，您将发现10个KPI示例，以激励您的执行仪表板。继续阅读

• 数据可视化过程要求智能设计，准确的数据

  精心设计的数据可视化可以使高管能够制作更多知识的业务决策，从而增加BI和分析应用程序的潜在投资回报率。继续阅读

• 7个良好的数据可视化实践以实现可视化完整性

  数据可视化需要视觉完整性，以确保它们存在的数据可以正确解释。遵循这些设计步骤以帮助您的可视化值得信赖。继续阅读

• 重新思考分析流程马刺企业创新

  通过重新审视分析组织的构成，企业可以创新他们的商业模式，并利用数字颠覆。继续阅读

• 多样化的数据集可以提供最好的结果

  分析团队应专注于数据多样性，以确保其项目提供最有意义的见解 - 但它们必须对一些绊脚石持威胁。继续阅读

• 在当今的分析领域，如何提升BI的价值

  基本的BI报告仍然为企业提供有价值的信息。但它的价值可以通过将其整合到更广泛的分析和数据可视化平台中而得到提升。继续阅读

• 新的Qlik Ceo Mike Capone概述了他的经营战略

  Qlik的新任首席执行官Mike Capone谈到了最近的裁员，并表示公司需要更加积极地宣传自己的成功，以避免在自助BI市场上落后。继续阅读

• 最新的AI技术设定为破坏技术部门，工作市场

  Goldman Sachs研究员 - 在这里讨论的预测，新兴AI技术将导致有影响力的新软件公司和破坏工作市场。继续阅读

• Qlik Sense和QlikView:这两个Qlik工具的比较

  两款主要Qlik软件之间的差异可能很小，但潜在客户仍需要考虑一些关键因素。继续阅读

• 在商业应用中使用高级分析和人工智能指南

  随着人工智能技术在商业领域的普及，对它的炒作正在成为现实。在本指南中获取机器学习、认知计算和其他高级分析倡议的技巧。继续阅读

• 谈话数据：AI和Analytics之间有区别吗？

  根据一些用户的说法，任何AI定义都应该包括预测分析等内容，尽管这些实践很简单，而且已经存在了几十年。继续阅读

• 信息图：首席数据官员角色的演变

  随着新兴技术为企业带来新的机遇，从未被严格定义的CDO角色正在经历一次改头换面。继续阅读

• 预测分析项目可以提高商业决策

  对预测模型的盲目信任会导致有缺陷的商业决策。分析团队需要仔细管理预测过程，以保持事情在正确的轨道上。继续阅读

• 建立更好的预测分析应用程序的五个步骤

  必须有效地计划和管理预测分析举措，以确保他们不会错过满足业务需求的标志。这是一种帮助将它们放在轨道上的方法。继续阅读

• 招聘和培训数据科学家:每种方法的案例

  招聘数据科学家说起来容易做起来难——所以，你是否应该尝试培训现有员工的数据科学技能?这取决于你公司的需求，一位分析专家写道。继续阅读

• 关于数据驱动的决策过程，体育可以教给我们什么

  麻省理工学院讲师Ben Shields表示，其他企业可以从近年来有效地利用数据的进展中了解了很多关于分析决策。继续阅读

• 更好的Tableau实现给出了BI仪表板

  建立好的Tableau仪表板是不仅仅是漂亮的可视化。用户说，该过程应纳入强大的数据管理实践和急剧的业务战略。继续阅读

• 成为数据驱动的企业需要艺术，科学

  业务分析策略经常旨在从尽可能多的过程中挤压主观性。但是，当数据有限时，人算法配对可以表现良好。继续阅读

• 谈论数据：如何制作数据科学和分析支付

  企业仍在寻找释放数据科学和分析的充分利益的方法。这个播客用一些公司寻找成功的方式看起来。继续阅读

• 烧烤链眼睛使用alexa在厨房中增加bi仪表板

  迪基烧烤餐厅(Dickey's Barbecue Restaurants)计划使用亚马逊的Alexa，这样特许经销商就可以在烹饪时获得运营数据，在烧烤台外的仪表盘仍然可以查询。继续阅读

