Blog2017是商业智能行业大幅度增长的一年。据高德纳（Gartner）称，仅2017年，全球商务智能和分析市场规模就将达到183亿美元，到2020年将进一步增长至228亿美元。随着这样的增长，人们只希望所有商务智能和分析的在线资源也会猛增。为了庆祝2017年的结束，我们将根据社会份额和流量对本年度排名前十的博客文章进行快速汇总。2018年，在这里，我们将迎来更多的创新和学习！10通过狗模因解释预测分析和机器学习对于外行来说，预测分析和机器学习可能很复杂。机器学习如何影响预测分析，以及监督算法如何将所学知识应用到新数据中？我们通过互联网上最受欢迎的东西之一来解释这一切：狗模因。9信息图：12条来自思想领袖的数据科学引述DiscoverDataScience.com网站编撰了一张信息图，里面有来自BI思想领袖的一打引文。从我们这个时代领先的科技公司的顾问到知名大学从事前沿研究的学者，这些人都在谈论数据科学的未来，而数据科学无疑是商业的未来。8SQL备忘单：检索SQL Server中的列描述想找一本实用指南来解释如何使用简单的SQL查询在sqlserver中检索列描述数据吗？别再看了。这篇文章将一步一步地指导你，确保你得到你所需要的。7买家要小心：数据可视化不是数据分析并非所有的BI都是平等的。一些分析解决方案可能只提供你所需的一半。在本文中，我们将分解两种不同的业务分析和智能工具：端到端与仅仅是前端工具的工具。6数据关系的许多方面多对多的关系可能很复杂。尤其是当涉及到表中的数据时。也就是说，除非您了解不同的场景、它们的解决方案以及如何与数据建立良好的关系。5如何定义成功商业智能的关键绩效指标认识到您只能改进您所衡量的是一个思考KPI的好方法。通常，公司希望一次改善业务的各个方面，但却无法确定哪些方面可以衡量它们在实现公司总体目标方面的进展。如果你现在紧张地想，"等等，我每笔交易的成本是多少？"，别担心。决定KPI的另一个日益增长的痛苦是发现有很多缺失的信息。4每个数据分析师都应该关注12个网站和博客很难找到好的、无偏见的在线资源和专门为数据专业人士服务的网站。我们要求我们自己的数据分析师告诉我们一些他们最喜欢的网站，并创建了一个必须关注的论坛、数据分析博客和资源中心的列表。三。仪表板设计最佳实践–4个关键原则通常，根据构建一个综合性的仪表板设计流程来定义仪表板是有效的。然而，不应低估仪表板设计的重要性。以下是我们遵循的四个仪表板设计原则。2可视化数据的10种有用方法（附示例）在本文中，我们将运行10种类型的数据可视化示例（外加5种额外的可视化！），从简单到复杂，解释它们的独特功能，以及如何和何时使用它们来帮助您获得想要的结果。1Postgres与MongoDB在存储JSON数据方面的比较——您应该选择哪一个？在过去，Postgres与MongoDB的争论是这样的：Postgres在一边，能够处理SQL（以及后来的NoSQL）数据，但不能处理JSON。另一方面，您有专门构建的数据库管理系统（DBMS）——比如MongoDB，它被设计成原生JSON数据库。然而，如今，这种严格的分离已经被一系列介于两者之间的选择所混淆。让我们帮你导航。分析师：市场数据