- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户3645619的专栏
NBI可视化平台快速入门教程（一）数据准备
NBI可视化平台快速入门教程-数据准备 1. 数据准备 1.png 这里使用 Excel 作为演示数据： 数据样本： 2.png 2.登录系统 3.png 3.进入系统后，根据向导，进入数据准备模块 4.png 4.选择对应数据源类型，这里我们选 Excel数据源类型 5.png 5.创建数据源连接 6.png 6.数据源创建成功 7.png 8.png 8.我们可以做下测试，验证是否成功 9.png 到此数据源已经建立成功，下一步需要基于数据源表建立工作表
56720编辑于 2022-05-27 - 来自专栏程序你好
数据科学的前6大语言
2012年的《哈佛商业评论》(Harvard business review)正确地将数据科学列为“21世纪最性感的工作”。即使在这份报告发表6年后的今天，《商业评论》仍被证明是正确的。 随着人工智能和机器学习的出现，“数据科学”一词在精通技术的人中间流行起来。用最简单的话说，数据科学是一种利用科学技术和算法从数据中挖掘知识的方法，无论是结构化的还是非结构化的。 无论您是数据科学领域的新手还是专业人士，您需要记住的一些基本内容包括分析数据、应用编程工具(如对数据进行序列和选择)以及执行简单的数据可视化。 R R编程语言被数据挖掘人员和数据科学家广泛用于分析数据。简化工作在统计学家中也很流行。R提供了强大的面向对象编程工具，使其在其他计算语言中处于优势地位。静态图形使图形和其他数学符号的生成更加容易。 SQL 结构化查询语言(SQL)用于处理大型数据库。特别是，它有助于管理结构化数据。学习SQL可以很好地提高数据科学家的语言技能。这种语言的缺点是缺乏可移植性。
1.2K30发布于 2018-09-29 - 来自专栏用户3645619的专栏
NBI可视化集成clickhouse，实现百亿级数据分析能力
5、多样化的表引擎 ClickHouse共拥有合并树、内存、文件、接口和其他6大类20多种表引擎。其中每一种表引擎都有着各自的特点，用户可以根据实际业务场景的要求，选择合适的表引擎使用。 6、分布式架构 ClickHouse在数据存取方面，既支持分区 ( 纵向扩展，利用多线程原理 )，也支持分片 ( 横向扩展，利用分布式原理 )，可以说是将多线程和分布式的技术应用到了极致。 2.png NBI可视化平台介绍： NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品。 ，快速实现数据可视化需求） 4.png 4.1.png （3）丰富的展示组件：（NBI可视化平台中有多达50余种可视化组件） 5.png 6.png 7.png 8.png 9.png 10.png 11.png 12.png 13.png 14.png 15.png 16.png 17.png 【NBI大数据】【NBI可视化】
1K30发布于 2021-07-23 - 来自专栏用户3645619的专栏
通过Flink+NBI可视化构建实时分析系统
Flink主要特点： 1、高吞吐、低延迟、纯流式架构； 2、支持对乱序事件的处理； 3、有状态、提供exactly-once计算； 4、高度灵活的窗口机制； 5、失败恢复、故障转移、水平扩展； 6、批处理 、流处理统一的API 1.png NBI大数据可视化： 2.png NBI一站式自服务大数据可视化分析平台是一款自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析； NBI 拥有几十种传统图形和新型大数据图形组件（如桑 基图， treemap、层级聚类图、旭日图、热力矩 阵、日历矩阵、gis等等）能让您轻松构建各类炫 酷的数据大屏。 3.png Flin+NBI实时数据分析系统构建方案： 4.png （1）通过kafka分布式消息队列接入各类数据源，比如IOT设备实时数据，服务器日志数据，应用系统日志数据，数据库数据等等； （2）然后通过 Flink接入kafka，根据时间窗口，对各类指标做数据计算； （3）计算完毕后接入NBI大数据可视化分析平台，通过平台构建各类分析应用，做实时分析展示； 实时数据分析： 5.gif Q9.png
