有数BI是网易推出的面向企业客户的可视化敏捷BI产品.拥有数据填报和自助式商业智能分析产品,提供网页端和手机端应用,帮助客户快速实现数据填报.多维分析.大数据探索.实时大数据展示和成员分享. 山海鲸可视化是一款支持Windows/MacOS/Linux全平台的数据可视化大屏软件,可以实现大屏的编辑.查看.云托管和分享,通过内置丰富的大屏模板,在线数据编辑和替换,可以一键创建大屏,是目前操作最简单易上手的数据可视化大屏软件. 同样作为数据可视化工具,网易有数BI和山海鲸可视化在操作过程给使用者的体

欢迎访问网易云社区,了解更多网易技术产品运营经验. 很认同一种说法:BI对企业的作用不是BI本身,而是数据本身.那么BI的作用和意义是干什么的呢-是让有意义的数据自己说出自己意义的工具. BI发展至今,已经不是最初的商业智能局限在数据分析和数据挖掘层面了,他还包含了对趋势,对未来的预测,从没有价值的数据中挖掘出价值,使用机器学习,强化学习,神经网络等等更加高层次的算法来进行分析计算,期望得出数据分析所得不到的结果. 正如我前面所说的,BI是让数据开口说话的工具,是辅助决策的工具,那么BI为了提供

本文由  网易云发布. 4月8日晚,DTalk邀请到了网易互联网分析产品.可视化 BI 产品的负责人—郑栋老师,进行了一次关于<网易郑栋:数据采集与分析的那些事第一弹: 数据篇>的主题分享.分享共两个部分,第一部分是郑栋老师分享关于数据采集与分析大家关心的问题,第二部分是Q&A互动环节. 郑栋老师, 网易互联网分析产品.可视化 BI 产品负责人.多年从事大数据技术相关工作,目前在网易管理互联网分析.敏捷BI两个数据分析产品线,在大数据技术.互联网业务数据体系建设.团队管理方面有丰富的经

本文来自网易云社区. 关于如何选择BI数据可视化工具,总体而言,主流BI产品在选择的时候要除了需要考虑从数据到展现.从公司内到公司外等各种场景,结合前面朋友的回答,还需要考虑以下几点:1:以后的数据处理能力,是否能够在大批量,上亿条数据的情况下给出解决方案:2:BI的侧重点是不是和公司的需求匹配,如报表智能预警还是预测分析或者是数据挖掘:3:厂商的创新能力和迭代速度,因为BI发展太过迅速,没人想买一个产品刚刚部署用了好长时间没有更新的:4:移动办公支持能力:5:最重要的,厂商的服务水平,作为B端

本文来自网易云社区. 从20世纪80年代开始,商业智能的定义出现在人们面前,早期商业智能十分基础和杂乱,不仅仅会把数据处理放进去.还包含有一些可视化方面内容等.这个时期的BI主要的功能是支持多维分析和报表填写. 随着发展,基于语义层这类的工具产品日益成为主流,大家都在争先恐后的发展基于NLP的BI,前几天谷歌也刚刚开了改变世界的展示,其中的AI语音助手已经能够让人分辨不出来是不是真正的人了,这项技术如果能够普及,那对BI的发展势必会起到强大的推动作用. 到2013年左右,商业BI就定位于数据可视

​每家公司对于BI工具的使用都有自己的特点和期望,所以当面对国内外那么多的BI厂商时,大家可能会觉得难以选择.今天我将会为大家介绍国内外五大BI厂商,对于它们做出一些分析,让大家更了解这些BI厂商. Tableau Tableau公司将数据运算与美观的图表完美地嫁接在一起.它的程序很容易上手,各公司可以用它将大量数据拖放到数字"画布"上,转眼间就能创建好各种图表.这一软件的理念是,界面上的数据越容易操控,公司对自己在所在业务领域里的所作所为到底是正确还是错误,就能了解得越透彻.其数据实

