在加拿大做程序员是一种怎样的体验（cube云是什么意思）
cube云是什么意思，在加拿大做程序员是一种怎样的体验？
水货程序员不请自来，目前就职多伦多IBM。
以下答案基于答主个人经历，包含主观判断，我来安利一下IBM。
首先说工作环境。
IBM在多伦多有几个office，包括downtown也有。我在Markham的lab，环境优美。
楼层不高，一共4层，周围绿树成荫，还有一条小河 || 小溪穿过。
公司在highway7 and Warden Ave，交通便利，周围道路堵车的情况比较少，当然如果像答主一样，每天开401来上班，路上花的时间也不少。
再说说硬件设备，我入职的时候是只有Thinkpad W系列的笔记本可选，之后换成MacBook pro了，现在新入职的时候可以自由选择Thinkpad或者MacBook了。显示器是没有的，这点确实很不方便，没有多屏工作起来效率受影响。
楼里设施很丰富，有健身房，还有布置的不同装修风格的休息的地方，改天可以上照片。多数人是拥有自己的cube，传统美国公司风格，隔断高度超过身高。
说完硬件和环境，再说说具体一点的日常工作吧。
先插播一点感想吧，我觉得找工作的时候，对于小公司就是要看公司情况怎么样，对于大公司就要看team了。因为大公司组织庞大，部门众多，每天打交道的都是周围的同事和一些相关team的人。自己team的manager的管理风格，team负责的产品在自己部门和公司的地位，基本决定了你日常工作是否舒心，顺心；也直接决定了职业发展。尤其是大公司里面的边缘部门，地位比较尴尬，公司业绩不好的时候，朝不保夕，人心慌慌。在小公司，没有那么多繁复的制度，个人的影响力会相对大一些，几个人一商量觉得主意不错，可能就开工试错迭代了。在大公司，一个拥有几十万员工的超级复杂系统，已经不是任何一个个人可以控制的了，也只能依靠制度来进行管理，所以有时会出现一层一层approve的情况。
从我们部门来说，产品虽然不是业界老大，但是处于上升阶段。平时工作氛围比较轻松，当然可能个别时候比较忙，但是工作强度和国内来说是完全没法比的，加班更是没有的。每天工作时间灵活，有人早来早走，也有人晚来晚走。从开发流程来说，大体是采用scrum的agile方式，但是并不是教科书式的scrum实践。
因为IBM历史悠久，许多工具都有自己研发的产品，比如IBM有自己的java，自己的CVS工具，甚至连聊天工具都有自己的sametime。不过现在处在过渡阶段，也开始拥抱“新”东西了，比如用slack，用Github，尽管这些在许多地方早已广泛使用多年，但是对于有着多年成熟开发模式的公司来说，改变只能是一点一点的推行。
最后再说说薪资待遇吧。 从答主自己感觉还有glassdoor上的信息来看，IBM的工资水平在大多伦多地区算是中等水平吧。没有亚马逊高，和滑铁卢的Google更比不了。考虑到工作强度的因素，其实差距倒是没有那么大，据说亚马逊的on call导致员工幸福度很低？不知道是不是这样。
和在downtown的银行相比，IBM的工程师文化更强。在银行工作时，总感觉程序员就是被当作工具，尤其是front office的交易员脾气都很大， 有的BA也并不友善。
其他待遇方面，每年15天假期，为了和美国的假期match，额外还有两天floater day。平时公司内部也常有各种活动。另外DCPP的话，公司最多match 4%
最后再安利一下，IBM是一家历史悠久的科技公司，同时代创立的公司多数都已经消失在历史中了。而IBM曾经站在浪潮之巅，给业界做出许多贡献，时代变迁之后，努力调整适应数次挺过寒冬，几经沉浮依然屹立不倒，这本身就值得尊敬了。
IBM面向普通消费者的业务，现在已经很少了，所以许多人都对它不太了解。现在火热的云计算，大数据，人工智能等等，IBM都做了大量投入并且也取得了许多成果，有兴趣的可以了解一下。
有什么好的推荐吗？
大家好！我是迷彩游戏！
能解闷的游戏有很多，在这里我推荐一下手机游戏吧。我带来几个不同类型的精品手游！