1K00发布于 2021-05-29 - 来自专栏用户3645619的专栏
国内首款基于.NET Core平台的大数据可视化分析工具平台
NBI一站式自服务大数据可视化分析平台是一款基于.NET Core开发的自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析； NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式 ，支持安装包模式安装、手动安装、docker镜像安装 NBI一站式自服务大数据可视化分析平台跨平台性：支持部署在Windows、Linux、MacOS等操作系统上运行 NBI一站式自服务大数据可视化分析平台 V4.6.5主要更新内容如下： （1）优化平台性能，主要解决平台中部分组件在自动刷新后，内存居高不下的现象，导致时间长后卡顿 （2）平台中所有数据展示组件新增自动刷新功能功能，可开启，可关闭，可配置刷新时间间隔 （3） 表格组件增加自动滚动功能 （4）新增influxdb数据源对接 （5）新增数据源管理平台树形菜单刷新功能 （6）修复和完善若干小问题 （7）数据源管理平台图标风格调整，保持与整体风格一致性 组件自动刷新 ： 表格自动滚动： 新增influxdb数据源： NBI大数据 NBI可视化 新基建 物联网 echart 数据中台 数据资产 数据可视化
1.7K80发布于 2021-05-12 - 来自专栏CDA数据分析师
数据分析不能碰的6大禁区!
1 没有明确分析数据的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 2 没有合理安排时间 数据分析也要合理安排时间，一般有几个步骤，收集数据、整理数据、分析数据、美化表格。在做这些之前，要预估每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 5 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。 6 表格不美观，不清晰 做数据分析一般使用的是excel表格记录，一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据。在收集数据的过程中，也可以提高收集和分析数据的效率。
71160发布于 2018-02-11 - 来自专栏机器学习/数据可视化
Python入门-6大数据类型操作
Python的6种数据类型操作总结 本文对Python中常见6种数据类型的操作进行了汇总： Numbers（数字） String（字符串） List（列表） Tuple（元组） Dictionary（字典 = 1.3常用函数 取绝对值：abs 四舍五入：round 取整：int 转浮点数：float 二、字符串String 字符串是Python中常见的数据类型之一，能够使用str函数将其他类型的数据强制转成字符类型 2.1键盘输入 终端中通过input函数输入的任何内容都是字符串数据 2.2三种方法生成 通过3种方法生成字符串数据： 单引号：`python` 双引号：“python” 三引号：一般字符串内容较长时使用 列表元素重复：* 返回列表中的最值（比较ASCII码）：max、min 3.3常见操作 索引和切片操作（类比字符串） append：将整体追加到列表的末尾 extend：列表中的每个元素进行合并，组成一个大的列表 ，字典是无序的数据类型，主要是用来存放具有一定映射关系的数据。
71220编辑于 2023-08-23 - 来自专栏华章科技
数据分析不能碰的6大禁区
没有明确分析数据的目的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 没有合理安排时间 数据分析也要合理安排时间，一般有几个步骤，收集数据、整理数据、分析数据、美化表格。在做这些之前，要预估每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。 表格不美观，不清晰 做数据分析一般使用的是excel表格记录，一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据。在收集数据的过程中，也可以提高收集和分析数据的效率。
