原创 1個工具,4個技巧,就能高效開發各種報表!

月末月初,年末年中,一大批報表需求湧來。每到這個時候,都覺得自己的表格技能格外雞肋,看到任何一個N天精通Excel的字眼都格外敏感。 但是,企業裏批量的報表,爆炸的需求,縱使有再高的Excel技能也都招架不住。這時候恨不得有大神能寫個萬能

原创 如何爲企業量身打造一套高可用系統?

對於用戶量較大的系統以及系統穩定性要求極高的企業,每一次計劃外的系統停機都是嚴重事故。想要降低計劃外系統停機的概率,有兩個關鍵動作,一是執行計劃內維護來及時更新硬件或者軟件,另外一個有效的動作就是搭建一套高可用系統來降低系統意外停機的概率

原创 真正的工業互聯網!傳統企業的數據建設之路,這3個場景不得不看

上次的調研之後,我發現很多人都喜歡企業數字化、信息化建設的東西,今天就寫給各位。 一、當前現狀 爲了應對複雜的經營環境,更好的發揮企業數據價值,衆多企業在信息化建設方面持續加大投入力度。經過多年的發展,多數企業在信息化建設方面已經取得了一

原创 數據分析師的全景職業規劃,入門、轉行都先看這篇

今天想寫這個文章,是對我所見所聞的梳理,作爲一個在數據領域從業近10年的老人,我開通頭條號及公衆號以來,擁有了龐大的粉絲羣體,也讓我接觸到了這個行業各式各樣的人羣,以及來自粉絲們的五花八門的問題。 日積月累,也讓我形成了一套自己的認知體系

原创 千萬數據卻只用6步管理!這套數據治理架構如何100%複用?

企業數據其實是資產,那如何讓資產產生作用,這是一門大學問。 主數據管理是數據資產管理最重要和核心的內容,本文通過“一平臺、兩體系、三性特徵、四個統一、五個超越、六類服務 ”應用場景,比較體系化詳盡的介紹主數據治理、共享和應用全過程。 主數

原创 NBA數據可視化分析精選!這些神級的可視化作品你打幾分?

第12期 FineBI數據可視化分析精選 活動落下帷幕,本期評選主題爲“NBA數據可視化分析”   提供的數據集內含從上世紀90年代開始到16-17賽季,包括NBA所有球員、球隊的常規賽,季後賽數據,球員各賽季的薪金數據等。   用戶需要

原创 都說Hadoop與大數據平臺難懂?我就花了6分鐘,但是看得明明白白

我今天花了大半個下午的時間,寫了這篇hadoop的架構,全篇都是以大白話的形式,也算是爲後面更加詳細的每一部分開了個好頭吧,如果喜歡請點轉發和關注,如果有疑問,直接在評論裏說出來,大家一起解決,才能進步。 一、概念 Hadoop誕生於20

原创 團隊解散,項目被否,我苦修三年終將數據平臺落地

歷史上的每一次改革都離不開那些勇於革新,付出努力與汗水的勇士,同樣,企業信息化建設的每一次改革,也都離不開那些默默堅守、砥礪前行的信息化管理者。 今天的故事來自於一個從事IT管理十餘年的朋友。 我叫宋偉,一個IT行業摸爬滾打滾打10年的老

原创 和中臺說再見吧!一個15年的IT總監,從戰略角度這樣講數字化

銀行數字化轉型肯定也會是一個企業級的戰略規劃問題,所以,本文筆者就從這個視角解讀下自己的作品,探討下可以如何設計數字化轉型戰略。   01 時代的設定 戰略設計必有其時代背景,是在一個已知時代中做設計,還是要面向一個新時代做設計?“時代

原创 你老了,別搞IT了

文|特大號 IT人的命運是不是隻能到35歲?年齡真的抵不過技術發展嗎?真的能從這個行業全身而退嗎? 我思考了很久,我覺得這漫畫和結尾的文字能解決你暫時的迷茫。                        

原创 我必須要吐槽,你們的數據管理都是錯的,這纔是規劃和產出

數據治理這種“熱搜體質”,首先是反映了治理的重要性,這裏就不贅述了。再者就是治理的“朦朧美”,正如《數據管理知識體系指南》越來越厚,不要說融會貫通,把DMBOK通讀一遍都是個體力活。討論起數據治理,業內一般從下面幾個角度着手。 一是管理層

原创 數字化賦能智能生產,一套數據決策分析體系,完美解決生產管理

隨着“工業4.0”、“兩化”融合、《中國製造2025》等理念或政策的提出,粗放式的製造生產模式的弊端被越來越多的暴露出來,中國製造昔日冠以“世界工廠”的稱譽近年來已被“夕陽產業”這個詞所替代,管理無疑是最大的問題,其中數字化管理也是最容易

原创 首次曝光的計算模型!對標阿里?有沒有想過你的中臺只是廢紙?

文|傅一平 數據中臺的文章很多了,相信大家也看過很多,但筆者今天要談的一個話題是非常現實的,即如何判斷你的數據中臺的水平?相較於阿里,你跟它到底有多大的差距? 先來看一下中臺成熟度的評估圖:   從數據戰略、數據治理、數據架構、數據

原创 如何從0-1製作數據大屏,我用大白話給你解釋清楚了

好萊塢大片《摩天營救》中有這麼一個場景:     你可以看見反派大boss在屏幕上隨便點點,就能看到每個角落的具體情況,不禁讓人驚呼:滿滿的高科技!   其實這背後就是咱們今天要講的數據可視化:把相對複雜、抽象的數據通過可視的方式以人們

原创 一流企業都在做數據治理,還用百萬年薪招人,想做的無非這10點

如果在大數據“拼圖”中遺忘了數據治理,可能再多的技術投入也是一種徒勞。因爲沒有數據治理這一環節,其帶來後果往往是:隨處可見的數據不統一,難以提升的數據質量,難以完成的模型梳理,難以保障的數據安全等等。 源源不斷的基礎性數據問題會進一步產生