第三人称射击第三人称射击游戏缩写TPS，经典的CS和CF都是第一人称的，而第三人称真正火热的起来就是绝地求生了，其中也是有TPP第一人称模式的。第三人称射击游戏更加强调动作感，主角在游戏屏幕上是可见的。视野也会更加宽阔，卡视觉阴人也会更加多见。
放学别跑
放学别跑这款集射击、竞技、养成等多样游戏元素玩法为一体的全新休闲对战类手机游戏，将给玩家朋友们带来一场场趣味横生激情无限的尽情射击竞技游戏世界体验。轻松诙谐的2D卡通画面，上手简单而又不失乐趣，弹幕自动发射，技能简洁明了，走位灵巧飘逸，令人欲罢不能。在这里，没有压力，没有繁琐，没有乏味，只会给你纯粹而又简单的快乐。
孤岛先锋
《孤岛先锋》是一款网易自研的首款2.5D战术竞技手游，创新尝试2.5D视角下的100人试炼场。在这里，你将置身于孤岛之上生存冒险，从零开始搜寻资源，穿梭于城市、小镇、城郊、野外之间，在不断缩小的安全区内，与其他试炼者进行对抗，可以单人成神更可组队开黑，超高自由度的战斗策略任你发挥，只为成为最后的勇士！元气骑士
元气骑士是一款国产Roguelite游戏，“世界危在旦夕，时间处于剑与魔法的时代，维持世界平衡的魔法石被拥有高科技的外星生物夺走了，你能否夺回魔法石拯救这个世界？”故事我们实在编不下去了，就是想做一个丧心病狂打怪兽的游戏！我们相信这就是你潜意识中一直渴望的那个游戏！探索地牢，收集各种奇异的武器，然后战爆小怪兽！简单直觉的操作，流畅又有趣的游戏体验。恐怖解密现在的许多玩家都已厌倦了市面上那些平淡无激情的游戏，转而对于能够刺激到心脏的恐怖类游戏十分感兴趣，特别是那种既恐怖还又蕴含了解密元素的游戏。不过这类游戏的大作基本上都是在PC端上，手机版的很少。下面小编就来为大家介绍一下好玩的最新恐怖解密手游吧！
地狱边境
地狱边境（Limbo）是一款被阴沉压抑的氛围所包围的冒险解密类游戏，地狱边境手机版游戏画面均采用黑白色系，配上空灵阴森的背景音乐，让整款游戏显得那么诡异与恐怖，玩家在游戏中将作为一个连五官都被黑暗所吞噬的小男孩，为寻找已经在去的姐姐，而游走在地狱的边缘。在这样一个游戏背景设置下，玩家将体验到前所未有的背后一凉的惊悚感。
逃离方块：洞穴
逃离方块：洞穴（Cube Escape The Cave）是Cube Escape系列的第九部作品， 同时，作为锈湖故事的延续，我们将一点一点解开锈湖的谜团，故事的开端，是一个老人，他要进入一个神秘的山洞里面。在你越来越深入锈湖之前，一位熟识的客人需要你帮忙。点击箭头在方块内部移动。通过点击来使用物品。 操作方法很简单，点击你的物品，再点击想画面来使用它。
暗影城：轮回
暗影城：轮回是一款恐怖密室逃脱类型的解谜冒险手游。在游戏中玩家们被关在一个小屋里，为了打破被诅咒房屋禁锢的命运，玩家们将需要寻找各种线索和道具，解开这个小屋隐藏的真相，然后从这个小屋逃离出去。游戏采用的2D手绘游戏场景以及符合背景的配乐两者的相结合为玩家们的解谜旅程添上一份阴影，那种时不时透露出的恐怖气氛和层出不穷的谜题关卡，给玩家们一个真实的逃脱体验。
动作手游永远的7日之都
永远的7日之都是一款网易自主研发的RPG冒险动作手游，这是一个被诅咒的城市，玩家将在城市中展开七天之旅，游戏的画面采用了十分精美细腻的画面风格，以多英雄操纵即时战斗为主要玩法，拥有错综复杂的多剧情线可供探索挖掘，剧情与战斗体验都极其丰富。忍者必须死3
忍者必须死3九游版是一款融合了跑酷和RPG元素的动作格斗类手游。游戏以全球独创的系列玩法为基础，加入超多酷炫技能招式，让玩家可以享受酣畅淋漓的战斗。除此之外多了boss系统，还有3v3系统多了很多互动，让玩家不会感到孤单。游戏围绕忍者、武士和鬼族三个势力，以主角的视角，展现一个有着环环相扣的阴谋的故事，构建一个有说服力的精彩的原创忍者世界。
影之刃
影之刃源起《雨血》系列，是一款以连招战斗为核心，风格独特的2D横版东方水墨格斗手游，在欧美获誉为“艺术品”。在众多的动作类游戏中，这款游戏是别具匠心的，影之刃手游虽是2D横版，却展现了与PC版相匹敌的完美动作，采用独创的连招按键系统，使操作简单化。
相信这几款应该可以满足你游戏瘾，为你解闷了吧？想了解更多手游推荐，请多关注“迷彩游戏”专业手游推荐频道！