36430发布于 2018-08-13 - 来自专栏灯塔大数据
6位大数据人物浅谈未来三年大数据的发展
新工具，新视角 维珍传媒（Virgin Media）洞察分析部负责人马克·查普曼（Mark Chapman） （维珍传媒：英国第一家通信、电视全业务运营商，欧洲最大的移动虚拟网络运营商，也是英国第二大付费电视公司 大数据相关技术在不断改进，现在我们可以通过大数据对我们的行业进行深度分析和发掘，而不是像之前一样收集“便宜又大包的黄页式”数据库。 我认为企业利用的数据类型将发生重大变化，不论是内部数据的开源数据集，还是社交媒体等产生的非结构性数据集，这些数据类型都将发生巨变。 数据整合是成功关键 联合利华信息分析副总裁柯尔斯顿·穆迪（Kjersten Moody） （联合利华：跨国消费品公司，总部设在荷兰鹿特丹和英国伦敦，世界第三大消费品公司，世界上最大的涂抹食品生产商，最古老的跨国公司之一 联合利华目前专注于整合不同渠道数据，对客户数据体验进行重新定义，建立互动性更高的数据联系。这样一来，我们就能让客户深度发掘数据信息，并做出正确的行动决策。 翻译：灯塔大数据
93180发布于 2018-04-08 - 来自专栏用户3645619的专栏
NBI可视化解锁一天完成几十张数据可视化报告的秘密
、数据大屏等行业名词大家不再陌生，这些技术或产品也在逐步渗透到各行业中，为行业赋能。 ： NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品。 5.1.png NBI大数据可视化分析平台特性介绍： （1）丰富的数据源接入能力：（关系型数据源、大数据分析平台、MPP数据库、时序数据库...） 6.png （2）易于操作的可视化编辑器：（通过简单的点击 、拖拽实现数据的连接和处理，快速实现数据可视化需求） 6.1.gif （3）丰富的展示组件：（NBI可视化平台中有多达50余种可视化组件） 7.png （4）不仅仅是可视化，NBI还具有交互式分析能力， 支持数据联动，下钻，协调过滤等分析功能 （5）易于掌握的脚本功能，将个性化功能需求通过脚本功能开放给使用者，使用者通过极少量代码即可实现个性化功能能力 9.png NBI大数据 NBI可视化
57960发布于 2021-09-03 - 来自专栏互联网大杂烩
6大设计原则
所有引用基类的地方必须能透明地使用其子类对象。 只要父类能出现的地方子类就可以出现。
39230发布于 2018-08-22 - 来自专栏用户3645619的专栏
对数据可视化工具应当具备的核心能力和价值的几点思考
数据可视化价值 准确高效直观的传递传递数据中的规律和信息； 实时监控系统各项数据指标，实现数据的自解释； 基于可视化洞察数据规律，指定精准的运营策略； 基础构建原则 简单的步骤如下：基于业务需求，完成可视化数据处理 ，NBI大数据可视化平台也在不断打磨产品和思考，在数据分析领域能为企业赋能什么： NBI一站式自服务大数据可视化分析平台是一款自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析和个性化场景需求 ； NBI拥有几十种传统图形和新型大数据图形组件（如桑 基图， treemap、层级聚类图、旭日图、热力矩 阵、日历矩阵、gis等等）能让您轻松构建各类炫 酷的数据大屏。 NBI具备两扩展+一开放能力： （1）数据源可扩展 （2）图形组件可扩展 （3）将个性化功能需求通过脚本功能开放给使用者，使用者通过极少量代码即可实现个性化功能能力； 丰富的可视化呈现方式 A9.gif NBI具有交互式分析能力，支持数据联动，下钻，协调过滤等分析功能 A7.gif NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式，支持安装包模式安装、手动安装、docker镜像安装 NBI
1K50发布于 2021-04-29 - 来自专栏木东居士的专栏
数据团队思考：小型数据团队发展的6大建议