欢迎访问网易云社区,了解更多网易技术产品运营经验. "网易大数据讲堂第一期:数说"直播活动昨晚顺利举行.感谢各位"数"友的支持和参与. 本次活动PPT可点击这里下载:https://sq.163yun.com/blog/article/217803906237566976. 可点击这里观看直播回放:https://m.qlchat.com/topic/details?topicId=2000002395917229     网易有数:企业级大数据可视化分析平台,具有

本文来自网易云社区 原创: 蒋鸿翔 DataFunTalk 本文根据网易大数据蒋鸿翔老师DataFun Talk--"大数据从底层处理到数据驱动业务"中分享的<基于Impala平台打造交互查询系统>编辑整理而成,在未改变原意的基础上稍做整理. 以上是今天的内容大纲,第一个讲一下交互式查询的特点,在大数据平台有很多查询平台可以选择,第二个讲一下依据项目如何选择平台,选型因素是什么.第三个讲一下Impala基本介绍,以及在Impala上的改进.接下来是impala的应用场景,最

​目前的BI市场上有很多大数据的厂商,这也让许多客户眼花缭乱,不知如何下手.比如国内的亿信华辰跟国外的Tableau,QLK, PowerBI 都有非常多便于分析的可视化工具,但是在数据处理分析的功能性上,与SAS, MicroStrategy这些传统软件相比略有劣势: 而目前国内比较有竞争力的BI 公司还有:Smartbi,永洪,网易有数等等. 特别是国内土生土长的BI厂商Smartbi,它的实力不容小觑,并且很多功能也是十分适合中国本土企业的需求. 企业对于大数据有很多功能需求,如大数据可视

本文由  网易云发布. 作者:范欣欣 本篇文章仅限本站分享,如需转载,请联系网易获取授权. HBase自身具有极好的扩展性,也因此,构建扩展集群是它的天生强项之一.在实际线上应用中很多业务都运行在一个集群上,业务之间共享集群硬件.软件资源.那问题来了,一个集群上面到底应该运行哪些业务可以最大程度上利用系统的软硬件资源?另外,对于一个给定业务来说,应该如何规划集群的硬件容量才能使得资源不浪费?最后,一个给定的RegionServer上到底部署多少 Region比较合适?想必这些问题都曾经困惑过很多

本文由  网易云发布. 1.Flink架构及特性分析 Flink是个相当早的项目,开始于2008年,但只在最近才得到注意.Flink是原生的流处理系统,提供high level的API.Flink也提供 API来像Spark一样进行批处理,但两者处理的基础是完全不同的.Flink把批处理当作流处理中的一种特殊情况.在Flink中,所有 的数据都看作流,是一种很好的抽象,因为这更接近于现实世界. 1.1 基本架构 下面我们介绍下Flink的基本架构,Flink系统的架构与Spark类似,是一个基于

本文由  网易云发布. 作者:周思华 本篇文章仅限内部分享,如需转载,请联系网易获取授权. 本文尝试描述Beam模型和Stream & Table理论间的关系(前者描述于数据流模型论文.the-world-beyond-batch-streaming101和the-world-beyond-batch-streaming-102,后者被MartinKleppmann和JayKreps推广).事实证明,Steam & Tables理论对描述Beam模型的底层基础观点具有启发性意义.此外,考虑

本文由  网易云发布. 作者:范欣欣 本篇文章仅限本站分享,如需转载,请联系网易获取授权. 操作系统这个话题其实很早就想拿出来和大家分享,拖到现在一方面是因为对其中各种理论理解并不十分透彻,怕讲不好:另一方面是这个问题好像一直以来都很少有人关注,这里算是给这个话题开个头.其实这几个参数前前后后看过好些次,但却一直没有吃透,前段时间趁着休假又把这些理论翻出来过了一遍,有了进一步的理解,这里权当整理梳理.下图是HBase官方文档上对操作系统环境的几点配置要求: 先不着急解释每个配置的具体含义,在这之