什么是BI？
大数据时代，又如何向身边的人解释什么是商业智能 BI？
开篇介绍
我发现一个问题，当和一些不熟悉我们这个领域的朋友们来说，解释大数据的概念比起解释商业智能 BI 要容易的多。举个例子，我们问“你知道什么是商业智能 BI”吗？通常情况会一脸茫然的回答到：“不知道！”。但是当我们问：“你知道什么是大数据吗？”，通常情况下大部分人都会很直接的回答：“大数据，我知道啊！”.....“就是数据很大”（我问过我同学、朋友、家人，答案几乎一致，但是他们完全没有相关任何从业经验）。通常的还有数据分析、数据挖掘，这些名词本身就和大数据一样自带解释功能。对于一般非本行业的朋友们来说，看到这些词通过字面意思通常就能理解个大概，所以取一个好名字就显得有多么的重要。
站在一个比较专业的角度来看，这些解释肯定不太严谨或者本身的理解就是错误的，比如前面所提到“大数据就是数据大”的情况。但我个人认为这些并不是什么太大的问题，因为能理解个大概总比解释了半天还不能理解要好。那我现在要说的就是如何向身边的朋友或者客户解释什么是商业智能 BI。
不要试图用一句话解释什么是 BI在看下面的文章之前，先停下来想一下，假设是由你来介绍，你会用什么样的方式向一个朋友或者你的客户来解释什么是商业智能（Business Intelligence） 呢？
比如：
BI 就是把数据转换为信息。
BI 就是报表。
....
我要说的是，不要尝试用一句话解释商业智能 BI 是什么，因为它本身就是一个专业词汇，背后涉及到方方面面的概念和知识体系。就如同跟一个不懂遗传学的人解释什么是“孟德尔遗传规律”一样，即使可能用一句话高度概括了，但我相信很多人听了仍然不懂。所以，当你向你朋友解释不了什么是商业智能 BI 的时候，这是非常正常的。不是我们知识不够我们讲的不好，而是因为它本身太专业，它包括了 ETL、数据仓库、OLAP、数据分析、数据挖掘等专业技术，以及整套将数据变为信息、信息升华为价值的整个过程。
当每个人都认为自己解释的是正确的，但同时在别人的眼里都是不正确的或者不是很完美的时候，就不要试图用一句话来解释了。
什么是商业智能 BI？我们先来看看官方的解释。
1) 来自 Wikipedia 的定义：Business intelligence (BI) can be described as "a set of techniques and tools for the acquisition and transformation of raw data into meaningful and useful information for business analysis purposes". （https://en.wikipedia.org/wiki/Business_intelligence）
2) 来自百度百科：BI 是Business Intelligence的英文缩写，中文解释为商务智能，用来帮助企业更好地利用数据提高决策质量的技术集合，是从大量的数据中钻取信息与知识的过程。简单讲就是业务、数据、数据价值应用的过程。（Business Intelligence）
对于一些完全没有接触过 BI 的朋友们来说是不是很难理解？ 什么叫高质量决策的技术集合？什么叫钻取数据？业务、数据、数据价值应用又是什么？
如何快速的理解商业智能 BI？跟人们解释一样东西，还是从他们最熟悉的东西开始。我们从到一个餐厅点单开始说起，同时便于大家对比和理解，我在这里不提商业智能 BI，只提一个最简单的场景，从做一张报表开始。
点单和提出报表需求
在图片左边，我们现在去一个餐厅点单，需要点一个菜叫做“小鸡炖蘑菇”。同时在图片右边，我们需要做一张有关销售方面的报表。
餐厅点单的时候，顾客提出了具体的要求（假设可以这样随便提出要求），比如对于食材必须是深山散养的童子鸡，以及对于其它材料的要求，蘑菇的切法等等。这就对应于我们现在要一张有关“产品销售分析”的报表一样，需要弄清楚这张报表应该如何展现，具体需要哪些方面的数据展现在报表上面。无论是点单还是报表需求询问，这都是一个“提出需求的过程”。客户要什么东西，这些东西怎么做，这些就是需求。
