指标命名公式 = 限定词 + 业务主题 + 指标名称 + 量化词。

客观： 利用客观的数字尺度，对客户进行简明而翔实的高水平描述。简单：只需要客户的消费时间和消费金额两个字段，业务人员就可以在不需要信息部门或复杂软件的情况下就能有效使用它。直观：这种分割方法的输出很容易理解和解释。

在数字化与信息化高速发展的时代，FineBI——市场占有率第一的BI数据分析软件，旨在帮助企业的业务人员充分了解和利用他们的数据，加速企业数字化转型，提升市场竞争力。得益于FineBI强劲的大数据引擎，用户只需简单拖拽便能制作出丰富多样的数据可视化信息，自由地对数据进行分析和探索，让数据释放出更多未知潜能。

开源篇一、Superset1、技术架构：Python + Flask + React + Redux + SQLAlchemy2、使用人群：（1）开发/分析人员做好看板，业务人员浏览看板数据（2）业务人员可自行编辑图表，查看满足条件的结果，但使用上对业务人员不是很友好3、安装部署：（1）docker方式的安装部署最简单4、数据源：支持各种数据源，包括Hive、Kyl...

数据清洗是数据转换的一个子集，主要是对原始数据进行清理、过滤、去重、处理异常数据等操作，以消除数据中的问题，如数据重复、二义性、不完整、违反业务或逻辑规则等，保证数据的准确性和稳定性。Logstash：一个开源的ETL工具，主要用于数据采集和转换。FineDataLink：帆软推出的一款可视化ETL工具，具有ETL和ELT两种数据处理方式，操作简单，功能丰富，支持三十多种格式和结构的异构数据源。对

其实从去年已经隐隐约约感觉到数据库的有变化，只是没有想到变得这么快。今年的一些事情实实在在地给了某些数据库重击，如果以前去某数据库还是喊喊，然后该用还用，今年从传统领域刮起的去某数据库的风，已经开始了，并且后面的乌云密布也看得见。最近看一篇国外的开源产品提供厂商的一篇文字，主要是在询问了他的几百位客户后得出了下图中的2019年数据库的使用趋势。从图中可以看出，MySQL以38.9...

“小帆，最近公司要组织高层运营战略会议，需要我们提供数据报表支撑，上面给了三个要求：保证核心数据展示，数据能够实时刷新，更重要的是要颜值高、上档次！”接到这个任务后，我第一时间想要的就是利用可视化大屏，给领导和老板看的报表绝对不能像普通的Excel报表一样复杂，核心是要用各种动态图表展示出核心业务数据，比如下面这样的可视化大屏：怎么样？是不是看上去非常的炫酷，大屏的制作对软件和硬件上的要求都很高，

有人经常会把数据分析与机器学习给搞混掉，机器学习这个主题已经很普遍了，每个人都在谈论它，但很少有人能够透彻地了解它，今天老李给大家分享一下机器学习的概念。数据分析和机器学习如果你认为大数据仅仅是关于SQL语句查询和海量的数据的话，那么别人也会理解你的，但是大数据真正的目的是通过对数据的推断，从数据中获取价值、从数据中发现有用的东西。例如，“如果我降低5%的价格，我将增加10%的销售量。”数据分析是

最近呢，对链家平台上的北京二手房数据做了个可视化分析，对目前北京的二手房交易情况有了个大致了解，最终得到一个很实在的结论：奋斗一辈子也买不到一个厕所这句话不是骗人的，是真的；关于具体分析内容请看下文1、工具说明本文用到的 Python 库有外加百度地图 API2、数据采集所有数据来源于链家二手房交易平台，上面每页排列 30 条二手房数据，本文采集了前 100 页 数据，每条二手房交易数据中提取 标

在数据领域，很多人都在说机器学习，但是只有很少的人能说清楚怎么回事。网上关于机器学习的文章，大多都是充斥各种定理的厚重学术三部曲(我搞定半个定理都够呛)，或是关于人工智能、数据科学魔法以及未来工作的天花乱坠的故事。尽管数据分析实际工作中用到机器学习的机会真的不多，但我觉得它仍是数分从业者所需的技能之一，所以今天这篇文章，主要对那些想了解机器学习的人做一个简单的介绍。不涉及高级原理，只用简单的语言来