 | 预测分析是不易的；只要问问数据科学家 | 05-14 |
| 一项新的研究表明，围绕对预测分析的使用尽管有宣传和各种希望，相对较少的企业认为它对于目前的商业智能(BI)策略是一种关键要素。 |
| 利用预测分析了解客户:利弊得失 | 05-08 |
| 尽管有许多人认为预测分析是“魔法”或某种高科技的诀窍，预测分析实际上和算命是两码事 — 它是数据、算法、非常聪明的人和基于过去大量的行为建立对未来行为的详细模型。简而言之，它是事实。 |
| 预测分析界定市场竞争 | 04-28 |
| 据一份来自Aberdeen研究的新报告称，对市场预测分析的领导者在顾客价值、维系和数据洞察力方面有独特的优势。 |
| 利用倾向模型有效地改善响应和收益的6个技巧 | 04-26 |
| 预测分析是数字营销者试图通过他们的营销活动管理解决方案优化“正确的报价,合适的对象，恰当的时机”时的仙丹。要让它起作用，你需要综合定义人物角色、内容管理策略、有创意的资产库和技术 (例如,它建立在你的市场营销活动管理或自动化营销软件的细分工具中)。 |
| 非结构化数据处理 — 为什么要文本的ETL? | 01-20 |
| 直到近十年来，企业依靠旧系统、企业应用程序和分析师所收集的市场数据为业务做出决策。要做出任何详细的、操作性的、即时的决策，这些手头上的系统还是可以胜任的。要承担任何具体的分析和报表，就实施数据仓库和数据集市。 |
| 商业智能（BI）的未来趋势及支持它的整合 | 12-22 |
| 最近，TDWI发表一份关于商业智能（BI）和分析的新兴技术和发展趋势的报告。TDWI商业智能（BI）研究主管David Stodder在最近的文章中强调了他所认为最重要的五个发展趋势。 |
| 商业智能（BI）如何帮助你了解消费者行为 | 12-21 |
| 零售商经常受到多渠道市场定义的挑战。 |
| 数据可视化和大数据商业智能 | 12-20 |
| 起先这篇文章假设读者基本知道什么是数据可视化(Data Visualization)，要把重点放在灵活的商业智能利用数据可视化来动态的结合大数据和数据仓库的好处。后来发现人们对什么是数据可视化及如何使用它还有许多问题。就在不久前，许多人还搞不清数据可视化与企业信息整合的区别。 |
| Expedia高管: 开发者需要懂得分析 | 12-01 |
| 根据纽约市最近举行的预测分析会议所作的主旨发言，网站开发者不仅要了解他们的客户或客户的执行团队，还需要了解消费者和消费者响应的数据。 |
| 传统分析与大数据分析的对比 | 09-26 |
| 大数据最大的优点是针对传统手段捕捉到的数据之外的非结构化数据。这意味着不能保证输入的数据是完整的，清洗过的和没有任何的错误。这使它更有挑战性，但同时它提供了在数据中获得更多的洞察力的范围。 |
| 欢迎来到“多种数据分析”年 | 08-09 |
| 互联网数据中心（IDC）的研究，“2011年数字化世界研究：从混乱中提取价值。”称：数字内容的数量每两年就翻一番。这项由存储容量供应商EMC赞助的研究，主张10年内物理世界的数字将会和宇宙中的星星一样多，而且有70%的数字信息是由消费者产生的。 |
| 财务总监（CFO）在商业智能BI中的重要性 | 08-01 |
| 根据高德纳公司（Gartner）和两家专注于财务的集团最近的一项联合调查发现，由首席信息官（CIO）独立授权的IT投资只有5%，对照财务总监（CFO）单独授权的IT投资占到全部的26%。 |
| 目前为止商业智能教育未能通过产业测试 | 07-13 |
| 美国正面临140,000到190,000名分析专业人员的空缺，150万拥有理解并基于数据进行决策制定技能的经理人空缺。加州大学圣地牙哥分校把数据挖掘和分析学位于十大热门职业的第二名。 |
| BI用户在数据整合上急剧增长的挑战 | 07-05 |
| 最新调查结果显示关注与商业智能（BI）应用系统有关数据整合问题的企业数量在急剧上升，在这个市场上，发生了什么新的事情从而导致了这样的关注呢？ |
| 企业需要数据科学家的理由 | 06-27 |
| 数据科学家需要能够梳理出与业务最有共鸣的、对业务最有影响力的一种洞察力，而且这样的洞察力能对业务实起到实在的作用。 |
|
站内文章搜索