备菜的过程与准备报表数据
备菜的过程说简单点就是要上这盘菜，要炒这盘菜，首先我们得把原材料准备好，比如鸡肉、香菇。同样的，我们要去准备一张报表，需求拿到了，那我们就要去准备好这些数据，比如销售相关的、产品相关的数据。备好的菜是放在一个叫操作台的地方，大厨就直接可以炒菜了。同样的，备好的数据放在一个叫“数据仓库 Data Warehouse”的地方，报表开发人员可以从里面直接找到数据制作报表。
原材料的清洗和数据的清洗
下锅炒菜的时候不能直接把一只鸡放在操作台上扔进锅里炒，在原材料变成炒菜的材料之前要把鸡割颈拔毛开膛破肚去屁股尖切成块；蘑菇去根，洗净，顶部开十字口等等，这是一个择菜、洗菜、把源材料变成一个真正可用可下锅的一个过程。这个过程就是 ETL —— Extract 抽取，把鸡拿出来；Transformation 转换，把鸡变成鸡块，完成清洗和转换工作；Loading 加载，把洗净的鸡块放到操作台上以供随时炒菜。
数据的准备过程和菜品原材料的清洗过程是一样的道理，数据是存放在一些数据表中，但是并不是所有的数据都需要抽取出来，只有有用的数据才会被抽取（Extract）；涉及到一些数据需要去重、合并计算、格式转换（比如 15/10/22 转换成 2015-10-22）等都属于 Transformation 阶段；Loading，最后把数据统一加载到数据仓库 Data Warehouse，数据仓库中有一组表。
对于菜品的源材料清洗过程很容易理解，这里为了让大家理解对于数据 ETL 的过程，举了下面这个例子。第（1）张表是我们的原始数据，我们的清洗规则是拿到从0034到0036,0036到0048之间的时间间隔，因此需要通过程序来计算和整理这些数据，可能先转变成第（2）张表的数据，最后再计算转变成第（3）张表的结果。而第（3）张表的结果就是报表最后要的结果，比如展示 ID = 1001， 1002， 1003 ... 等各自的时间间隔。
原材料的采购和源数据的加载
我们再继续想一想，这些鸡和蘑菇是从哪里来的？菜场。可能是一个菜场，也可能是多个菜场的多个摊位采购的，采购之后先原封不动的放到厨房。
源数据的采集和加载也是同样的道理，数据可能是来自外部系统，也可能来自内部的不同业务系统，比如 CRM 系统、ERP 系统，也有可能来自业务人员的 EXCEL 表格， 这些统称为 Data Source 数据源。
这些数据通过 ETL 工具原封不动的抽取到一个叫做 ODS 或者 STAGING 的数据库（或者数据库中的一些表）先存放起来，就类似于把菜买回来先放到厨房，先放起来。后面才有数据的清洗、整理，完毕之后才放到数据仓库，在之后就是制作报表的过程。
这里还要解释一下，ETL 工具和 ETL 的概念区别。ETL 描述的是将数据从一个源头抽取出来，中间完成了数据的清洗和整理，把干净的数据放入到目标数据库或表这样的一个过程。这个过程是可以通过一些工具来实现的，这些帮助实现 ETL 过程的工具统称为 ETL 工具，比如 DataStage、Kettle、Informatica、微软 BI 的 SSIS 等。
回顾整个过程
其实到这里，这些流程已经是比较清楚了，现在只需要反转一下。
其中有几个点我再来解释一下：第一，菜并不是客户点了单之后我们才到市场去采购的，而是在点菜之前就准备好了的。同样的，报表并不是客户提出了需求我们才去找数据，可能这些数据早就准备好了，当报表需求提出的时候我们只需要从数据仓库中去取就可以了。如果菜品的源材料没有了，只是当时这个菜可能做不了，但并不代表以后这个菜就没有了，以后仍然可以采购。同样的，如果报表所要的数据没有了，就需要顺着这个流程反过来去找，找到数据的源头，然后抽取过来，加工放到仓库里。
第二，在 BI 项目中，通常数据是定时比如说每天晚上或者凌晨从各个数据源抽取到 STAGING/ODS，再到数据仓库，所有的历史数据根据不同的设计得到部分或者全部保留。
