BI

微信移动BI 的更多信息，请关注微信 来源： oschina 链接： https://my.oschina.net/u/2283033/blog/373516

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 目前企业都在回顾自己的数据，之前已经积累的大量数据，现在通过软件技术，能够系统直观的体现出来。我们公司最近考察了一些工具，贵的也有，简单的也有，但是对于一般的企业，开发一套简单且符合自己需求的才是最好的。由于我们原来已经使用了Devexpress的.NET组件，最近查看Devexpress最新版发现它还提供了一个新的DevExpress Dashboard for .NET，于是赶快拿来看了一下。 一个典型的 Dashboard视图无有以下几种部件组成： 透视表（数据钻取，过滤，行列交叉） 图表 卡片 网格 仪表盘 范围选择器 用这些部件，我们将数据列到网格中，可以导入到透视表中，通过行列交叉，找出数据的相关性，也可以将数据绑定到图表，分析数据的波动，占比和趋势，也可以将关键数值通过仪表盘图形方式展示。公司的决策层或者商业人员可以通过这个数据驾驶舱，如驾驶飞机员一样，一幕了然的从图形中看到当前的状况。比如我们的销售一打开系统，就看到自己的销售状况和数据，老板打开，看到整个销售状况和财务状况等。 DevExpress Dashboard提供了一个设计器，它能可视化的配置页面的内容，无需写一行代码。 DevExpress Dashboard的费用也是非常低的，只要你有 Devexpress的宇宙版

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 随着信息化时代的深入人心，越来越多的企业逐渐重视信息数据的利用。传统的数据分析工具难以适应海量复杂的数据处理，商业智能的出现正好打破了企业问题的壁垒。 但是，很多企业在实施和使用商业智能过程中往往存在很多误区，忽略很多重要因素，例如项目脱离业务需求，实施缺乏整体意识等。如何将商业智能的效用发挥到极致，我在此提出四个方面，不足之处，欢迎探讨。 从业务需求出发 很多企业对商业智能技术和应用的认识还处于起步阶段，认为商业智能只是一个处理数据的软件而己。这样的认识很容易造成项目方向失偏，对业务应用需求不清晰，形成错误的解决方案。 我们不妨这样思考，商业智能系统的使用最终是到业务人员和企业领导手上，他们需要的无非是全面直观的数据展示和从数据中得来的启发式思考，那他们需要什么样的结果来帮助决定呢。很明显，商业智能的实施就应该从实际业务需求的终点出发，也就是以深层次的业务需要为驱动。 但实际情况是，很多企业人员并不明白自己的需求，一来是因为对商业智能技术缺乏了解，二是对业务情况缺乏整体认知。以商业智能 FineBI 的实施方案，通常会请到企业领导人， IT 部门经理，业务部门主管等共同参与研究，分析企业的架构，了解业务层次，确定达成的目标，再落实到如何实现。 罗列重点，“想大做小 ” 商业智能也并非万能

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 1.1行业背景 1.1.1景瑞地产 景瑞地产成立于1993年，专注于房地产开发，并一直秉持“永远诚信、恪守专业、锐意进取、共赢未来”的核心价值观和“舒适之道”的企业使命。 景瑞地产，源自上海。通过多年发展，景瑞确立了“深耕三线、产品领先”的战略。并且依托城市发展实现：巩固上海、深耕长三角、布局全国的三步走战略。作为一家从地产开发延伸至物业管理的全国化品牌地产企业，景瑞地产多次获得“中国房地产百强”、“中国房地产百强运营效率TOP10”等荣誉。截至2013年2月，公司已在上海、杭州、宁波、苏州（太仓）、常州、舟山、湖州、泰州、天津、重庆、南通、长兴、绍兴等13个城市同时开发22个项目。 优秀的专业团队，快速高效的决策体系，以及国际化的合作伙伴，使景瑞正处于高速发展阶段。与此同时，公司新一轮的超常规发展计划也正在酝酿中，景瑞将持续坚定地以“实践客户期望”为事业，矢志不移地成为“价值卓越的住宅供应商”。 1.1.2帆软软件有限公司 帆软软件有限公司是专业从事报表软件产品和商业智能产品研发的公司，提供报表软件和商业智能产品及整体应用解决方案。FineBI是帆软软件有限公司推出的一款商业智能产品，针对企业信息化遇到的困难，为企业提供专业的商业智能解决方案。FineBI的商业智能分析模块可以预测模拟企业将来的发展

