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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19