第三，从上图中 ODS/STAGING 到 DW 处我用 ETL 来匹配“择菜、洗菜、切菜”的过程。其实从各个数据源抽取数据到 ODS/STAGING，也属于 ETL，只不过在这个 ETL 过程中数据都是原封不动的搬过来，发生了很少的或者没有发生 TRANSFORMATION 转换操作。
一个简单的 BI 项目架构这篇文章不会把 BI 描述的过于复杂，就如同描述一栋住宅一样。这个住宅你可以规划的非常复杂，把一切都描述的尽善尽美。你也可以把住宅画的很简单，也能让大家明白这就是一个住宅，有门有窗有房顶。同样的道理，对于 BI 来说，不同的人有不同的解释和定义，但我们一样可以描述的很简单。
商业智能 BI 就是一个把数据变为信息的过程 —— 将企业中的各个部分、各个业务系统中的数据统一的按照一定规则的抽取、清洗，最后加载到一个统一而集中的数据库中。在这个数据库之上，可以做报表展现、也可以做数据分析，最后这些展现和分析的结果将能成为一些决策的重要数据支持，这就是描述商业智能 BI 的一个最简单的价值。简单概括这个过程所体现的三个大的部分就是：Data Source 数据源，Data Warehouse 数据仓库的数据准备，Reporting 报表系统提供报表展现和数据分析。
关于报表展现和数据分析我这里再来放一些图表，来自不同的报表工具，这些报表都是以展现或者分析的目的而制作的，通过数据报表来发现和找到企业在生产、内部管理、市场、客户管理等各个方面的问题，或者作为日常会议决策过程的数据支持。
最后我要说的是，这并不是 BI 的全部，BI 所涉及到的内容和部分比想象中的更复杂。但是作为一个之前并不了解 BI 的朋友们来说，相信通过这篇文章会让你对 BI 的认识更加清晰一些，尽管到最后你还是不能用一句话来表达它的全部。如果看完了之后，更加觉得疑惑或者有更多的问题想要抛出来，可以稍微压抑一下自己的冲动，只需要把做饭的过程和我所描述的报表制作过程理解了就可以了。如果连做饭的过程都不知道，我只能说你日子过的太舒服了，请不要到这里和我们抢饭碗。
如果想了解的更加深入，我会在我的专栏（天善智能社区 BIWORK）更新更多这样的文章，比如商业智能 BI、大数据、数据分析和数据挖掘它们之间的关系，BI 体系的技术与产品划分等内容。
前端展现工具，个人给他们进行一个分类，即兴的，没有太讲究，因此分类标准也是模糊的，肯定有不合适或是不尽准确之处：
传统类的，大而全的，IBM的Cognos和SAP的BO、Oracle的BIEE，微软SSRS，其实还是Cognos最齐全的啦，CUBE和非CUBE的都有，这个可以专题讨论了，就不多说了。微软SSRS有点弱，以前微软收购了个proclarity普科，大概是06年？可惜后来没消息了。
专业型的，大概可以归类为二线厂商，MSTR、Actuate BIRT等等，其中Actuate报表方面有特点，且有BIRT开源，还有Arcplan,0506年时候有点热，烟草等行业推了一些；
特点型的，先特技的Analyzer，连接微软的CUBE很不赖，作为微软体系的一个极好的补充；
新一代的，以Qlikview、Spotfire、Tabuleau为代表，尝试突破，在仪表盘、移动BI、桌面分析等方面切入，强调快速部署实现，或是内存式BI，这也是这类新型工具的一个突破方向。后来传统的SAP HANA也引入内存式了，不过HANA是平台，非工具。
国内软件，以前的FEnet BI.Office,现在的SmartBI,以前尚蓝现在用友的蓝葵BQ，奥威智动的PowerBI,润乾、永洪敏捷BI，帆软等报表工具。
开源前端，BIRT、Jasper等等。
更多精彩内容，可以登陆天善智能社区www.hellobi.com
如何定义大数据与BI商业智能？
“商业智能”这个词，多数人普遍认为是Gartner机构在1996年第一次提出来的，但事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念。