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 从事BI多年，经历了经营分析系统的大建设，大发展时期，也有幸处在大数据与传统BI系统的交替之际，因此特别来谈谈，传统BI还能走多远？ 技术为业务服务，因此这里不谈技术，更多从使用者的角度去阐述原因，理了八个方面，每个方面都是笔者亲历，当然任何穷举法都无法证明绝对正确，但希望能引起思考。 1、资源申请-从月到日，不可同日耳语 自从企业有了 大数据 MPP、HADOOP、流处理三个资源池，租户生效基本都是所见即所得。公司甚至为了申请方便，搞了资源套餐，我们申请资源叫点套餐，这种资源申请模式为对外灵活开放数据提供了基本保障，在半年时间内，内外部租户已经开出了100多个(以前可能叫数据集市)，现在回想起来，如果没有这个能力，公司的对外变现基本不可能。 无论是阿里云还是AWS，都是这个套路，但为什么企业要自己做，因为较大的企业本身内部就是个巨大的市场，有各类的应用要求，从数据、安全、接口、技术等各个方面讲，都不适合放到外部平台。 传统BI的小型机阶段，没有资源池概念，资源申报按硬件台数算，需要提前申请预算，即使硬件到位，集成时间也过于漫长，记得以前为11个地市规划11个数据集市，采用四台570划分12个分区，搞了1个多月，效率不可同日而语。 大数据 系统在资源粒度、申请速度、资源动态扩展等各个方面都完爆传统BI

安装官方的手册，进行数据库配置等操作。 遇到的第一个问题： 一直报MappingJacksonHttpMessageConverter错误 是发现在mvc.config里面的。错误关联是那个 json 需要修改MappingJackson 2 HttpMessageConverter ，要注意 原始的没有这个2的版本修改就好了 <bean class="org.springframework.web.servlet.mvc.annotation.AnnotationMethodHandlerAdapter"> <property name="messageConverters"> <util:list id="beanList"> <ref bean="mappingJackson2HttpMessageConverter" /> </util:list> </property> </bean> <bean class="org.springframework.web.servlet.handler.SimpleMappingExceptionResolver"> <property name="defaultErrorView" value="error/500"></property> </bean> <!-- 避免IE执行AJAX时,返回JSON出现下载文件 -->

背景 Web Scraping 在大数据时代，一切都要用数据来说话，大数据处理的过程一般需要经过以下的几个步骤 数据的采集和获取 数据的清洗，抽取，变形和装载 数据的分析，探索和预测 数据的展现 其中首先要做的就是获取数据，并提炼出有效地数据，为下一步的分析做好准备。 数据的来源多种多样，以为我本身是足球爱好者，而世界杯就要来了，所以我就想提取欧洲联赛的数据来做一个分析。许多的网站都提供了详细的足球数据，例如： 网易 http://goal.sports.163.com/ 腾讯体育 http://soccerdata.sports.qq.com/ 虎扑体育 http://soccer.hupu.com/ http://www.football-data.co.uk/ 这些网站都提供了详细的足球数据，然而为了进一步的分析，我们希望数据以格式化的形式存储，那么如何把这些网站提供的网页数据转换成格式化的数据呢？这就要用到 Web scraping 的技术了。简单地说，Web Scraping就是从网站抽取信息， 通常利用程序来模拟人浏览网页的过程，发送http请求，从http响应中获得结果。 Web Scraping 注意事项 在抓取数据之前，要注意以下几点： 阅读网站有关数据的条款和约束条件，搞清楚数据的拥有权和使用限制 友好而礼貌，使用计算机发送请求的速度飞人类阅读可比