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。
最新
DATA × AI 实战训练营 · 首期公开课｜11.14 上海
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。
AI 随笔：弯路会更弯，直路会更宽
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，
实用 or 效率？说说AI 界的“崇洋媚外”论
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。
【备课稿】模型通往未知之境-V0.2
AI 工具之 Workbuddy :人人 AI 之入门工具
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。
随笔：从敏捷 BI 到 “人人 AI”
“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。
数据模型四阶比喻：像盖房子一样理解数据建模
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
《数据分析通识》目录和简介
更新于 2026-08-29。第一篇自下而上：业务 → 数据 → 分析 → 决策。
7.1 业务过程与记录：从业务交易到数据表
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
模型知识图谱：从业务发生到决策
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
第9章 算法模型：经验的固化、语义层与 AI
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
Tableau培训
数据层：数据规范与关系型数据
回答一个根本问题：数据该以什么样子存在，才能被持续、正确地分析 20 年？ 核心是把「规范数据结构」与「关系型数据」打通理解——所谓「规范数据」，几乎等价于「关系型数据结构」。表与表之间通过 「键」 彼此关联 —— 这就是「关系型」三个字的
News
XLJ 喜乐君数据分析
This is VIZWISE GARDEN, a brand new site by 喜乐君分析知识库 that's just getting started. Things will be up and running here sho