本文由齿轮易创原创，未经许可禁止一切形式的修改、转载。转载请私信联系齿轮易创。1865年，理查德·米勒·德文斯（Richard Millar Devens）在《商业趣闻百科全书》（Cyclopædiaof Commercial and Business Anecdotes）中提出了“商业智能”（BI）一词。他用这个词来描述银行家亨利·福尼斯（HenryFurnese）通过收集信息并根据这些信息，先于竞争对手采取行动，从而获利。
1958年，IBM计算机科学家汉斯·彼得·卢恩（Hans PeterLuhn）撰文讨论了利用技术来收集商业智能的潜力。按照今天的理解，商业智能就是利用技术来收集和分析数据，将之转换成有用的信息，并根据这些信息，“先于竞争对手”采取行动。从本质上说，现代版的商业智能利用技术，在正确的时间，依据正确的信息，迅速且有效地作出决策。
1968年时，只有那些具备专业技能的人，才能把数据转换成可用的信息。那时，来自多个来源的数据通常储存在筒仓中，研究报告呈碎片化，彼此脱节，可以作出多种不同的解读。埃德加·科德（Edgar Codd）认识到，这是个严重的问题。
1970年，他发表文章，改变了人们思考数据库的方式。他关于建立“关联式数据库模型”的提议获得了巨大关注，被全世界所采纳。决策支持系统（DSS）是第一个数据库管理系统，现代版的商业智能是从DSS数据库演化而来。
上世纪80年代，商业人士发现了商业智能的价值，于是BI供应商的数量大增。那期间，各种各样的工具纷纷面世，目标是以更简单的方式访问和组织数据。联机分析处理（OLAP）、主管信息系统（EIS）和数据仓库应运而生，与DSS协同工作。
什么是商业智能？BI（BusinessIntelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
用一句话就是”使用基于事实的决策支持系统，来改善业务决策的一套理论与方法。”
商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。
因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。
商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。
因此，把商业智能看成是一种解决方案应该比较恰当。
商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具（大数据魔镜）、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。
理解、推理、学习
本文由齿轮易创原创，未经许可禁止一切形式的修改、转载。转载请私信联系齿轮易创。商业智能的三个特征利用互联网和算法的优势，低成本实时服务海量用户；满足每一个用户的个性需求；快速迭代，自我更新，自我提升。智能商业双螺旋——网络协同和数据智能。两者是阴阳和合的，网络协同推动数据智能的发展，数据智能驱动网络协同的扩张。
网络协同，就是大规模、多角色的实时互动来解决一个特定的问题。
两个例子，第一个是维基百科，人类历史上第一次出现了一个没有中央政府协调的、大规模的、自发协同完成的在线知识库。第二个是淘宝，今天的淘宝卖家已经可以在线，同时和几百个服务商合作，只需要一个API的链接，就能调动相关数据和相关服务。
网络协同是企业迈向智能商业最重要的第一步。
数据智能，本质是机器取代人直接做决策。需要几个重要前提：云计算，大数据、算法、迭代。
以Google搜索为例，它有三个核心的组成部分，一个是算法，是机器学习的引擎；一个是数据，非常重要的一点是它要循环，形成一个反馈；一个是用户，两个极简的产品界面——搜索框和结果页，只需三个步骤——输入关键词，出结果页，点击——就能完成一次搜索。
一个非常重要的推论：未来任何一个企业，都是服务企业，因为客户真正要的是服务，不是产品。大体量的公司能够继续保持多年的高速增长，背后的原因是智能商业的黑洞效应。
黑洞意味着它有巨大的能量场，它的四个构成：
