从探索式数据分析到现代 BI 仪表盘：Superset 2.0
导读：本次分享的嘉宾是赵勇杰老师，他是 Superset 的 PMC member，同时也是 Preset 全职的工程师，在全职维护 Superset 的社区，也是 Superset 的核心开发者；本次分享题目为——从探索式数据分析到现代 BI 仪表盘：Superset 2.0。今天的分享会围绕以下...
提升企业决策能力，华为云用大数据BI助力企业腾飞
在数字化发展的今天，BI可视化数据分析，对于许多企业来说，是非常重要的一项服务，因为这个技术能让企业通过大数据分析后形成的报表，及时得知市场和客户的真实情况，从而做出正确的决策，还能帮助企业进行一定的风险防范，而这个对于竞争日趋激烈的市场环境来说，无疑相当于一盏明灯，帮助企业更好地前进。也为企业...
大数据一站式服务，华为云大数据BI驱动企业业务线增长
现在大数据正在掌控我们的生活，大数据的存在也让我们的生活更加便利。企业使用大数据是实现企业实现转型的重要举措，大数据的内容涵盖甚多，对于企业的业务发展有一定的帮助。通过大数据方案企业可以更快筛选有需求的用户，还能联动数据完成业务的增效。 华为大数据BI更可靠，华为云一站式数据是在ECS和DWS...
【冲破信息孤岛】华为云大数据BI，助力金融行业进行数字化转型
最近这几年，企业数字化转型的话题频繁登上各大热搜平台榜首的位置，但在实际的数字化转型过程中，总会遇到各种各样的困难，比如：推进过程缓慢、数据孤岛、数据管理困难，自建分析平台成本过高等问题。对于传统数字企业来说，唯有想办法建立起一套标准化的数据治理体系，才能最终实现数据驱动业务增长的理想蓝图。就拿...
华为云大数据BI，赋能数字化企业加速发展
在企业数字化转型过程中，传统的数据分析平台已经难以适应云时代发展的需求。有限的数据整合能力、不足的快速响应需求能力、缺乏数据管理机制和保障、自建分析平台成本高等痛点，导致传统数据分析平台难以适应企业数字化转型发展的要求。 针对这种现象，华为云基于自身的技术强、资源多、创新快和更可靠的优势，联合...
库存积压营销差？不妨尝试华为云大数据BI
近几年来，企业电商化已经形成明显的趋势，而社交电商的发展更是如火如荼，尽管社交电商在引流、聚集人群及快速裂变上有着惊人的作为，但随着行业的快速发展，一些困境与痛点也逐渐凸显出来。很多社交电商企业因为缺乏对用户的精准洞察，也出现了营销效果欠佳的现象，甚至造成了库存积压。针对电商行业的诸多痛点，华为云联...
华为云大数据BI解决方案，助力企业实现数字化转型
2022年1月12日，国务院印发了《“十四五”数字经济发展规划》，规划明确提出到2025年，数字经济核心产业增加值占国内生产总值比重达到10%。这一规划的出台，充分释放出加快发展数字经济的明确信号，为各行业进行数字化转型注入了强劲动力。据此，各行业数字化转型开始全面加速，产业迎来新一轮的改造升级。...
华为云大数据BI解决方案，助力企业快速数字化
在如今的网上流传的一句话，谁掌握了数据，谁就掌握了财富。数据对于大多数人以及企业来说，都是至关重要的东西。但如何储存数据，保护自己的数据就是一个值得考究的问题。俗话说的好，专业的人干专业的事。华为云精准识别到企业对数据分析的需求，联合合作伙伴给出了华为云大数据BI解决方案。这个大数据BI解决方案主...
BI大数据的星形模型和雪花模型
23333架构模式的选择 数据仓库的架构主要有星型和雪花型两种方式，下面从多个角度来比较一下这两种模式的利弊。 从查询性能角度来看，在OLTP-DW环节，由于雪花型要做多个表联接，性能会低于星型架构；但从DW-OLAP环节，由于雪花型架构更有利于度量值的聚合，因此性能要高于星型架构。 从模型复杂度来...
一起学微软Power BI系列-官方文档-入门指南(5)探索数据奥秘
我们几篇系列文章中，我们介绍了官方入门文档与获取数据等基本知识。今天继续给大家另外一个重点，探索数据奥秘。有了数据源，有了模型，下一步就是如何解析数据了。解析数据的过程需要很多综合技能，不仅仅是需要掌握Power BI的功能要点，熟练的利用一些新功能来提高效率，同时还需要合理的利用仪表盘，以及合理的...
