商业智能

微软Power BI DIAD的活动已经持续了一年，在这里，我们非常感谢我们的客户、微软、还有Power BI中国社区给与我们的支持，同时我们也能感受到敏捷商业智能的风口已经到来，同学们也从“什么是Power BI”到“Power BI能做出什么样的分析”中得到了成长，我们也希望给同学们和读者一些回顾和分享。 总的来说，在敏捷商业智能的风口，思维仍是最关键的风向标。 思维一：什么才是Power BI正确的打开方式 Power BI的出现，让很多企业数据分析师和数据分析爱好者看到了惊喜，在充分展现了大家的想象力和创造力的同时，也产生了五花八门的问题： -“为什么我设计的仪表板有的图表之前不能互动，有的却可以互动” -“我想计算一个度量值，怎么写都不对，不知道是什么原因？” -“为什么同样的操作，你们的仪表板都没问题，我的就做不出来效果“ -“为什么我想用的图展示数据，就是展示不出来“ 在我们陆续帮大家解决完这些问题之后，我发现了问题所在：大家往往在网上自学了Power BI的课程后，就开始做仪表板了，却并不知道Power BI这些技能背后的意义。 Power BI的强大功能为我们提供了数据分析的无限想象，但只有理解了这些功能背后的数据分析逻辑，才能做出用最合理的图表表达分析的内容，而不是各种展现技能的堆砌。 思维二：不要为了做报表而做报表，分析才是仪表板的精髓

本文就来深度剖析一下人工智能商业化跟 商业智能(BI) 间的关系。先介绍它们的概念，再说明它们之间联系。 先简要介绍一下AI、AI商业化和BI。 AI是计算机科学的一个分支，它企图了解智能的实质并生产出一种智能机器。 AI商业化就是人工智能走向商业化的过程。人工智能的商业化进程正一步步通过各种形态渗透到我们生产、生活的方方面面，成为我国经济发展的又一驱动力。 BI的定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。 如今，那些在线化程度高的行业，已经最先应用人工智能技术。比如，在金融行业是现在人工智能应用最好的一个行业，互联网金融已经做好了使用AI的铺垫。 人工智能商业化应用途径可以包含方方面面，在商业智能这一方面也可以。 声智科技副总裁李智勇认为，AI的应用现在有两个大的方向，一个是纯粹的偏数据的应用，比如与金融行业结合。“另一个就是软硬融合，直接形成一个感知的层面，进行决策，比如自动驾驶和智慧城市。 在过去几年的投资版图中，AI+BI领域占据了线性资本投资历史的一大板块，这个领域可以归于线性资本聚焦的业务性数据智能（Applied Data Intelligence）。 在AI+BI领域中，重要的是AI能不能进一步提供增值服务，比如能够准确反映出企业健康状态来。就像互联网广告投放，AI算法对于数据挖掘技术的提升，能实现广告的精准投放。

1、概述 Tableau 作为当前最流行的可视化工具，已经连续6年在Gartner商业智能和分析平台魔力象限中获得“领先者”称号。Tableau不仅可以辅助业务用户及决策者深入洞察数据见解，快速发现数据间的逻辑和数据背后涵盖的价值和意义，提高决策质量，还可以为企业提供便捷易用的分析平台及全面有效的商业智能解决方案。目前国内包括如腾讯、京东、滴滴等大型电商平台都在使用Tableau进行数据分析、业务监测。目前企业中使用Tableau的主题人员包括有运营人员，数据分析师，业务管理人员，可视化工程师等。 本次课程将从Tableau Desktop入手，通过与行业亲密接轨的商业案例，带领大家洞悉Tableau商业智能数据分析工具在不同行业的不同业务当中的真实应用。我们将从仪表到仪表盘再到故事，详细讲述分析步骤和操作方式，教会大家如何通过简单的拖拽和简单的函数实现一副精美的可视化作品，同时领悟数据分析要点，发现数据中蕴含的规律及背后的商业价值。最初，大家可能会认为自己在学习一个商业智能数据分析工具，但随着课程的深入，大家会逐步的发现，我们实际上在学习一种数据分析思路，在建立一种运用Tableau这个高级商业智能与可视化工具进行数据分析的能力。 如果你是数据小白，通过本课程，你将会掌握一个主流且强势的商业智能分析工具，并初步建立数据分析的基本思路。当然

