-
编辑 删除
适合时间序列数据的计算脚本
时间序列数据在这里指按时间排序的日常业务数据。对时间序列数据进行计算时，不仅涉及季度、月份、工作日、周末等常规计算，还经常遇到较为复杂的有序运算，这就要求脚本语言应具备相应的计算能力。一般用于处理时间序列数据的计算脚本有SQL、Python Pandas、esProc，下面就让我们深入了解这些脚本，看看它们的能力差异。
-
编辑 删除
有序集合上的定位计算
在数据计算时，除了每条记录本身，经常也会关心有序集合中与位置相关的计算。例如：编号为 752084 的订单在销售表中的第几行？2019 年上证指数收盘价最高的是第几个交易日？如何简单快捷的实现定位？这里将为你全程剖析，并提供 esProc SPL 示例代码。
-
编辑 删除
esProc 的 SQL 应用方案
esProc 的 SQL 功能支持文件计算、性能优化等独特功能，本文将总结桌面 IDE、命令行等不同环境下 SQL 的用法，以及常用文件格式、特殊分隔符等多种应用方案
-
编辑 删除
结构化数据中的从属判断问题
从数据表中选出数据时，有时需要判断成员是否从属于某一个集合。例如从房价表中选出重要城市的房价信息，从销售表中选出 VIP 客户的销售记录等等。如何简便快捷的处理结构化数据中的从属判断问题，这里为你全程解析，并提供 esProc 示例代码。
-
编辑 删除
报表工具选型对比系列 - 大报表
有些报表查询出的数据行数可达千万甚至上亿，这类报表通常被叫做大报表，大多数情况下都是些清单明细数据报表，也有少量分组报表。针对大报表，如果像常规报表一样，将数据一次性全取再交给前端呈现是不可行的。一是等待时间太长，用户体验差；二是很可能导致内存溢出造成应用崩溃。那么，目前的报表产品是如何解决这一问题的呢？本文将调研并测试几款报表产品的大报表解决方案，还是针对这三款产品：润乾报表、帆软报表、Smar
-
编辑 删除
报表工具对比选型系列—多样性数据源支持度
本次仍然评测这几款主流的报表工具：润乾报表、帆软报表、Smartbi、永洪 BI、亿信。之前在多源关联分片报表中验证了各个报表工具的多数据源关联功能，这些产品都能支持多数据源，但对不同类型数据源的支持程度并不一样。目前常用的关系型数据库基本上都提供 jdbc 接口，所有报表工具都支持，这里就不做详细说明，下面主要看下几种数据源的支持情况：1、 文件数据源，如 Excel、txt、csv 等。2、
-
编辑 删除
结构化数据上用序号访问成员的问题
序号访问是指通过序号（索引下标）来访问有序集合的成员。序号访问除了按单个序号访问集合成员，还有按多个序号同时取多个成员的需求。除此以外，还有用倒数的序号访问成员，按固定跨度访问成员等等。如何简单快捷的实现这些序号访问需求？这里将为你全程剖析，并提供 esProc SPL 示例代码。
-
编辑 删除
有序集合间的对位运算
两个有序集合之间可能进行一一对应的计算，比如两个集合如何比较大小，怎样判断集合是否相等？如何简便快捷的处理集合间的对位运算，这里为你全程解析，并提供 esProc 示例代码。
-
编辑 删除
esProc 利用剪贴板强化 Excel 计算
遇到Excel难以实现的复杂或特殊运算时，可先用剪贴板将数据复制到esProc，利用esProc强大的计算能力完成，再用剪贴板返回Excel。剪贴板方式比传统的add-ins方式部署更简单，操作更顺滑，开发时不影响剪贴板正常使用，且支持多个源片区和结果片区。
-
编辑 删除
报表工具对比选型系列 - 容量及相关性能
报表上的计算比较复杂，常常是内存计算，报表工具能支持的容量也就是个重要的技术指标。我们当然希望报表占用的内存尽量少，这样同样内存空间可以容纳更大的报表（更多的单元格），也能支持更大的并发数量。本文将对比报表工具的容量及相关性能，看同样的内存（可用 jvm）空间下，谁能支持更多的单元格数，以及同样规模报表的计算性能。产品还是三款：润乾报表 V2018、FineReport V10.0、smartbi
-
编辑 删除
报表工具对比选型系列用例——过程计算
我们知道，报表呈现的数据常常并不是直接从数据库（源）取出来的数据，而还要进行一些运算，报表工具通常也会提供一定的运算能力（如过滤、分组等）以应对这种需求。但是，情况复杂时，报表数据集上的运算可能要多个步骤才能完成，这时候就要考查报表工具对过程式计算的支持程度了。用例说明统计要求列出指定时段的大客户。所谓大客户，定义为销售额占前一半的客户，也就是把客户销售额从大到小排序后，前面若干个客户的合计销售额
-
编辑 删除
数据挖掘模型的衰减是什么意思？为什么要经常要重新建模？