本文来自网易云社区 作者:刘凌阳 前言 本文依据半年前本人的分享<浅谈js拖拽>撰写,算是一篇迟到的文章. 基本思路 虽然现在关于拖拽的组件库到处都是,HTML5也把拖放纳入了标准.但考虑到兼容问题,我们还是从最古老的方式开始讲起. onmousedown:模拟开始拖拽事件.   鼠标按键按下即发生  onmousedown  事件.  获取鼠标位置,获取被拖拽元素的位置,记录两者之间的纵横坐标的差值.对  document  元素绑定  onmousemove,onmouseup  事件.

作者:周思华 欢迎访问网易云社区,了解更多网易技术产品运营经验. 本文尝试描述Beam模型和Stream & Table理论间的关系(前者描述于数据流模型论文.the-world-beyond-batch-streaming101和the-world-beyond-batch-streaming-102,后者被MartinKleppmann和JayKreps推广).事实证明,Steam & Tables理论对描述Beam模型的底层基础观点具有启发性意义.此外,考虑稳健的流处理概念能被集成进

本文由  网易云发布. 在之前的文章中简要介绍了Join在大数据领域中的使用背景以及常用的几种算法-broadcast hash join .shuffle hash join以及 sort merge join等,对每一种算法的核心应用场景也做了相关介绍,这里再重点说明一番:大表与小表进行join会使用broadcast hash join,一旦小表稍微大点不再适合广播分发就会选择shuffle hash join,最后,两张大表的话无疑选择sort merge join. 好了,问题来了,说

本文由  网易云发布. 这篇博文主要的内容不是分析说明kudu的性能指标情况,而是分析为什么kudu的scan性能会这么龊!当初对外宣传可是加了各种 逆天黑科技的呀:列独立存储.bloom filter.压缩.原地修改.b+tree.mvcc ... ... 这里先贴个kudu和parquet小部分的TPCDS测试结果对比图吧: 没有对比就没有伤害,有了对比就有了乐趣.纵坐标是耗时,单位是秒,代表kudu的黄色柱子太高了,说人话就是kudu耗时太 长,性能太差! 老大:为什么kudu性能会这么差

本文由  网易云发布. 上一篇,讲了什么是数据的粒度,以及网易有数中,哪些地方能够改变视图上的数据粒度. 现在正式开始跨视图粒度计算表达式的讲解,我们首先来看一下INCLUDE表达式 { INCLUDE [维度] : 聚合表达式 } 我们用以下的示例数据来举个例子.这份数据显示了在2014年的1月和2月间,有A.B和C三个客户有一些花费记录. 首先,我在网易有数中展示这两个月的花费总额,将“Date”字段放置在X轴,并且按照“月”的粒度.“Spend”放置在Y轴,聚合方式选择“求和”,得到下图.

本文由  网易云发布. 深入嵌入“跨视图粒度计算”的前面两篇分别讲了 1.理解数据的粒度 2.INCLUDE表达式 这一篇讲一下EXCLUDE表达式的用法. EXCLUDE,中文译为“排除”,顾名思义,这个表达式和INCLUDE表达式是对立的,语法规则如下: { EXCLUDE [维度] : 聚合表达式 } 比如我们先做了下图,看了每个“类别”下,各个子类别的总销售额 如果此时我们想在这张图上看每个类别的总销售额,那该怎么做呢? 我们可以使用EXCLUED表达式细来完成此要求.我们排除“子类别”

本文由  网易云发布. 本文内容接上一篇Apache 流框架 Flink,Spark Streaming,Storm对比分析(一) 2.Spark Streaming架构及特性分析 2.1 基本架构 基于是spark core的spark streaming架构. Spark Streaming是将流式计算分解成一系列短小的批处理作业.这里的批处理引擎是Spark,也就是把Spark Streaming的输入数 据按照batch size(如1秒)分成一段一段的数据(Discretized St