网络协同具备网络效应，具有指数级增长的天然优势;数据智能有学习效应，机器的算法不断通过对数据的处理，提高自己的智能水平;网络天然会产生数据压强，推动数据智能的发展；数据智能具有网络张力，数据和信息的使用过程，就是一个价值创造的过程。商业智能、云计算、大数据之间的区别？大数据VS云计算
云计算就是硬件资源的虚拟化；大数据就是海量数据的高效处理。
云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力。
大数据的本质就是利用计算机集群来处理大批量的数据，大数据的技术关注点在于如何将数据分发给不同的计算机进行存储和处理。云计算的本质就是将计算能力作为一种较小颗粒度的服务提供给用户，按需使用和付费，体现了：
经济性，不需要购买整个服务器快捷性，即刻使用，不需要长时间的购买和安装部署弹性，随着业务增长可以购买更多的计算资源，可以需要时购买几十台服务器的1个小时时间，运算完成就释放自动化，不需要通过人来完成资源的分配和部署，通过API可以自动创建云主机等服务。云计算的技术关注点在于如何在一套软硬件环境中，为不同的用户提供服务，使得不同的用户彼此不可见，并进行资源隔离，保障每个用户的服务质量。在大数据和云计算的关系上，两者都关注对资源的调度。
大数据处理可以基于云计算平台（如IaaS，容器）。大数据处理也可以作为一种云计算的服务，如AWS的EMR（Amazon Elastic MapReduce ）阿里云的ODPS（Open Data ProcessingService）。商业智能VS大数据
目前，商业智能和数据分析常常被混用。这两个术语都描述了在商业决策过程中使用数据的普遍实践。
商业智能代表了为决策者提供辅助的一系列技术，而数据分析则代表了处理数据的一系列工具，并且作为一个统称，涵盖了数据仓库、企业信息管理、商业智能、企业绩效管理和企业治理。
本文由齿轮易创原创，未经许可禁止一切形式的修改、转载。转载请私信联系齿轮易创。大数据与商业智能的对比可以通过下面的表格来归纳总结：
从概念的角度区分BI（Business Intelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。大数据（big data）是一种信息资产，它是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力。简单而言，大数据更偏重于发现、预测并印证的过程。
从数据来源的角度区分大数据的数据来源包括内部数据和外部数据，有很大一部分数据是包括音频、视频、图像在内的非结构化数据，或是半结构化数据。这类数据通过大数据管理的方式进行整合，然后用BI的方法进行分析挖掘处理。而BI的数据很多是来自数据库的结构化数据分析。在企业内部实施BI应用就是为了可以更好的对数据进行分享和使用。
从技术的角度区分从技术方面来看，传统BI的ETL、数据仓库、OLAP、可视化报表技术，都处于淘汰的边缘，因为解决不了海量数据（包括结构化与非结构化）的处理问题，BI的很多功能都可以被对应的大数据组件所替代。大多数企业即使没有大数据业务的驱动，大数据技术的优势依然不容小觑。
从应用的角度区分BI涉及的应用科学包括：终端用户查询和报告工具、数据挖掘软件、数据仓库产品。主流的传统商业智能工具包括BO、COGNOS。一些新型的BI工具如Tableau、Qlikview、帆软FineBI在目前市场也被广泛应用。而大数据的应用几乎涉及到社会生活的方方面面，如医疗行业、金融行业、体育行业、安全执法、城市改善等等。当然，大数据所涵盖的领域不止这些，未来还会有许多新的行业和领域利用大数据的应用进行规划和发展。
从决策者的角度区分BI更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题；大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。
从人员技能角度区分大数据的数据处理，涉及很多新的技术，不同的应用场景需要不同的大数据处理方法，需要有人专门进行研究和探索，可见大数据对于BI人员的技能要求有所提高。