sqlContext总的一个过程如下图所示： SQL语句经过SqlParse解析成 Unresolved LogicalPlan； 使用 analyzer结合数据数据字典（catalog）进行绑定，生成 resolved LogicalPlan； 使用 optimizer对 resolved LogicalPlan进行优化，生成 optimized LogicalPlan； 使用 SparkPlan将 LogicalPlan转换成 PhysicalPlan； 使用 prepareForExecution()将 PhysicalPlan转换成可执行物理计划； 使用 execute()执行 可执行物理计划； 生成SchemaRDD。 SQL语句经过HiveQl.parseSql解析成Unresolved LogicalPlan，在这个解析过程中对hiveql语句使用getAst()获取AST树，然后再进行解析； 使用analyzer结合数据hive源数据Metastore（新的catalog）进行绑定，生成resolved LogicalPlan； 使用optimizer对resolved LogicalPlan进行优化，生成optimized LogicalPlan，优化前使用了ExtractPythonUdfs(catalog.PreInsertionCasts(catalog

从2013年开始，互联网金融在中国这片土地上发展得如火如荼，其实这是互联网对于金融领域的渗透导致的必然结果，同样的变革也发生在旅游、航空、教育、物流、零售、医药等其他垂直行业。 金融业在互联网上创新的目的是可以直接获取用户的一手信息，增加用户的粘度，巩固并拓展银行与其目标客户之间的存取、货款、汇款、支付等业务关系。互联网金融可不是金融机构简单地“触网”。 我们信仰数据，我们相信金融的本质就是数据，而大数据技术就是能够驱动互联网金融这个横冲直撞的火车头永不停歇的发动机。 金融业的大数据挖掘 在良莠不齐地发展了三年之后，2015年，在十部委发布的《关于促进互联网金融健康发展的指导意见》中，将互联网金融分类为：互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托和互联网消费金融。 互联网与金融的一个共同的基因是数据。因为互联网是由数据构成的，而所有的金融产品其实也都是各种数据的组合。互联网产生的数据量很大，而且数据类型多；同样，金融行业产生的数据量也非常大，数据类型也相当丰富。这是一个大数据的时代。 每一种数据类型都有价值。在经过第一阶段的野蛮生长之后，互联网金融平台如果不考虑监管套利的因素，那么其在资产端和客户资源端其实都很难对传统金融有竞争优势。唯一可能让这些公司有机会胜出的就在于对数据的把握。 对 金融行业来说，最重要的两个维度是客户和风险

商业化的智能时代已经来临，智能化的应用不仅大大提高了劳动生产效率，同时为企业降低了管理成本，提升了企业的竞争优势。什么是 商业智能 ，商业智能的解决方案又是什么呢？ 商业智能 商业智能，简称BI。是一种统称，泛指用于对一个企业的原始数据进行分析的各种各样的软件系统。商业智能（BI）是由若干相关的活动组成的领域，包含数据分析，查询和报表等。企业用商业智能（BI）来提高决策制定，降低成本和识别新的商机。对于个人而言，可以自主式的对数据进行分析，提高工作效率。 商业智能分析方法 1.统计分析 提供基本的数据统计方法，进行基本的最大值、最小值、算数平均数等常规的数据统计。选择分析的变量或指标，系统会自动生成分析变量的运算指标。 2.同比分析 同比分析是将今年的数据与往年的数据进行对比，根据对比结果，生成合适的同比对比分析图。 3.环比分析 环比分析是将本期数据与上期数据进行对比，形成时间序列图。在一个环路中进行分析。 4.趋势分析 趋势分析是对时间序列数据转化为柱形图，折线图。根据图像的趋势走向进行预测分析，得出最终的结论。 5.相关分析 相关分析是针对不同的经济变量主体进行相关性的分析。由此判断两组数据的关联性与替代性。 6.差异分析 差异分析是分析两组数据的差异程度，运用雷达图是进行差异分析常用的手段。 7.结构分析 结构分析主要是分析指标的构成结构和指标结构，层次分明的对数据进行解析