数据分析
新书介绍|《人与 AI 共创》
业务产生数据,数据提炼见解,见解回到业务。一本写给业务用户与分析师的数据分析通识,约 2027 年 3 月出版。
Tableau Visionary HOF, Authors
数据分析
业务产生数据,数据提炼见解,见解回到业务。一本写给业务用户与分析师的数据分析通识,约 2027 年 3 月出版。
11 月 14 日(周六)上海线下小班课:AI 工具项目实战与企业级 dsh 部署,限额 20 人。
XLJ 2026/09/13 这几天在用手写讲稿,在用 AI 绘图。心想如何做一个工作流,更快、更强、更省。 周日,一下午都在一边整理书稿内容,一边生图(SVG)和准备 keynote 讲稿;完成一个系列的 svg 图片后,我又想做一遍之前没有完美闭环的工作流:用 Workbuddy 把 svg 图片批量导入 omnigraffle 绘图软件,然后可以手动调整细节,再让 Workbuddy 读取我的修改稿,重新覆盖 svg 插图。 为什么会有这样的计划? 因为 Workbuddy 等工具对小细节的修订,效率极低、误差极高,有时候半小时折腾不如我两分钟优化;所以我准备最后接管 AI 工作流,从而完成最后定稿。 AI 没有真正的思考,
AI
这几天,OpenAI 的 devday 大会连发诸多新功能,横跨 GPT-6 Astra、ChatGPT、Codex、API、安全以及一批新的开发者构建工具;此前还有 A 社的 Claude Sonnet5.5等一众更新,让人目不暇接。 月亮是国外的圆? 讲真,我一直准备尝试 ChatGPT ,也想注册一个新 Claude 账号(之前被波及误封了)。这些最新的 AI 模型确实让人振奋。 但是,我边期待,边沉迷于更易得的工具怀抱之中,特别是九月发布的 DeepSeek Harness,还有九月开始付费的 K3. 有时候和朋友或客户聊天,我就说国外 AI 虽好,但总是嬉笑打趣的说 “花美元赚人民币”总不是很合算。 不可否认,AI 确实是美国遥遥领先,中国紧随其后但距离不小。
数据模型
AI
如果一个员工电脑中没有任何一个 AI 工具,我认为可以马上“请辞”了。
BI
“人人 AI”会让开发从后端走向前台,“人人都是产品经理”也必将从畅想变成现实。
数据模型
本文整理自 Steve Hoberman《Data Modeling for the Business》第一章 What is a Data Model?。 书里用一个「盖房子」的故事,把抽象的数据模型层次讲得通俗易懂——这是目前我见过最好
更新于 2026-08-29。第一篇自下而上:业务 → 数据 → 分析 → 决策。
关系型数据
在数据分析的世界里,没有“记录”就没有分析。数据世界的“事实”(Fact)并非抽象概念,正如“事实”词意一样真实、实在——英文中常说“it’s a fact”,中文常说“事实如此”。通俗的说,“事实”指一个已经发生的、可被计量、可被追溯的业
算法模型
这是一张把 CH07 记录层 · CH08 分析层 · CH09 算法层 的模型知识串起来的全景图:从业务发生的那一刻起,事实如何被记录、关系如何被组织、经验如何被固化,直到最终辅助决策的完整闭环。大宽表、指标平台、ChatBI,看似三个时
算法模型
假舆马者,非利足也,而致千里;假舟楫者,非能水也,而绝江河。君子生非异也,善假于物也。第8章 8.7 小节刚刚合上了第二篇的环:指标是核心,结构是语法,记录是素材,模型是地基。本章是这个环之外的一个开口——它不再向下追问地基,而是向前看一步