京公网安备 11010802034615号
经营许可证编号:京B2-20210330
活动类型:行业聚会
开始时间:2014-12-27 14:00 至 2014-12-27 17:00
活动地点:东直门航空服务大厦(楼)
报名截止:2014-12-26 14:00
在数据呈指数增长的时代,大数据、云计算、移动互联网等新生事物已经改变了BI的市场环境。大数据厂商正表现得来势汹汹,传统BI厂商相对而言似乎陷入守势。风云变幻的当下,传统BI会面临怎样的挑战与机遇?
目前,大数据与商业智能的结合已经应用到各行各业。那么传统的BI与现代BI有什么区别和联系呢?大数据又如何与BI结合?且等我们本次的嘉宾和参会的俱乐部会员为我们解答并一起探讨吧!志同道合的朋友们还等什么,报名走起!
报名条件
1. CDMC会员,任何对BI、数据挖掘、数据分析感兴趣的人士,参加过人大经济论坛现场培训班的同学也可报名等待审核;
2. 拟在聚会上发表高质量演讲内容的人士优先(演讲时间控制在20分钟之内,需提供PPT供筛选);
3. BI方面的专家和技术人员优先。我们将根据报名人的条件,从中选择约30人通知参加聚会。演讲者及其演讲的题目,将在聚会前公布。
4. 演讲内容包括但是不限于以下主题:
二、大数据如何与商业智能结合
三、商业智能的发展目前面临哪些挑战
四、商业智能在各个行业的应用
聚会议程:
1. 演讲人发表演讲(每人约30分钟);
2. 针对演讲内容提问讨论(20分钟);
3. 约3名演讲人结束后,自由讨论发言。
邀请嘉宾(后续会增加):
李凯:
博易智软(北京)技术有限公司董事长兼CEO,中国社会科学院金融专业博士。企业信息化及商业智能(BI)市场专家,在商业智能(BI)领域有着丰富的实践和咨询顾问经历。十余年的行业经验与积淀,对于当前商业智能(BI)市场有着深入研究,并且深谙市场发展动向,在企业信息化领域有着独到的见解,曾提出商业智能(BI)产品的七大走向,以及企业选择商业智能(BI)产品的五大关注点等一系列的观点得到了广泛认可。
主题:大数据时代下的商业智能(BI)
1.大数据背景下BI特色;
2.大数据时代下BI新元素;
3.BI新的发展趋势。
拟参加本次聚会者,可以将“姓名、手机号码、来自公司(学校)、职务(学历)、演讲PPT等”发到邮箱club@pinggu.org,邮件标题注明“参加聚会”和“新/老会员”字样。或者发短信到15120056136。我们审核通过后,将给您发通知参加本次活动。
关于CDMC及历次聚会详情,可以参考帖子:
http://bbs.pinggu.org/thread-2250292-1-1.html
http://bbs.pinggu.org/thread-3065206-1-1.html
2013年是大数据元年,在美国,大数据的应用正在各个行业风生水起,大至奥巴马竞选总统,小至互联网公司的数据挖掘,人大经济论坛在近10年的耕耘中,统计和计量是论坛最强的专业版块,这些版块吸引了国内数以万计的专业人士参加、给初学者带来教益,给高级者带来接触讨论的机会。为了进一步推动数据分析和数据挖掘技术的进步,增强数据分析技术和商业应用的结合,由人大经济论坛发起,将成立“中国数据分析和数据挖掘俱乐部”(简称CDMC:China Data Miner Club,跟CDMA差一个字,呵呵),欢迎志同道合的朋友参与!
俱乐部目标:
1、促进数据方和技术方的对接
2、技术探讨,促进数据分析和数据挖掘技术的进步
3、创意交流,促成大数据时代的新商业模式
俱乐部活动内容:
1、开展俱乐部沙龙,创造交流和沟通的环境,在会上要求因为有技术和有创意加入的成员宣传自己的成果和创意,有数据的成员宣讲自己的数据开发需求。
2、读书会,研读数据分析和数据挖掘的文章和作品,并一起讨论
3、组建数据分析专用机房和实验室,进行数据分析实验和技术测试
初期我们只吸收具备以下条件任一的会员:
1、有大数据(或在具有大数据的公司任职,希望对数据进行开发,或有数据分析需求)
2、有技术(能在每次聚会中展现自己的技术成果),技术可分别在数据采集,统计分析和数据挖掘等3个领域
3、有创意(能在每次聚会中阐述自己的创意,符合该项条件者请详细说明个人情况,以便审核)
具备以上任意一个条件者,可以将“自己参与的条件(以上三者任一的具体描述)、姓名、联系方式和常住地”4项发到我们的组委会邮箱,邮件标题注明CDMC字样,我们审核通过后,将给您发入会信,并通知每一次活动的安排
具备以上任意一个条件者,可以发送申请至:club@pinggu.org
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06