京公网安备 11010802034615号
经营许可证编号:京B2-20210330
【CDAS 2017】数据可视化与商业BI分论坛: 数据可视化,无限新未来
前言2017年7月29日,由CDA数据分析师主办,以“跨界互联 数据未来”为主题的CDAS 2017第四届中国数据分析师行业峰会在北京中国大饭店隆重举行。
7月29日当天,除了引人眼球的主会场以外,当天同步开放11个分论坛,我们将逐一推送每个分论坛的盛况,以及演讲嘉宾速记稿整理,给每一个CDA成员奉上干货。
CDAS 2017中国数据分析师行业峰会下午的数据可视化与商业BI分论坛中,来自IBM、永洪科技、ThoughtWorks等六位专家与教授,分享了数据可视化与商业BI领域的实践和应用。
大数据可视决策的行业应用
北京数字冰雹信息技术有限公司副总经理 丁冬
近年来,随着大数据从基础建设逐步转向行业应用,在公安、交通、电力、园区管理、网络安全、航天等领域,已切实落地了多个大数据可视化决策系统的应用。丁冬老师从可视渲染技术、可视分析技术、可视决策支持等方面为到场观众详细解析了大数据可视决策技术,帮助各行业用户通过可视化技术挖掘出大数据真正的价值点,真正帮助决策者运筹帷幄,决策千里。
企业数据可视化从0到1
DataHunterCEO 程凯征
程凯征老师在现场分析了企业数据处理现状,与观众探讨了国外的企业数据可视化,并详解了数据探索式分析,讲述了数据探索式分析的理论基础、数据类型、视觉处理依据等内容。程凯征认为“数据类型 + 数据之间的关系 + 正确的图表选择 + 合理的视觉呈现才是数据可视化分析(探索式分析)”
数据可视化-无限可能的艺术
IBM资深软件技术顾问 贺华
贺华从企业和不同业务部门用户的业务需求出发,通过多个应用场景演示、案例分享和功能特点介绍,解析了数据探索、可视化工具如何以更加灵活、敏捷、丰富和轻松的方式探索分析数据,让企业内更多的用户实现自助分析,从而帮助企业挖掘数据潜力,实践业务创新、和提升业务价值。
数据技术的下一站-数据应用
永洪科技咨询部总监 胡星昱
数据技术日渐成熟丰富,处理海量数据不再是企业的挑战,但大多企业都不知数据该如何利用才能对业务和管理提升真正带来价值。永洪科技咨询部总监胡星昱基于自身的实践和探索,找出了一条解决之道。胡星昱讲解了如何做真正的企业级的自服务数据分析,定义了什么是企业级自服务,并在最后提出在企业里面推广自服务分析的步骤,一是培养用户进行数据交互的习惯,二是给部分用户开放数据报告制作的权限,三是进行数据模型到数据建模、数据报告制作、前端的分析全流程的开放。
基于地理大数据的商业洞察及应用
北京华通人商用信息有限公司CEO 白欢朋
智能商业地理是伴随地理信息系统和商业智能快速发展和广泛应用而产生的一门新型学科,它将帮助商业企业将数据转化为知识,发现数据背后隐藏的商机或威胁,以便获得商业洞察力。白欢朋老师从技术框架、支撑数据、解决方案等方面进行分析,并结合实际案例分享了自己的心得与体会,使企业了解市场的现状,把握趋势,识别异常情况,理解企业业务的推动力量,认清正在对企业业务产生影响的行为。
利用前端框架简化 D3 编程
ThoughtWorks · 资深咨询师 汪志成
D3是最顶级的图表库之一,但用起来也相当复杂、繁琐,让很多人望而却步。汪志成老师在现场分享了自己的使用方法,只使用它的模型库,而把它自带的渲染引擎换成主流的前端MVC框架。在峰会现场,汪志成以Angular为例,展示了如何用简单直观的方式,直接使用D3的模型层来实现可定制的、简单清晰的图表,向人们介绍了如何用 SoC 的思想来简化开发。
城市综合治理可视大数据智能决策平台
北京中润普达信息有限公司CIO 韩辉辉
韩辉辉老师提出运用社会感知的方法研究城市和改善城市并最终实现数据治理城市,通过基于中文语义智能分析引擎的分析平台,使用机器学习,自然语言处理,深层文本学习,以及智能结构化分析,可以彻底分析每个数据维度并自动提供最佳信息,为政务工作提供最准确的信息。韩辉辉老师表示运用认知矩阵,动态平衡与城市治理结合之后能够方便城市里的相关部门做决策。
CDA坚持打造高端数据分析学习社区和数据分析认证
CDA 数据分析师,作为国内领先的数据分析师人才教育品牌,一直致力于打造中国最棒的数据分析学习社区。旨在加强国内外乃至全球范围内正规化、科学化、专业化的数据分析人才队伍建设,进一步提升数据分析师的职业素养与能力水平,促进数据分析行业的高质量持续快速发展。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14