从发展趋势的角度区分随着企业CRM、ERP、SCM等应用系统的引入，企业不仅仅关注事务处理过程，而更加注重有效利用企业的数据为准确和快速的决策提供支持。由此带动的对商业智能的需求将是巨大的。BI的发展趋势可以归纳为以下几点：从单独的商业智能向嵌入式商业智能发展，从传统功能向增强型功能转变，从传统型BI向敏捷型BI转变。
商业智能的未来趋势的猜测在线化，就是IOT（物联网），将极大的扩张智能商业的边界，我们最终会实现万物互联。
全新的交互方式发展，IOT将会出现里程碑式的产品。以语音为代表的家庭智能中心，以视觉为代表的应用级AR设备以及以感知为代表的无人驾驶。IOT的集大成的产品，很可能就是无人驾驶汽车。
智能化，AI（人工智能）技术将极大增强黑洞效应。
首先，算法会成为基础设施。对于大部分企业来说，不需要算法工程师，只需要人工智能训练师。其次，深度学习，包括增强学习会在每一个行业越来越多的被运用。
网络化，协同网络将急剧扩张。
网络协同扩张与重构，广告、零售、物流、到创意、营销的全链路重构。几乎在每一个行业都会经历一个从传统的封闭的线性供应链，走向开放的价值协同网，这中间有巨大的商机。
并且我们能看到的两个重要趋势：
第一，新星涌现，现有生态继续大爆炸，多元物种蓬勃生长。教育、健康、交通，本身都是几十万亿的大产业，在转向智能商业的过程中，会出现平台级、生态级的领先企业。第二、颠覆式技术形成新黑洞，区块链、AI、AR/VR（增强现实和虚拟现实）。我们如此强调智能商业，一个重要原因就是源头技术还在不断的进步。
要想在智能商业时代取得成功，战略的基本思路都要被改写。
除了传统的定位之外，新战略中间一个最重要的概念，我把它叫做点线面体。就是未来的竞争中，一个企业战略决策的第一核心，是要考虑在一个怎样的网络去竞争，是作为一个面，作为一个网络平台，去引领一个生态的发展，还是在一个特定的网络里面，去做一个点或者去做一条线。企业升级的指南：
能不能尽可能的网络化；能不能尽可能地引入机器学习；能不能够在网络扩张的过程中间，尽可能的用机器决策取代人工决策；能不能够让我的数据跟更多的不同类型的数据产生交换。结论：数据是这个时代最重要的生产要素，未来的智能时代，是人脑与机器智能的连接。
苹果手机有哪些好用的APP？
盘点iOS平台上那些让人眼前一亮的宝藏App，亲测好用，还都是免费的哦，看看有没有你需要的！
1.「我的桌面·iScreen」
一款集合了小组件、主题、壁纸的桌面美化工具，可制作抽屉式等个性化壁纸。小组件的主题也很丰富，有时钟、太空表盘、倒计时、日历、to do list待办事项、语录、便签等等，小组件支持全透明效果。近期还上线了免费领特权活动，不容错过~
2.「柴扉」
一个分享打动人心事物的 App，每天都会推荐一首歌、一则语录、一篇文章，每天用十几分钟的细碎时光，点燃内心的光明。
3.「微手帐」
设计简单、主打可爱风格的心情日记。可以用文字表情标记心情，也可以动手绘制属于自己的可爱微表情。支持图片上传，超多可爱的贴纸素材，让记录手帐成为更有趣又治愈的事。
4.「Snapseed」
由 Google 开发的照片编辑工具，提供29种工具和滤镜，可以局部修图，一件解决局部问题，也可以直接套用自带样式，滤镜非常多。总之，质感修图，用它！
5.「石墨文档」
个人私藏的文档编辑器，可多人实时协作的云端 Office，及时更新，分享出去的文档也可以随时修改，协作办公超级方便。支持一键导出图片、PDF、Word，不要太优秀。
6.「稿定设计」
图片视频编辑神器，做海报首推它。用模板轻松作图，对于PS小白极度友好，快速上手，只需替换图文，就能轻松作图、P图，满足工作到生活用图！
7.「懒饭」
宅家免不了要搞饭吃，这个APP是以短视频+详细步骤解读的形式教人做菜，比起只有视频和文字搭配的形式，这样的组合会方便很多。居家必备~
8.「我的倒计时」
时间记录提醒工具，用来记录考试时间、生日、节假日等大大小小的日子，帮助你把生活打理得井井有条。精确到秒的提醒，不用担心错过任何重要日子，设置成小组件添加在桌面也很方便。
更多好用的APP推荐，欢迎前往我的主页！