• 关于如何充分利用数据仪表板软件的提示

  如果使用得当，数据指示板可以带来重大的业务价值。但规划和整体用户体验都是获得最大效益的关键，顾问Mico Yuk说。继续阅读

• HR指标和分析使劳动力更有价值

  利用指标和分析来改善物流、运营和预测是很好的第一步，但还不够。你的员工是需要优化的最重要的资源。继续阅读

• SAS Enterprise Miner如何简化数据挖掘过程

  SAS Enterprise Miner数据挖掘工具可帮助用户开发描述性和预测模型，包括用于预测建模和数据库中评分的组件。继续阅读

• 深度学习算法需要几乎无限的数据供应

  更多数据几乎总是使深度学习项目更有效。一个数据科学经理表示，他希望获得他的团队项目的数据数量基本上没有限制。继续阅读

• 深度学习模型被黑匣子功能妨碍了

  缺乏透明度进入深度学习模型的工作如何保持一些企业完全拥抱它们，但有些方法可以围绕解释性问题。继续阅读

• 公民数据科学家趋势弥补了缺乏技能

  自助分析工具正在推动公民数据科学家的趋势，帮助企业弥补市场上分析技能的不足，并使分析更容易获得。继续阅读

• 优步对其开源数据可视化软件具有很高的寄存

  几个月前，优步向开源世界发布了自己开发的数据可视化工具。现在，它希望创新能回流到公司。继续阅读

• 数据货币化策略增加了新的商机，需要

  专家表示，大多数公司都有可以利用的数据货币化机会。但明确的战略和长期计划是获得预期利益的关键。继续阅读

• 数据科学和分析方法必须平衡创新，价值

  在这一集谈话数据播客中，了解思科和领英的数据科学团队是如何以可访问的方式进行高级分析工作的。继续阅读

• deloitte报告显示了非结构化数据分析的力量

  咨询集团德勤(Deloitte)的一份新报告称，对非结构化数据和其他所谓的暗数据类型的分析可以带来重大的商业价值。继续阅读

• 跛行数据科学项目的三种预测建模缺陷

  如果做得对，数据科学可能具有难以置信的价值，但如果做得不对，同样具有破坏性。在这里，一位数据科学专家讨论了三个常见的预测建模陷阱。继续阅读

• BI自助服务需要新的思考，真正为企业用户提供

  为了真正对广泛的业务用户有用，自助式BI工具需要变得更易于使用。加强对元数据和人工智能的关注可以帮助实现这一点。继续阅读

• 易于使用的数据科学工具电源新启动

  在Donorbureau，在非营利空间中的启动，易于使用的数据科学工具是必须的。幸运的公司，这就是分析软件行业正在进行的地方。继续阅读

• PetSmart如何继续看到移动BI软件的价值

  移动商业智能应用可能已经失去了早些年的一些光彩，但作为其中之一，PetSmart继续在应用中为他们的经理和高管找到真正的商业价值。继续阅读

• 不要在预测建模技术上吸取教训

  部署和使用预测建模工具而不注意最佳实践并不能保证分析的成功，这是许多分析经理和选举预测者都非常了解的一个事实。继续阅读

• 预测分析工具铰链良好的数据，商业专业知识

  预测分析有助于企业维持竞争优势，但仅适用于正确的数据。甚至那么，最先进的分析工具也无法取代专业知识。继续阅读

• 将数据货币化的任务需要从前期工作着手

  启动数据货币化战略的组织应该在开发创收数据产品和分析服务的计划中考虑一些关键的初始步骤。继续阅读

• 研究人员在AI算法上工作，以检测假新闻

  识别假新闻的新挑战将测试AI技术的界限，并为该技术创新的新方法提供证明。继续阅读

• 不要让数据驱动的方法从分析方程中做出判断

  数据分析可以帮助改善组织的决策。但是人类的直觉和判断需要成为这幅图景的一部分，以防止预测模型和分析算法出错。继续阅读

• IT团队采取措施简化大数据分析过程

  雅虎，默克，梅西和eBay等公司已经迁移到清除障碍，这些障碍阻止了具有大数据分析应用程序的成功之路。继续阅读

• 用户点击挖掘大数据分析架构的工具混合

  预测建模，机器学习和其他高级分析应用程序有助于挖掘大数据系统的业务价值 - 但对于许多用户来说，它需要很多工具和精力。继续阅读

• 招聘数据科学家的困难可以努力的分析努力

  高级分析软件提供了很多功能，但对于许多分析经理来说，找到能够有效使用现有工具的熟练数据科学家是一个挑战。继续阅读

• 大数据用户分享他们的尝试，但赢得了分析战争故事

  从大数据中衍生商业福利时所遇到的挑战是巨大的，但奖励也是如此。Hadoop和相关技术正在缓解这些挑战，以公司愿意从实验到全面吹嘘......继续阅读