介绍Cognos公司成立于1969年，公司总部位于加拿大渥太华。Cognos软件可进行战略性企业级应用，或将其用作一个点解决方案满足业务需要，客户可以使用Cognos更好的监视、了解和驱动成功的业务绩效。Cognos客户遍行业包括,汽车、银行和保险、能源和自然资源、政府、卫生保健、制造和医药行业等。Cognos是面向企业的业务智能(BI)和绩效计划软件的全球领导者。公司的解决方案可以通过实现计划和预算、绩效度量和监视、报表和分析等管理环节的关键步骤来提高调整企业绩效。Cognos是唯一能够在一个完整的解决方案中为这些重要的管理活动提供支持的公司。

数据仓库，数据库或者其它信息库中隐藏着许多可以为商业、科研等活动的决策提供所需要的知识。分类与预测是两种数据分析形式，它们可以用来抽取能够描述重要数据集合或预测未来数据趋势的模型。分类方法（Classification）用于预测数据对象的离散类别（Categorical Label）；预测方法（Prediction ）用于预测数据对象的连续取值。

数据分析中的10种思维方法一、逻辑思维：二、向上思维：三、下切思维：四、求同思维：五、求异思维：六、抽离思维：七、联合思维：八、离开思维：九、接近思维：十、理解层次：逻辑思维逻辑思维：明白价值链，明白各项数据中的关系;关键:明白其中的关系要求你对这项工作要了解、熟悉，要细致和慎密。要清楚充分性和必要性的关系。实际情况:你需要那些数据?如何获得这些数据?数据之间的关系如何?向上思维在看完数据之后。

TalkingData简介我们的数据挖掘工作应用广告优化随机决策树算法及其Spark实现TalkingData简介TalkingData移动大数据生态圈行业透视DMP数据管理平台数据交易与交换数据监测与预警基础数据服务数据能力开放企业服务内容TalkingData简介我们的数据挖掘工作应用广告优化随机决策树算法及其Spark实现数据挖掘在.

MLlib在淘宝的应用和改进淘宝技术部数据挖掘与计算——高性能计算洪奇明风MLlib在淘宝主要内容决策树多分类决策树基本算法应用场景——用户识别购买频率女男男购买化妆品高低多少根节点叶节点内部节点deftree_growth(instances):#如果满足终止条件.

Forester数据: 迄今为止，打造了传统的企业数据仓库的机构，有83%的用户没有用数据仓库做数据分析，而是继续使用Excel等其他工具做数据分析。

数据模型介绍数据仓库的定义面向主题Subject Oriented典型的主题领域：当事人；产品；事件；协议集成的Integrated数据来自分散的系统,需要进行统一的抽取,加工,加载相对稳定的Non-Volatile不可更新,提供决策分析随时间变化TimeVariant数据仓库中的时间期限要远远长于操作型系统中的时间期限（5~10年）数据仓库中的数据是一系列某一时刻生成的复杂的快照数据集合

对于源数据后面自动添加“.0”的问题可以通过在输入步骤“格式”栏中设置长度解决，如下图输入为excel文件时的设置说明1.文件选择一个Excel文件或保存有Excel文件的目录。文件或目录：设置要读取的Excel文件的名称，或一个目录。

错误处理在转换步骤的过程中，当某个步骤发生错误时可能要进行额外的步骤处理。因此，在设置时就要求为步骤添加错误处理。以下面的流程为例：
该流程为将源表的数据同步到目标表中，在目标表中人为的设置某个字段的长度小于源表，让其能在处理过程中会报出异常。为了可视化处理结果，将同步的结果输出到XML文件中。

KETTLE基本知识主讲：韦汉靖简介Kettle是一款国外开源的etl工具，纯java编写，可以在Window、Linux、Unix上运行，绿色无需安装，数据抽取高效稳定。ETL是数据抽取（Extract）、清洗（Cleaning）、转换（Transform）、装载（Load）的过程。

kettle应用实例Kettle是”KettleE.T.T.L.Envirnonment”只取首字母的缩写，这意味着它被设计用来帮助你实现你的ETTL需要：抽取、转换、装入和加载数据。

ETL平台用于数据的抽取、转换、加载，为数据比对提供数据的采集、转换、导入、导出等功能。

Kettle工具类似powercenter和datastage等商业软件，也配有自己的元数据资料库管理的方式，可以是数据库的形式，也可以是文件目录形式。由于数据存储管理比较稳定安全，所以本文先详细介绍数据库形式元数据资料库，后简略介绍文件形式元数据资料库。

Kettle技术手册Etl介绍ETL（Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程），对于金融IT来说，经常会遇到大数据量的处理，转换，迁移，所以了解并掌握一种etl工具的使用，必不可少。Kettle是一款国外开源的etl工具，纯java编写，绿色无需安装，数据抽取高效稳定。Kettle中有两种脚本文件，transformation和job，transformation完成针对数据的基础转换，job则完成整个工作流的控制。

当你有很多数据要处理的时候，能够有效地使用所有的计算资源是非常重要的。不管是台个人电脑，还是有数百台服务器，你都想让Kettle能尽可能的使用所有可用的计算资源，并在可接受的时间范围内获取执行结果。在这一章节，我们将解开kettle的转换和作业在垂直扩展和水平扩展方面的秘密。垂直扩展是尽可能的使用单台服务器上的多CPU核。水平扩展是使用多台机器资源，使他们并行计算。这两种方法都是ETL子系统的一部分（#31，并行/流水线系统）。

开源ETL工具kettle系列之常见问题摘要：本文主要介绍使用kettle设计一些ETL任务时一些常见问题，这些问题大部分都不在官方FAQ上，你可以在kettle的论坛上找到一些问题的答案

kettle使用中的一些常见问题问题1：从excel中抽取数据,插入到oracle9数据库中,报下面的错误.

Kettle关于平面数据的导入cvs文件的导入：CSV全称Comma Separated values，是一种用来存储数据的纯文本，文件格式，通常用于电子表格或数据库软件。规则0开头是不留空，以行为单位。1可含或不含列名，含列名则居文件第一行。

Kettle命令行使用说明1.Kitchen——作业执行器是一个作业执行引擎，用来执行作业。这是一个命令行执行工具，参数说明如下

主要内容1.概述2.数据仓库与OLAP技术3.数据挖掘技术4.数据挖掘应用数据挖掘工具6.数据挖掘实例1概述1.1背景1.2数据挖掘定义1.3基本概念1.4主要功能1.5数据挖掘模型1.6实现流程1.7数据挖掘的应用1.8未来趋势1.1背景二十世纪末以来，全球信息量以惊人的速度急剧增长—据估计，每二十个月将增加一倍。许多组织机构的IT系统中都收集了大量的数据（信息）。目前的数据库系统虽然可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。