介紹Cognos公司成立于1969年，公司總部位于加拿大渥太華。Cognos軟件可進行戰略性企業級應用，或將其用作一個點解決方案滿足業務需要，客戶可以使用Cognos更好的監視、了解和驅動成功的業務績效。Cognos客戶遍行業包括,汽車、銀行和保險、能源和自然資源、政府、衛生保健、制造和醫藥行業等。Cognos是面向企業的業務智能(BI)和績效計劃軟件的全球領導者。公司的解決方案可以通過實現計劃和預算、績效度量和監視、報表和分析等管理環節的關鍵步驟來提高調整企業績效。Cognos是唯一能夠在一個完整的解決方案中為這些重要的管理活動提供支持的公司。

數據倉庫，數據庫或者其它信息庫中隱藏著許多可以為商業、科研等活動的決策提供所需要的知識。分類與預測是兩種數據分析形式，它們可以用來抽取能夠描述重要數據集合或預測未來數據趨勢的模型。分類方法（Classification）用于預測數據對象的離散類別（Categorical Label）；預測方法（Prediction ）用于預測數據對象的連續取值。

數據分析中的10種思維方法一、邏輯思維：二、向上思維：三、下切思維：四、求同思維：五、求異思維：六、抽離思維：七、聯合思維：八、離開思維：九、接近思維：十、理解層次：邏輯思維邏輯思維：明白價值鏈，明白各項數據中的關系;關鍵:明白其中的關系要求你對這項工作要了解、熟悉，要細致和慎密。要清楚充分性和必要性的關系。實際情況:你需要那些數據?如何獲得這些數據?數據之間的關系如何?向上思維在看完數據之后。

TalkingData簡介我們的數據挖掘工作應用廣告優化隨機決策樹算法及其Spark實現TalkingData簡介TalkingData移動大數據生態圈行業透視DMP數據管理平臺數據交易與交換數據監測與預警基礎數據服務數據能力開放企業服務內容TalkingData簡介我們的數據挖掘工作應用廣告優化隨機決策樹算法及其Spark實現數據挖掘在.

MLlib在淘寶的應用和改進淘寶技術部數據挖掘與計算——高性能計算洪奇明風MLlib在淘寶主要內容決策樹多分類決策樹基本算法應用場景——用戶識別購買頻率女男男購買化妝品高低多少根節點葉節點內部節點deftree_growth(instances):#如果滿足終止條件.

Forester數據: 迄今為止，打造了傳統的企業數據倉庫的機構，有83%的用戶沒有用數據倉庫做數據分析，而是繼續使用Excel等其他工具做數據分析。

數據模型介紹數據倉庫的定義面向主題Subject Oriented典型的主題領域：當事人；產品；事件；協議集成的Integrated數據來自分散的系統,需要進行統一的抽取,加工,加載相對穩定的Non-Volatile不可更新,提供決策分析隨時間變化TimeVariant數據倉庫中的時間期限要遠遠長于操作型系統中的時間期限（5~10年）數據倉庫中的數據是一系列某一時刻生成的復雜的快照數據集合

對于源數據后面自動添加“.0”的問題可以通過在輸入步驟“格式”欄中設置長度解決，如下圖輸入為excel文件時的設置說明1.文件選擇一個Excel文件或保存有Excel文件的目錄。文件或目錄：設置要讀取的Excel文件的名稱，或一個目錄。

錯誤處理在轉換步驟的過程中，當某個步驟發生錯誤時可能要進行額外的步驟處理。因此，在設置時就要求為步驟添加錯誤處理。以下面的流程為例：
該流程為將源表的數據同步到目標表中，在目標表中人為的設置某個字段的長度小于源表，讓其能在處理過程中會報出異常。為了可視化處理結果，將同步的結果輸出到XML文件中。

KETTLE基本知識主講：韋漢靖簡介Kettle是一款國外開源的etl工具，純java編寫，可以在Window、Linux、Unix上運行，綠色無需安裝，數據抽取高效穩定。ETL是數據抽取（Extract）、清洗（Cleaning）、轉換（Transform）、裝載（Load）的過程。

kettle應用實例Kettle是”KettleE.T.T.L.Envirnonment”只取首字母的縮寫，這意味著它被設計用來幫助你實現你的ETTL需要：抽取、轉換、裝入和加載數據。

ETL平臺用于數據的抽取、轉換、加載，為數據比對提供數據的采集、轉換、導入、導出等功能。

Kettle工具類似powercenter和datastage等商業軟件，也配有自己的元數據資料庫管理的方式，可以是數據庫的形式，也可以是文件目錄形式。由于數據存儲管理比較穩定安全，所以本文先詳細介紹數據庫形式元數據資料庫，后簡略介紹文件形式元數據資料庫。

Kettle技術手冊Etl介紹ETL（Extract-Transform-Load的縮寫，即數據抽取、轉換、裝載的過程），對于金融IT來說，經常會遇到大數據量的處理，轉換，遷移，所以了解并掌握一種etl工具的使用，必不可少。Kettle是一款國外開源的etl工具，純java編寫，綠色無需安裝，數據抽取高效穩定。Kettle中有兩種腳本文件，transformation和job，transformation完成針對數據的基礎轉換，job則完成整個工作流的控制。

當你有很多數據要處理的時候，能夠有效地使用所有的計算資源是非常重要的。不管是臺個人電腦，還是有數百臺服務器，你都想讓Kettle能盡可能的使用所有可用的計算資源，并在可接受的時間范圍內獲取執行結果。在這一章節，我們將解開kettle的轉換和作業在垂直擴展和水平擴展方面的秘密。垂直擴展是盡可能的使用單臺服務器上的多CPU核。水平擴展是使用多臺機器資源，使他們并行計算。這兩種方法都是ETL子系統的一部分（#31，并行/流水線系統）。

開源ETL工具kettle系列之常見問題摘要：本文主要介紹使用kettle設計一些ETL任務時一些常見問題，這些問題大部分都不在官方FAQ上，你可以在kettle的論壇上找到一些問題的答案

kettle使用中的一些常見問題問題1：從excel中抽取數據,插入到oracle9數據庫中,報下面的錯誤.

Kettle關于平面數據的導入cvs文件的導入：CSV全稱Comma Separated values，是一種用來存儲數據的純文本，文件格式，通常用于電子表格或數據庫軟件。規則0開頭是不留空，以行為單位。1可含或不含列名，含列名則居文件第一行。

Kettle命令行使用說明1.Kitchen——作業執行器是一個作業執行引擎，用來執行作業。這是一個命令行執行工具，參數說明如下

主要內容1.概述2.數據倉庫與OLAP技術3.數據挖掘技術4.數據挖掘應用數據挖掘工具6.數據挖掘實例1概述1.1背景1.2數據挖掘定義1.3基本概念1.4主要功能1.5數據挖掘模型1.6實現流程1.7數據挖掘的應用1.8未來趨勢1.1背景二十世紀末以來，全球信息量以驚人的速度急劇增長—據估計，每二十個月將增加一倍。許多組織機構的IT系統中都收集了大量的數據（信息）。目前的數據庫系統雖然可以高效地實現數據的錄入、查詢、統計等功能，但無法發現數據中存在的關系和規則，無法根據現有的數據預測未來的發展趨勢。