数据团队思考：小型数据团队发展的6大建议 0x00 前言 最近遇到了不少待在小型数据团队的朋友在吐槽自己的团队如何如何的坑，比如说： 基础建设特别差，用什么没什么！ 鉴于这些吐槽的内容，居士将从如下几个方面来分享本篇的主题：小型数据团队发展的6大建议 为什么你的团队是一个小型的数据团队？ 小团队会面临什么样的难题？ 很多大公司的数据团队可能也是很少的几个人。这里面有两种可能： 公司本身并不需要特别强大的数据支撑，或者还没有重视。 另一种可能是一个大的公司的各个部门里面，都会有自己的小的数据团队。 0x03 小型数据团队发展的10大建议 步入正题。 一、前期发展，以经验丰富的员工为主 小团队的前期发展，以经验丰富的老司机快速搭建框架是最为稳妥的，要尽可能地减少试错成本。 另外，数据挖掘本来也是数据团队的工作内容，这里的6个建议同样适用。 补充说明一点：本文是从团队的角度来考虑，并不是个人的角度。 最后，欢迎大家提出你的意见，批评也很欢迎，一起讨论才会有进步。
1.1K10发布于 2019-11-12 - 来自专栏用户3645619的专栏
一款介于无代码与低代码之间的大数据可视化分析平台
NBI大数据基于以上问题的深度思考，将企业信息化的构建与交付能力做了如下几点总结： （1）低成本 （2）快速构建、快速上线 （3）维护成本低 （4）易扩展 结合以上几点，NBI大数据同时在思考，在数据分析领域能为企业赋能什么 ： NBI一站式自服务大数据可视化分析平台是一款基于.NET Core开发的自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析； NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式 NBI一站式自服务大数据可视化分析平台是一款自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析； NBI拥有几十种传统图形和新型大数据图形组件（如桑 基图， treemap 、层级聚类图、旭日图、热力矩 阵、日历矩阵、gis等等）能让您轻松构建各类炫 酷的数据大屏。 NBI平台提供了脚本功能，使得使用者通过极少量的代码完成个性化功能扩展能力： 脚本示例： NBI大数据 NBI可视化 物联网 低代码 无代码 数据中台 数据可视化
1.7K31发布于 2021-05-06 - 来自专栏云计算D1net
关于SaaS和数据恢复的6大谬误
这里有六个关于SaaS应用的谬误，会可能导致你天真地相信你公司云端的数据是安全的。而事实上它们却处于严重的风险之中，并且如果没有数据保护的解决方案的话，将可能会永久的失去。 谬误一：你总是可以恢复你的云端数据 云计算提供商确实能提供不同程度的恢复，但是有一个问题：这种备份并非旨在将所有数据都能提供给客户。 提供数据保护。虽然这两种技术有一些重叠的特性，但是它们在根本上是不同的两种方法： ·件同步和共享是建立在用户内容的实时协作基础上的，但它不是用于在用户错误、数据损坏或面对勒索软件所采取的数据恢复。 数据被全方位所保护着，包括用SaaS应用程序进行文件存储，并且在设备一旦丢失或被盗的情况下，其附加的功能够帮助组织跟踪设备，和/或远程删除企业的数据。 另外，原生的云内容分析能力可以帮助你更为深入地了解在横跨多个数据源的时候，潜在的数据和合规方面的风险。
74750发布于 2018-03-27 - 来自专栏新智元
智能音箱2017大爆发，6大数据看懂亚马逊与谷歌之争
厨房是Echo最频繁的使用场景之一； 6. 亚马逊将发布带屏幕的Echo。 相信以上结论会对国内暗流涌动的智能音箱之战会有较强的借鉴意义。 6月24日，Fortune报道。 Ad Age 公布的一份最新研究表明，谷歌的智能音箱 Home 比起亚马逊的 Alexa 要更可靠，对正确地回答用户命令这一任务进行量化的结果显示，双方有6倍的差异。 在所提供的答案的正确性上，谷歌的虚拟助理是亚马逊的6倍。 这一结果有些出乎意料。但是，考虑到两家公司在语音助理技术上的不同路径，这也是能理解的。 与此同时，亚马逊通常会选择与信息和内容合作伙伴协作，来获得数据。对于随机用户来说，特别是现在许多AI 业务都是在云上完成，谷歌和亚马逊的搜索结果可能不会有本质的区别。但是，搜索引擎的数据集是海量的。 但是根据新的数据，这一数字上升到了1.5到1.6台。 虽然数字没有那么精确，但是Echo的统治力是毋庸置疑的。
848120发布于 2018-03-28 - 来自专栏用户3645619的专栏
利用NBI大数据可视化工具做RFM模型分析，洞察数据价值，驱动业务增长