数据挖掘模型建好后，我们通常会关注建模时的准确率查全率等指标，但是常常会忽略模型另一个重要指标：模型的衰减程度，也就是模型在实际应用中预测能力的变化（一般都会越用越差）。为什么会发生模型衰减呢？我们知道数据挖掘的本质是发现过去事物发生的历史规律然后对未来进行预测，因此模型能够准确预测的前提就是，要预测的未来必须是历史规律的延续。但是在几乎所有的商业场景中，市场是在不断变化的，数据也在不断变化的，也
-
编辑 删除
深度学习是怎么回事？有什么用？
如今，提到人工智能，几乎无人不谈深度学习，似乎不用深度学习就不好意思谈人工智能。今天我们就用几分钟的时间来讲一下深度学习到底是什么，有什么用。首先深度学习并不等于人工智能，它只是一种算法，和普通的机器学习算法一样，是解决问题的一种方法。真要区分起来，人工智能、机器学习和深度学习，三者大概是下图这种关系。人工智能是一个很大的概念，机器学习是其中的一个子集，而深度学习又是机器学习的一个子集。其次，深度
-
编辑 删除
报表工具对比选型系列 - 页面渲染性能
页面渲染是指报表在计算完成后，生成 html 页面时加上各种格式外观属性的过程。如果在报表中添加了大量的呈现效果（隔行异色、背景图、条件警戒色等）时，页面渲染的速度就会受到影响变慢，但往往这些呈现效果又是必须的，所以这个时候就得看报表的性能了。这里对润乾、帆软和 smartbi 三款报表工具进行测试，业内还有永洪和亿信也宣称对复杂报表的支持较好，但经过基本模型测试就会发现这两款产品与前述三款差距还
-
编辑 删除
报表工具对比选型系列用例——排名及跨行组统计
继《多源分片报表》后，我们继续考察这些报表工具对复杂报表的支持程度。排名与跨行组运算也是典型的中国复杂报表形式，这类报表的源数据集通常比较简单，但在表格的单元格之间会有较随意的计算要求。在制作报表时，单元格还没有扩展出来，因而不能像 Excel 那样直接引用单元格名字，报表工具需要提供某种机制允许在表达式中引用还没有产生的单元格。用例说明报表式样数据结构[学生成绩表]学生成绩表中存储各班级同学历年
-
编辑 删除
多维分析的本质计算是什么？能做什么又不能做什么？
多维分析主要面向业务用户提供数据查询分析服务，由于业务人员不懂 SQL，也无法完成多表关联（有意义的查询经常是基于多表的），所以在多维分析建模阶段需要将多表转换成单表，也就是 CUBE。这样用户就可以很方便地通过基于一个结果集（CUBE）进行拖拽查询，从不同的角度（维度）观察数据（测度）。在多维分析中主要的计算就是按照某一个或一些维度汇总测度，如按地区汇总销售额，按年和产品汇总销量等。从运算角度来
-
编辑 删除
报表工具对比选型系列用例——多源分片报表
润乾报表、帆软报表、Smartbi、永洪 BI、亿信 BI 这几款国内产品都把中国复杂报表作为宣传点。我们以常见的多源分片为报表为用例，来对比评测这些产品的处理能力（由于时间和知识限制，个别很偏的功能点可能会有遗漏）。内容比较长，如果不想看细节，可以直接跳到最后看结论。用例说明报表式样数据结构[订单表]主数据存储在订单表中，该表通过雇员 ID 和销售员表关联，通过产品 ID 和产品表关联。[销售员
-
编辑 删除
批量自动建模有什么意义？
目前，由于数据挖掘技术的门槛较高，实现起来复杂度较大，因此一般一个数据挖掘项目通常就是建立一个模型，这个模型要尽量有更广泛的应用范围。这样做其实会导致模型的适应能力下降，而多个模型适用效果就远远好于一个模型。在需求侧，业务场景是多种多样的，模型的需求量很大。就是一个业务场景也往往不是一个模型就能完全解决的，而是需要一系列的模型。例如在精准营销场景中，使用模型可以帮助我们快速的定位潜在目标客户，提高
-
编辑 删除
为什么业务知识会严重影响建模效果？
我们知道一个完整的数据挖掘项目通常包含以下流程（1）业务理解、（2）数据理解、（3）数据准备、（4）数据预处理和建模、（5）模型评估、（6）模型部署应用。而要完成一个数据挖掘任务，必须要具备两方面的技能，技术能力和业务知识。技术能力主要包括数据统计分析能力，算法能力，计算机能力等，业务知识体现的则是对业务的熟悉程度。这两大能力都很重要缺一不可，但是业务知识的重要性却是经常容易被忽视的。今天我们就来
-
编辑 删除
业内的人工智能培训课有多大用？
随着人工智能技术的火热，各种 AI 培训也应运而生，翻阅各种社交网站和 APP，几乎每天都能刷到 Python、人工智能相关的文章，点进去很大一部分都是培训机构给自家 AI 课程打的广告。那么业内人工智能的培训课程靠谱吗，学了之后又有多大作用？目前市场上的 AI 课程众多，质量也是参差不齐，总体来讲大概有 3 种类型。一种是打着培训人工智能的幌子，实际上只教 Python 的课程，甚至有些机构竟然
