目录
卷首语
  • “和谐”且快乐着
天下会
  • IBM收购资料整合商DataMirror
  • Panorama在业务流程管理方面集成商务智能
  • BO宣布与INXIGHT软件整合的完成
  • MicroStrategy 宣布计划推出MicroStrategy Integrity Manager
  • 甲骨文结盟萨蒂扬 助亚太企业BI发展
  • 调查显示:开源商业智能(BI)工具逐步崛起
  • Sybase:BI和移动成新增长点
  • 信息周刊:BI智在未来
  • 商业智能BI新方向
  • BI的理性瘦身
兵器谱
  • 德州商行的新机遇-借BI创新发展
  • 光大银行商业智能应用案例
  • 和勤新泰商业智能方案应用于北京银行案例
  • “数据挖掘”让美国汇丰银行赢利更多
  • 农行总行营业部资金财务分析决策支持系统
  • 民生银行商业智能实施案例
英雄贴
  • 关于DM的几点体会
  • 经验比方法重要
论剑池
  • 实时数据整合的大买卖
  • 对BI的期望
  • 什么是模型
  • 关于数据挖掘工具的讨论
  • 也谈业务建模和数据建模
  • 从分析结论到决策
  • 换位思考
  • 救火队员
  • 维度的选择
  • 如何控制商业需求与沟通成本
  • 电信经营分析的困惑和方向
  • 民工
  • 一些事没人做,一些人没事做
  • 离别
  • 笑话两则

 

主编
刘庆
happyscry@gmail.com

新闻编辑
胡福庆 林平
蔡轩 张睿

案例编辑
胡翠华 金鑫

专栏编辑
张婷婷 张喆 杜昭翼

论坛编辑
刘爱军

投稿
加入ttnn邮件列表
并将您的文章发送到
ttnn@googlegroups.com

过刊下载
http://happy-
scry.googlepages.com

ttnn 矩阵
http://ttnn.c3crm.com

ttnn主办 | AMTeam协办

 
卷首语

写卷首语,一般都赶上回家和休假。

就像交通电台中说的:一洗车就下雨一样灵验。

这次回家开了把荤,买了一张中国地上跑最快的火车票:”和谐号-动车组”。中国的子弹头,够狠!比特快还贵一倍。动车组这个词一直没搞明白,咋动,能动啥?经过一个高人的讲解,动车组就是每个车厢都能自己动,分配牵引力,据说它的祖宗是”北京地铁”,穿了马甲起个洋名就开始忽悠了。短短几个小时的行程,坐在了一个棋牌室中,因为座椅能够前后旋转。想来当初设计的人也没有想到,这个居然是”和谐号”最大的卖点,中国式的和谐也不错。

回来亲友问,子弹头快吗?先回答:快-整整缩短了一个小时,然后想了想又说:不太快,基本上跟特快差不多,因为它停站的时间太短了,每次一分钟上下车都要小跑着。到底快不快?龟兔赛跑的问题了。

不过,特佩服做路图的兄弟,这次提速据说这帮哥们忙乎了数十个昼夜,象”和谐号”如果运行时间差一分钟整个铁路就会堵得跟西直门一样了,在有限的铁道上跑几乎无限的车,北京的交通部门该学习一下。

呵呵,扯了半天的火车回到正题。

看TTNN的时间最近比较少了,感觉大家的讨论逐渐的深入进去,能插话的帖子不多,什么时候能够象庆兄弟一样把生活的感触融入到技术中再继续扯吧。在闷热的北京,夏天已经过了一半,和北京的朋友们一起聊天喝酒的时光足够打破这沉闷阴霾的气氛了。尽管大家都在漂泊着,可是每个人的笑容总是在聚会中给俺感动,希望在2007的夏天,每个朋友都能和谐且快乐。


sunforward
2007年7月21

 

由于开源商业智能(BI)厂商生态系统的崛起,诸如JasperSoft、Actuate公司、Pentaho、SpagoBI和一些其他的公司。开源商业智能似乎已经到了爆发的时候。某些业界观察家认为,这只是一个时间的问题。

从“企业信息无限化”的总体战略到数据库、商业智能和移动商务解决方案三驾马车的清晰路线让我们不能再把Sybase看作单纯的数据库供应商了。近日,新近上任的Sybase大中华区总经理邹作基在接受记者采访时更是明确阐释了Sybase的中国特色之路。

光大银行国际业务部总经理姜岩松先生说:”相比过去,我们能够获得更加深入的分析,能够发掘数据背后隐藏的信息,从而使各级管理层和各级业务人员可以准确、全面地发现业务中出现的异常,进一步掌握客户的情况,及时了解竞争对手的发展,大大提高了业务部门的市场敏感性以及管理和决策水平。”

民生银行与NCR Teradata共同明确:企业级数据仓库系统的建设是一个持续不断的过程。在项目第一期,将重点建设民生银行企业级的逻辑数据模型,并在此基础上整合民生银行的核心业务系统和十多个外围交易处理系统的数据,建成民生银行的基础数据平台,为民生银行所有的决策支持和管理信息系统提供数据支持。在以后各期中再不断地扩充数据源和扩展逻辑数据模型,不断增强和完善数据仓库系统数据支持能力。

用IBM的IM做过一段时间的电信客户挖掘
由于时间不是很长,做的挖掘模型效果还有待提高
应朋友要求简单总结几点(水平有限,也希望经验丰富的朋友给些建议)……

一条直线,你能看出什么?从简单的表象,能够看到背后的本质,这是功夫。BI,花了很大精力在于如何将事物忠实地表现出来。做数据整合,做报表,做OLAP,做挖掘。首先保证原材料的真实,然后再从各个角度来观察表象。至于你能从这些表象分析出来什么东西,恐怕很难让BI告诉你,这是读者的功夫。

传统的数据仓库已经满足不了这些大厂的胃口,去年年底或是今年年初的时候,也跟客户忽悠实时数据仓库。"要比竞争对手更快掌握情报,作出决策,就要实时的数据采集,就要实时的数据仓库..."一直怀疑这样说是不是有道理。曾经举出很多需要实时决策的应用,但大多情况并不是需要一个实时的数据仓库。

什么是模型?什么是分析模型?现在问这个问题似乎有点不合时宜,但总觉得这个词在平日里出现的频次太多,而其实大家并没什么共识在上面,只是当作一个名词而已。动辄建一个模型搞定,似乎它是万能的。下面,没有特别说明,模型都是指分析模型。

TTNN第七期——城市呐喊>>完整PDF下载

 

栏目主持:姜玲
更多内容欢迎关注BI频道

×
    信息化规划
    IT总包
    供应商选型
    IT监理
    开发维护外包
    评估维权
客服电话
400-698-9918
Baidu
map