： 我们先看下结果： 再来看看如何构建： NBI大数据可视化分析平台 NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品 我们将数据分析的各环节（数据准备、自服务数据建模、探索式分析、权限管控）融入到系统当中，让企业有序的、安全的管理数据和分析数据。 产品特点 帮助企业发掘沉睡在系统中的数据的价值，将数据转变为信息，指导企业的决策，监督战略的执行，提高企业的决策力与执行力，最终为企业创造价值。 丰富的图形库：拥有几十种传统图形和新型大数据图形组件（如桑基图，treemap，层级聚类图，热力矩阵等等）能让您更直观的和数据对话 NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式，支持安装包模式安装 、手动安装、docker镜像安装 NBI一站式自服务大数据可视化分析平台跨平台性：支持部署在Windows、Linux、MacOS等操作系统上运行 NBI大数据
1.4K30发布于 2021-04-27 - 来自专栏用户3645619的专栏
利用Python+NBI大数据可视化工具实现采集到分析整体方案
大家可能都比较熟悉python这门技术语言，确实在大数据火起来之后python的热度一度高涨，不可否认的是python在数据采集这块真的很好用，很方便。 那今天给大家介绍一下通过python采集数据，通过NBI大数据可视化工具做数据分析是如何实现的，首先我们看一下整体方案架构： 思路大致介绍： （1）通过编写python采集脚本，实现数据采集和数据清洗工作 ； （2）将清洗好的数据存储到数据库； （3）通过NBI大数据可视化分析平台接入数据存储库，调取数据； （4）通过NBI大数据可视化分析平台的报告制作模块DIY制作分析报告； （5）分析报告制作完成后保存 ，发布即可 更多信息请参考（http://www.easydatavis.com） 利用Python+NBI大数据可视化工具实现采集到分析整体方案
93880发布于 2021-04-28 - 来自专栏用户3645619的专栏
NBI可视化平台快速入门教程（四）数据可视化编辑器介绍
NBI可视化平台快速入门教程（四）数据可视化编辑器介绍前面几篇文章介绍了数据准备，接下来介绍如何搭建数据可视化页面（1）通过可视化入口进入到可视化编辑器模块：图片（2）可视化编辑器介绍（2.1）项目列表 预览地址为永久地址，固可以挂载到第三方系统中）；· 重命名· 删除图片（2.4）组件库介绍，可以拖拽任意组件图标到画布区域图片（2.5）画布区域图片（2.6）组件拖入到画布，拖入画布后，可以任意调整布局、大小、绑定数据 、调整属性等操作图片（2.7）组件级功能栏，提供对组件排班布局操作图片（2.8）页面级功能栏对页面设置【画布大小调整、背景设置、自适应设置等】、保存、临时预览、另存为（复制页面）、导出图片等操作图片NBI 大数据可视化分析平台（在线体验）作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品。 我们将数据分析的各环节（数据准备、自服务数据建模、探索式分析、权限管控）融入到系统当中，让企业有序的、安全的管理数据和分析数据。
1.1K40编辑于 2022-06-17 - 来自专栏逻辑熊猫带你玩Python
Python | 6大数据类型方法归纳总结（下）
撰文编辑：逻辑熊猫 | 图片：网络与截图 如需转载，请后台联系授权 往期内容 Python 自助篇 “6大数据类型方法归纳总结（上）” “6大数据类型方法归纳总结（中）” - 正文 - ▼ -01 - 概述 | 六中数据类型 Python提供的基本数据类型有六种： · 数字（Number） · 字符串（String） · 元组（Tuple） · 集合（Sets） · 列表（List） · 字典（ 6.L.index(value, [start, [stop]]) ：返回value的第一个索引。如果value不存在，就会引发ValueError。可以使用start和stop制定检索的范围。 6.D.pop(key[,default]) ：删除指定的键并返回相应的值。如果没有找到该键，则返回默认值，否则会引发KeyError。
99120编辑于 2023-03-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号