[原创]数据驱动决策：BI在零售业的数据化管理
无论是商业智能时代的应用建设，还是当下大数据时代的数据应用/数据产品建设，行业化、角色化与场景化，均是一个重要的趋势。当下，许多企业逐步开始具备场景化思维，更为注重用户体验，业务运营更多的围绕用户的消费场景来展开。从这个角度来看，数据应用的场景化，是与之一脉相承的。零售业的运营管理中，一线的管理核心...
瓴羊Quick BI大数据分析工具，通过加速引擎成功解决海量数据分析卡顿
大数据分析，无疑是当下社会最热的焦点话题之一。权威研究机构Gartner对于大数据给出了这样的定义：“大数据”是需要新处理模式才能有效应对的海量、高增长率和多样化的数据资产。可见，数据正在成为越来越多企业的核心竞争力，但要真正有效挖掘海量、高增长的企业数据，我们需要新的工具，瓴羊Quick BI数据...
民生银行十五年的数据体系建设，深入解读阿拉丁大数据生态圈、人人BI 是如何养成的？【转】
早在今年的上半年我应邀参加了由 Smartbi 主办的一个小型数据分析交流活动，在活动现场第一次了解到了民生银行的阿拉丁项目。由于时间关系，嘉宾现场分享的内容非常有限。凭着多年对行业研究和对解决方案的嗅觉与敏感性，意识到这个阿拉丁项目的完整性和独特性超出了以往我所接触过的所有 BI 领域的项目案例，...
BI之SSAS完整实战教程2 -- 开发环境介绍及多维数据集数据源准备
上一篇我们已经完成所有的准备工作，现在我们就开始动手，通过接下来的三篇文章创建第一个多维数据集。传统的维度和多维数据集设计方法主要是基于现有的单源数据集。在现实世界中，当开发商业智能应用程序时，很可能需要处理多个关系数据源。我们可以通过创建一个DSV提供一个整合的单源视图，其中仅包括你定义的一个或多...
BI之SSAS完整实战教程3 -- 创建第一个多维数据集
上一篇我们已经完成了数据源的准备工作，现在我们就开始动手，创建第一个多维数据集(Cube)。文章提纲使用多维数据集向导创建多维数据集 总结Cube设计器简介 维度细化 总结 一、使用向导创建多维数据集在Analysis Services中，可以通过3种方法构建多维数据集：自上而下，自下而上或者基于一...
BI之SSAS完整实战教程5 -- 详解多维数据集结构
之前简单介绍过多维数据集（Cube）的结构。原来计划将Cube结构这部分内容打散，在实验中穿插讲解, 考虑到结构之间不同的部分都有联系，如果打散了将反而不好理解，还是直接一次性全部讲完。本篇我们将详解Cube结构， 介绍Cube结构的每个部分，让大家对Cube结构能有总体的把握。由于多维数据集的结构...
微软BI 之SSAS 系列 - 多维数据集维度用法之三 多对多维度 Many to Many
开篇介绍对于维度成员和事实数据直接的关系看到更多的可能还是一对一，一对多的关系。比方在事实维度(或退化维度)中一个订单和明细号组合而成的ID，对应的就是事实表中的一条数据，这就是一对一的关系。比方说在产品维度中，一个产品维度成员可能对应着多个事实数据成员，这就是一对多的关系。说简单点，就是事实表的外...
Microsoft Power BI Desktop概念学习系列之Microsoft Power BI Desktop的官网自带示例数据（图文详解）
不多说，直接上干货！https://docs.microsoft.com/zh-cn/power-bi/sample-datasets后续的博文系列，将进行深入的剖析和分享。欢迎大家，加入我的微信公众号：大数据躺过的坑 免费给分享 同时，大家可以关注我的个人博客： http://ww...
数据可视化之DAX篇（一）Power BI时间智能函数如何处理2月29日的？
https://zhuanlan.zhihu.com/p/109964336今年是闰年，有星友问我，在Power BI中，2月29日的上年同期是怎么计算的？这是个好问题，正好梳理一下，PowerBI时间智能函数是如何处理不规则日期的对比数据的。以一个模拟的订单表数据为例，订单日期涵盖了2015年、...
《BI那点儿事—数据的艺术》理解维度数据仓库——事实表、维度表、聚合表
事实表在多维数据仓库中，保存度量值的详细值或事实的表称为“事实表”。一个按照州、产品和月份划分的销售量和销售额存储的事实表有5个列，概念上与下面的示例类似。SateProductMouthUnitsDollarsWAMountain-100January37.95WACable LockJanuar...